Мы в поиске опытного специалиста по обработке и анализу данных, который поможет нам улучшать наши коммуникационные стратегии и повышать эффективность маркетинговых кампаний через разработку специализированных решений в области обработки данных и машинного обучения. Наша команда занимается проектированием витрин данных, созданием аналитических моделей и разработкой подходов к оценке эффективности кампаний.
Основные направления работы:
- Обеспечение сбора, хранения и обновления данных в корпоративных хранилищах (ClickHouse, Greenplum, Oracle).
- Оптимизация процессов вычисления сложных характеристик клиентов и формирование профилей пользователей.
- Анализ экспериментальных данных и разработка алгоритмов прогнозирования поведения клиентов.
- Подготовка отчетов и визуализаций для принятия обоснованных управленческих решений.
Обязанности
- Проектирование и сборка витрин данных, включая таблицы и атрибуты для анализа кампаний и сегментации аудитории.
- Создание аналитической инфраструктуры для проведения тестов, построения воронок коммуникации и управления контрольными группами.
- Построение классических ML-моделей и эконометрических оценок влияния различных факторов на результативность рекламных кампаний.
- Совместная работа с маркетологами над улучшением показателей бизнеса через глубокую аналитику и внедрение рекомендательных систем.
Требования
Data Engineering:
- Профильное владение SQL: работа с оконными функциями, Common Table Expressions (CTE), вложенными запросами, настройкой индексирования и партисией.
- Опыт проектирования реляционных структур баз данных для кампаний и сегментированных аудиторий.
- Применение инструментов оркестрации (Airflow): создание рабочих графиков выполнения задач (DAGs), обработка исключительных ситуаций, использование сенсоров и таймаутов.
- Использование библиотек Python для эффективной обработки больших объемов данных.
- Интеграция Python-кода с источниками данных, разработка загрузочных скриптов.
Data Science (ML & эконометрика):
- Глубокое погружение в классический Machine Learning: знание методов классификации и регрессии (бустинг, деревья решений, линейные модели, кластеры).
- Способности разработки кастомизированных фичей (feature engineering) для специфичных задач бизнеса (предсказания покупок, оттока, оптимального предложения клиенту).
- Грамотная интерпретация результатов и детальная оценка ошибок моделей.
Экспертиза в эконометрике:
- Оценивание каузального эффекта воздействий (Causal Impact, Diff-in-diff, синтетические контрольные группы).
- Умение строить uplift-модели и понимать смещения и скрытые факторы (instrument variables).
Метрики, контрольные группы, эксперименты:
- Проведение экспериментов (A/B тесты): Организация рандомизации выборок и проверка корректности разбиения групп на SQL/Python уровнях.
- Проведение когортного анализа, расчет LTV, retention, conversion rate, ARPU и других продуктовых метрик.
- Пре-экспериментальная подготовка и пост-анализ (методы снижения дисперсии типа CUPED, bootstrapping, байесовский подход).
Soft Skills:
- Внимание к деталям при анализе данных и выявлении аномалий.
- Отличное статистическое мышление и критичность подхода к принятию решений.
- Творческий подход к формированию гипотез и разработке новых данных для улучшения предсказательной способности моделей.
Условия
- Гибридный формат работы, в современном офисе в Москве на Проспекте Мира (Олимпийский 14, БЦ Даймонд Холл)
- Выгодные ипотечные льготные условия кредитования
- Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Сбер Еаптека и другие
- ДМС с первого дня и льготное страхование для близких
- Корпоративная пенсионная программа
- Детский отдых и подарки за счет Компании
- Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию
.jpg&w=1920&q=75){kind=small}
