- Страна
- Россия
- Зарплата
- 230 000 ₽ – 250 000 ₽
Аналитик данных (Middle+/Senior)
Оценка ИИИнтересные задачи на стыке аналитики и Data Science, прозрачная вилка и возможность удаленной работы делают вакансию привлекательной для опытных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует не только классической аналитики, но и навыков ML (uplift-моделирование), а также математической оптимизации, что повышает порог входа.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная вилка 230 000 – 250 000 руб. gross соответствует рыночному уровню для Middle+ аналитиков в РФ, однако для уровня Senior с навыками ML и оптимизации это может быть нижней границей рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
#вакансия #удаленнаяработа #fulltime #remote #Data #Analyst #DA #Аналитик #Данных #Middle+ #Senior
Позиция: Аналитик данных (Middle+/Senior)*💻*
Вилка: 230.000 - 250.000 руб gross*💰*
Занятость: Полная
Формат работы: Удаленный
Локация: РФ
Оформление: ИП
Компания: Top Selection
Привет! Меня зовут Анастасия. Я представляю группу компаний Top Selection.
Мы занимаемся трудоустройством IT специалистов на проектную занятость.
На данный момент мы в поиске Аналитика данных.🔥**
*📝*Задачи:
*▪️*Разработка uplift-моделей для оценки инкрементального эффекта коммуникаций и офферов на поведение клиентов.
*▪️*Построение моделей склонности и ценности оффера для клиента.
*▪️*Ранжирование офферов на уровне «клиент × оффер».
*▪️*Решение задач линейного и целочисленного программирования для распределения офферов с учётом бюджета, контактной политики и бизнес-ограничений.
*▪️*Построение пайплайнов подготовки данных и признаков, регулярный пересчёт скоров и автоматизация запуска кампаний.
*▪️*Мониторинг качества моделей и сопровождение end-to-end контура.
*▪️*Дизайн и оценка экспериментов с контрольными группами.
*▪️*Подготовка отчётности по инкрементальному эффекту кампаний.
*▪️*Разработка продуктовой и ad-hoc аналитики.
*▪️*Участие в развёртывании и сопровождении ML-сервисов, а также в построении CI/CD-инфраструктуры.
*✅*Требования:
*▪️*От 3 лет опыта работы аналитиком данных.
*▪️*SQL, Greenplum/PostgreSQL.
*▪️*Python.
*▪️*A/B-тесты и дизайн экспериментов с контрольными группами.
*▪️*Оценка инкрементального эффекта кампаний.
*▪️*Построение аналитических моделей, включая модели склонности, ценности оффера и uplift-модели.
*▪️*BI-инструменты.
*▪️*Умение работать в кросс-функциональной продуктовой команде.
*➕*Будет плюсом:
*▪️*Опыт в ритейле, CRM или CVM.
*▪️*Опыт решения оптимизационных задач линейного и целочисленного программирования.
*▪️*Опыт построения end-to-end пайплайнов, автоматизации кампаний и мониторинга качества моделей.
*▪️*Опыт работы с CI/CD и сопровождения ML-сервисов.
*📞*Резюме направлять сюда Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Greenplum
- PostgreSQL
- Python
- A/B Testing
- Uplift Modeling
- ML
- CI/CD
- BI Tools
- Linear Programming
Возможные вопросы на собеседовании
Вакансия предполагает работу с инкрементальным эффектом. Аналитик должен понимать разницу между корреляцией и причинно-следственной связью.
Расскажите, какие методы вы используете для оценки инкрементального эффекта (uplift) и в чем их преимущество перед обычными моделями отклика?
В задачах указано распределение офферов с учетом ограничений. Это требует знаний в области исследования операций.
Был ли у вас опыт решения задач линейного или целочисленного программирования? Какие библиотеки Python вы для этого использовали?
Дизайн экспериментов — ключевой навык для этой позиции.
Как вы рассчитываете необходимый размер выборки для A/B-теста и какие метрики используете для проверки чувствительности эксперимента?
Работа с Greenplum и большими данными требует оптимизации запросов.
С какими особенностями оптимизации SQL-запросов в Greenplum вы сталкивались при обработке больших массивов данных?
Позиция подразумевает участие в CI/CD и сопровождении ML-сервисов.
Как вы организуете мониторинг качества ML-моделей в продакшене и какие алерты считаете критичными?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
