Аналитик данных

Земляне Девелопмент ищет аналитика данных, который поможет нам развивать направление аналитики для девелоперов и внутренних проектов компании.

Мы работаем с данными по продажам недвижимости, интернет-рекламе, лидам, CRM, звонкам и рынку новостроек. Сейчас данных становится всё больше, и нам нужен человек, который сможет не просто строить отчёты, а разбираться в структуре данных, находить взаимосвязи между разными источниками и превращать всё это в понятную аналитику для бизнеса.

Чем предстоит заниматься

В работе будет несколько основных направлений.

Аналитика продаж и рынка недвижимости

Мы собираем и анализируем большие массивы данных по застройщикам, жилым комплексам и сделкам.

Нужно будет:

• работать с большими массивами данных;

• проверять корректность исходной информации;

• находить ошибки, дубли и аномалии;

• связывать данные по застройщикам, жилым комплексам, объектам и сделкам;

• анализировать продажи, площади, цены, ипотеку и другие показатели;

• готовить данные для исследований рынка и аналитических материалов;

• искать закономерности и объяснять, что происходит с показателями.

Аналитика клиентов

Мы работаем с застройщиками и помогаем им анализировать весь путь клиента — от рекламы до продажи.

Необходимо будет собирать и анализировать:

• рекламные расходы;

• лиды;

• звонки;

• квалифицированные обращения;

• встречи;

• бронирования;

• сделки;

• выручку;

• конверсии между этапами воронки;

• стоимость привлечения клиента и эффективность рекламных каналов.

Важно не просто показывать цифры, а уметь отвечать на вопрос: почему они изменились и где именно возникает проблема.

Например: реклама приводит много лидов, но продажи не растут. Нужно понять, проблема в качестве трафика, обработке обращений, работе менеджеров, продукте или в другом участке воронки.

PostgreSQL и SQL

Значительная часть наших данных хранится в PostgreSQL.

Предстоит:

• писать SQL-запросы;

• работать с таблицами и представлениями;

• объединять данные из разных источников;

• продумывать связи между сущностями;

• помогать выстраивать логичную структуру хранения данных;

• проверять целостность и качество данных.

Нам не нужен полноценный разработчик баз данных, но важно хорошо понимать, как устроены реляционные базы и как правильно организовать данные.

Яндекс DataLens

Мы активно используем DataLens для клиентской и внутренней аналитики.

Нужно будет:

• создавать датасеты;

• настраивать расчётные показатели;

• строить графики и таблицы;

• собирать полноценные дашборды;

• продумывать структуру отчётов под конкретные бизнес-задачи;

• проверять правильность отображаемых данных.

Для нас важно, чтобы дашборд был не просто красивым, а помогал принимать решения.

Интеграция различных систем

В работе используются и будут использоваться:

• PostgreSQL;

• Яндекс DataLens;

• Bitrix24;

• Яндекс Директ;

• другие рекламные кабинеты;

• системы коллтрекинга;

• Profitbase;

• Excel / CSV;

• API различных сервисов;

• данные телефонных разговоров и их расшифровки.

Важно понимать общую логику интеграций: откуда получить данные, как их сохранить, как связать между собой и как затем использовать в аналитике.

Не обязательно самостоятельно программировать все интеграции. Часть задач могут выполнять разработчики или AI-инструменты. Но аналитик должен уметь правильно поставить задачу, проверить результат и понимать всю логику процесса.

Анализ звонков

Отдельное направление, которое мы сейчас развиваем, — аналитика телефонных разговоров с клиентами.

Мы хотим автоматически понимать:

• почему клиент отказался;

• какой объект его интересовал;

• какие возникали возражения;

• обсуждалась ли ипотека;

• назначена ли встреча;

• насколько качественно менеджер обработал обращение;

• какие причины чаще всего мешают клиентам двигаться дальше по воронке.

Поэтому будет плюсом интерес к работе с расшифровками разговоров, AI и структурированием неструктурированных данных.

Кого мы ищем

Нам нужен человек, который любит разбираться в данных и не боится задавать вопросы.

Например:

Почему эта цифра отличается от CRM?

Почему количество объектов не совпадает с количеством сделок?

Почему один застройщик резко вырос по продажам?

Почему рекламный канал даёт дешёвые лиды, но почти не даёт сделок?

Как связать звонок клиента с конкретным лидом и последующей продажей?

Что нужно изменить в структуре данных, чтобы через полгода не пришлось всё переделывать?

Для нас такой подход важнее, чем умение просто построить красивый график.

Что важно

Обязательно:

• уверенное владение Excel / Google Sheets;

• SQL;

• понимание реляционных баз данных;

• умение работать с большими таблицами;

• способность проверять данные и находить ошибки;

• системное и аналитическое мышление;

• умение самостоятельно разбираться в новой задаче.

Будет большим плюсом:

• PostgreSQL;

• Яндекс DataLens;

• Power BI, Tableau, Looker или другие BI-системы;

• Python;

• работа с API;

• Bitrix24 или другими CRM;

• опыт маркетинговой, продуктовой или бизнес-аналитики;

• опыт работы с недвижимостью;

• опыт автоматизации аналитических процессов.

Использование искусственного интеллекта

Мы активно используем ChatGPT, Codex и другие AI-инструменты и считаем это нормальной частью современной работы аналитика.

AI можно использовать для:

• написания SQL;

• подготовки скриптов;

• анализа данных;

• поиска ошибок;

• работы с API;

• автоматизации рутинных операций.

Но важно понимать, что именно делает код или запрос и почему полученный результат можно считать правильным.

Нам нужен не человек, который просто копирует ответы AI, а аналитик, который умеет использовать современные инструменты для ускорения своей работы.

Примеры задач

В первые месяцы задачи могут выглядеть так:

• разобраться в существующей PostgreSQL-базе и предложить, как улучшить её структуру;

• проверить данные по продажам застройщиков в нескольких городах;

• собрать аналитику продаж клиента в DataLens;

• связать данные CRM и рекламных кабинетов;

• построить сквозную воронку:

реклама → лид → звонок → квалификация → встреча → бронь → сделка → деньги;

• настроить отчёт по эффективности рекламных каналов;

• найти причины снижения конверсии;

• начать выстраивать систему анализа телефонных разговоров;

• автоматизировать регулярную подготовку аналитических отчётов.

Как будет устроена работа

Здесь будет мало задач формата:

«Вот готовая таблица — построй три графика».

Гораздо чаще задача будет звучать так:

«У нас есть CRM, рекламные кабинеты, база продаж и звонки. Нужно понять, почему снизились продажи».

И дальше необходимо самостоятельно определить, какие данные нужны, где их взять, как проверить, как связать между собой и в каком виде показать результат.

Мы строим собственную систему аналитики для девелоперов и хотим, чтобы аналитик постепенно становился одним из ключевых специалистов в этом направлении.