О компании
EMEX — международный холдинг: маркетплейс, информационный бизнес, фулфилмент, управление активами в РФ, ОАЭ и Японии. Более 20 лет прибыльной работы.
В этой роли вы будете работать с контуром E-com EMEX — системой, которая соединяет покупателей и продавцов и охватывает весь цикл от привлечения пользователя и выбора товара до исполнения заказа, доставки, возврата и повторной покупки.
E-com ежедневно генерирует большое количество данных о пользователях, заказах, товарном предложении, возвратах и качестве пользовательского опыта.
Наша задача — связать эти данные в единую систему и сделать экономику и ключевые процессы бизнеса измеримыми и управляемыми.
Обязанности
Мы ищем старшего аналитика, который усилит систему бизнес и продуктовой аналитики маркетплейса.
Цель роли — построить сквозную систему аналитики, которая позволит бизнесу понимать, за счет чего формируются NMV, маржинальность и EBITDA, где контур E-com теряет пользователей, заказы и деньги и какие изменения дадут максимальный экономический эффект.
Аналитик будет работать со всем E2E-контуром E-com: от трафика, активации и конверсии до заказов, торгового предложения, пользователей (поставщиков и покупателей), качества исполнения, возвратов, и финансового результата.
Основные заказчики аналитики — CEO, руководитель продукта и руководитель системы управления качеством.
Задача аналитика — не только показывать, что произошло, но и объяснять, почему это произошло, сколько это стоит бизнесу и что необходимо изменить.
Что находится в контуре роли
1. E2E-аналитика контура E-com
- Информационный разрез — переходы по статусам и действия в системе на всём пути заказа: визиты, просмотры, поиск, корзина, оформление, оплата, сборка, отгрузка, выдача, отмена, возврат. Примеры метрик: конверсия по шагам воронки, длительность этапа, доля отмен и отказов.
- Товарный разрез — позиции заказа: артикул, категория, бренд, поставщик, склад, цена, срок поставки, наличие. Примеры метрик: покрытие спроса (match rate), доля выпавшего предложения , уровень возвратов по категориям и поставщикам.
- Документарный разрез — счета, УПД, накладные, акты расхождений, сертификаты и декларации, коды маркировки, претензии. Примеры метрик: доля заказов, закрытых документами в срок, время до закрытия, объём выручки в незакрытых документах, доля позиций без обязательных подтверждений.
- Сборка в единую систему — витрины связываются общим ключом заказа и пользователя, что даёт сквозную воронку от первого визита до повторной покупки и позволяет разложить просадку на причину: процесс, ассортимент или оформление. На этой основе строятся E2E-дашборды для управления бизнесом.
Результат: руководство видит маркетплейс как единую систему, понимает динамику ключевых показателей и определяет, на каком этапе и по какой причине возникают отклонения.
2. Экономика заказов и финансовая аналитика
- Экономика заказа и транзакции — из чего складывается результат по одному заказу: выручка, себестоимость исполнения, комиссия Emex. Примеры метрик: Cost per Transaction — совокупные издержки на одну транзакцию (логистика, обработка, платёж, поддержка).
- Финансовый результат и его декомпозиция — разложение итога до драйверов, а не констатация суммы. Примеры метрик: NMV — оборот по исполненным заказам; Returned NMV — часть оборота, вернувшаяся возвратами и отказами; Total Margin — валовая маржа после прямых издержек; EBITDA — операционная прибыль до амортизации и процентов.
- Модель unit-экономики — расчёт и развитие модели, которая переводит поведение одного пользователя и одного заказа в финансовый результат целиком.
- Влияние факторов на экономику — как конверсия, частота, средний чек, возвраты и качество исполнения меняют маржинальность; какой из факторов даёт наибольший вклад в отклонение.
- Оценка эффекта изменений — расчёт финансового результата продуктовых и операционных инициатив, выявление источников потерь и зон роста маржинальности.
Результат: бизнес понимает экономику заказов и основные драйверы финансового результата, а инициативы оцениваются через их влияние на маржинальность и EBITDA.
3. Поддержка управленческих и продуктовых решений
- Постановка задачи — перевод бизнес-вопросов и гипотез в измеримую аналитическую формулировку: что именно считаем, на каких данных, какой ответ считается достаточным.
- Оценка до запуска — расчёт потенциального эффекта инициативы: какую метрику она двигает, на сколько и что это даёт в деньгах.
- Рекомендация — вывод на данных с указанием допущений и границ применимости, а не только выгрузка цифр.
- Приоритизация — участие в отборе продуктовых и операционных инициатив исходя из ожидаемого эффекта и стоимости реализации.
- Замер после — сверка фактического результата с прогнозом и разбор расхождений.
Результат: ключевые решения принимаются на данных, инициативы имеют рассчитанный ожидаемый эффект, а после реализации бизнес понимает их фактический результат.
4. Данные и аналитическая инфраструктура
- Работа с данными — SQL для исследования, проверки и трансформации данных; Python для моделирования и автоматизации регулярных расчётов.
- Единые определения — фиксация формул и границ каждой бизнес-метрики, контроль согласованности показателей между отчётами и источниками.
- BI-слой — создание и развитие дашбордов для регулярного управления: владелец, SLA обновления, регламент разбора отклонений.
Результат: у бизнеса есть единый источник аналитической информации, определения метрик согласованы, а аналитика воспроизводима и масштабируема.
Задача роли — не поддерживать набор показателей, а связать их причинно-следственными связями и экономикой, чтобы изменение операционной или продуктовой метрики переводилось во влияние на заказ, NMV, маржинальность и EBITDA.
Наш стек:
Хранилище: Snowflake
Источники данных: MS SQL Server, Postgres, ClickHouse, 1С
BI: Tableau, Metabase
Инструменты: SQL (основной), Python
Требования
Уровень и опыт
- Senior
- опыт в аналитике — от 5 лет;
- опыт работы с e-commerce, маркетплейсами или другими транзакционными digital-продуктами будет преимуществом;
- опыт работы одновременно с продуктовой и финансовой аналитикой будет преимуществом.
Hard skills
- уверенный SQL, Python для анализа данных, автоматизации и моделирования;
- построение систем бизнес- и продуктовых метрик;
- продуктовая аналитика: conversion, activation, retention, cohorts, frequency;
- финансовая и бизнес-аналитика, понимание unit-экономики и драйверов маржинальности;
- построение BI-дашбордов, понимание принципов работы DWH;
- опыт работы со Snowflake, MS SQL Server, Postgres, ClickHouse или аналогичными СУБД;
- способность самостоятельно проводить аналитическое исследование от постановки гипотезы до рекомендации бизнесу.
Soft skills
- Системное мышление.
- Бизнес-ориентированность.
- Умение работать с неопределенностью.
- Самостоятельность.
- Приоритизация.
- Структурная коммуникация.
- Способность работать с большим количеством взаимосвязанных показателей.
- Способность влиять на решения через данные и аргументацию, а не через формальные полномочия.
Условия
- Оформление: ТК РФ.
- График: 5/2, гибрид (г. Дзержинский).
- Испытательный срок: 3 месяца (цели описаны выше).
Поиск по заказу ООО «Емех»
