Аналитик данных // Data Analyst

Teez - быстрорастущий маркетплейс, созданный в Казахстане. Мы масштабируем e-commerce бизнес, логистику, клиентские сервисы и технологическую платформу. В Teez данные не просто описывают бизнес: они помогают принимать решения, автоматизировать процессы и создавать ML-продукты, а data-платформа должна обеспечивать для этого надёжную и предсказуемую технологическую основу.

Группа клиентской лояльности отвечает за то, чтобы Teez лучше понимал клиентов: почему они приходят, что заставляет их покупать повторно, какие коммуникации работают, где теряется аудитория и как растить retention, frequency и LTV. Ищем аналитика, который будет работать на стыке маркетинга, продукта и данных.

Фокус роли
Клиентская и маркетинговая аналитика: сегменты, повторные покупки, retention, CRM коммуникации, промо, воронки, когортный анализ и данные Accelera. От аналитика ждём не только отчёты, но и выводы, которые меняют решения бизнеса.

Задачи и обязанности

• Строить систему метрик клиентской лояльности: retention, repeat rate, purchase frequency, churn, LTV, cohort metrics и другие показатели поведения клиентов.
• Анализировать эффективность CRM и маркетинговых коммуникаций: сегменты, кампании, каналы, промо-механики и пользовательские сценарии.
• Работать с данными Accelera и объединять их с заказами, клиентским поведением и другими данными Teez.
• Сегментировать клиентскую базу и находить группы пользователей с разным поведением, потенциалом и риском оттока.
• Проводить когортный, воронковый и ad hoc анализ; искать причины изменений ключевых метрик.
• Формулировать гипотезы совместно с CRM/marketing/product командами и оценивать эффект после запуска.
• Проектировать A/B тесты или квазиэксперименты, считать статистическую значимость и корректно интерпретировать результат.
• Разрабатывать и поддерживать BI-дашборды для маркетинга и руководителей, устраняя ручные Excel-отчёты там, где нужна автоматизация.
• Формировать постановки на новые витрины и поля для Data Engineer, проверять качество результата.
• Переводить аналитику в конкретные рекомендации: что изменить, какую аудиторию выбрать, какой эффект ожидаем и как его измерить.

Что мы ожиданием

• 2+ года опыта в data/product/marketing analytics.
• Сильный SQL: joins, оконные функции, CTE, агрегации, работа с большими таблицами и понимание зерна данных.
• Умение самостоятельно пройти путь от бизнес-вопроса до вывода и рекомендации.
• Хорошее понимание когортного анализа, воронок, retention, LTV и базовой статистики.
• Опыт работы с BI-инструментами и построения понятных дашбордов для бизнеса.
• Умение объяснять сложные результаты простым языком и защищать выводы перед стейкхолдерами.
• Внимательность к качеству данных: аналитик должен уметь заметить, когда цифра выглядит неправдоподобно, и проверить источник.
• Опыт в e-commerce, fintech, retail, loyalty/CRM или growth analytics.
• Python для анализа данных: pandas, scipy/statsmodels или аналогичный стек.
• Опыт с CDP/CRM/marketing automation платформами и event data.
• Практический опыт A/B тестов и оценки инкрементального эффекта коммуникаций.
• Понимание unit economics и связи клиентских метрик с GMV, маржой и стоимостью маркетинга.

Будет плюсом

• Опыт в e-commerce, fintech, retail, loyalty/CRM или growth analytics.
• Python для анализа данных: pandas, scipy/statsmodels или аналогичный стек.
• Опыт с CDP/CRM/marketing automation платформами и event data.
• Практический опыт A/B тестов и оценки инкрементального эффекта коммуникаций.
• Понимание unit economics и связи клиентских метрик с GMV, маржой и стоимостью маркетинга.

Как мы понимаем хороший результат через 6 месяцев
• У команды есть единые определения ключевых customer/loyalty метрик и доверенные дашборды.
• Основные CRM-кампании оцениваются не только по отправкам/кликам, но и по бизнес эффекту.
• Сегментация и когортный анализ регулярно используются при принятии маркетинговых решений.
• Количество ручных выгрузок и спорных цифр заметно снизилось

Что мы предлагаем:

• Роль с прямым влиянием на процессы и результат одного из ключевых направлений маркетплейса.
• Возможность стать аналитическим партнёром CRM/marketing направления и фактически выстроить customer-loyalty аналитику Teez как отдельный data-продукт.
• Возможность строить data-функцию и практики почти с нуля, а не только поддерживать унаследованные решения.
• Высокую скорость принятия решений, минимум лишней бюрократии и возможность предлагать собственные технические решения.
• Работу в связке с бизнесом, продуктом, маркетингом, логистикой и ML-командой - результат работы быстро становится виден в продукте и операционных метриках.