- Страна
- Россия
- Зарплата
- от 300 000 ₽
Откликайтесь
на вакансии с ИИ
Data Аналитик (Senior)
Оценка ИИХорошее предложение для Senior-специалиста с четко описанным стеком и понятными задачами. Удаленный формат и работа через ИП обеспечивают гибкость, хотя уровень оплаты находится на среднем уровне для данной позиции.
Сложность вакансии
Оценка ИИРоль требует глубоких технических знаний: от сложного SQL и ETL-процессов до продвинутой визуализации и понимания архитектуры DWH. Статус Senior подразумевает самостоятельность в принятии архитектурных решений и оптимизации производительности запросов.
Анализ зарплаты
Оценка ИИПредложенная зарплата в 300 000 рублей на руки соответствует нижней или средней границе рыночного диапазона для Senior Data Analyst в России. На рынке опытные специалисты такого уровня часто претендуют на суммы от 350 000 до 450 000 рублей, особенно в крупных продуктовых компаниях.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в LIAN уже сейчас
Отправьте свое резюме напрямую рекрутеру в Telegram, чтобы обсудить участие в масштабном аутстафф-проекте!
Описание вакансии
Вакансия: Data Аналитик (Senior)
Аутстафф проект
Компания: ЛИАН
Формат: удаленка
Занятость: полная
Локация: РФ/РБ
ЗП: 300 тыс на руки
Оформление: ИП (по СЗ при совместительстве)
Грейд: Senior
Чем предстоит заниматься:
1) Разработка и поддержка ETL/ELT-пайплайнов с использованием Airflow и аналогичных инструментов
2) Оптимизация моделей данных (star/snowflake схемы, relationships) в BI-инструментах (Power BI, Tableau, Superset)
3) Написание сложных SQL-запросов (оконные функции, join-конструкции) для проверки гипотез и поиска ошибок
4) Разработка дашбордов промоакций для клиентов (MA + COOP)
оздание автоматизированных дашбордов на базе данных GfK (каналы, сегменты, продукты, динамика цен) для эффективного планирования промо
5) API-интеграция для управления BI-дашбордами
6) Работа с инсайтами и проверка гипотез
7) Построение дашбордов по продажам (sell-out) для клиентов моделей 1P и 3P: заказы, продажи, AOV, CR, топ-SKU
Наши пожелания к кандидатам:
1) Уверенное владение SQL: оконные функции, join-конструкции, подзапросы.
2) Написание сложных аналитических запросов для проверки гипотез, поиска ошибок и аномалий в данных.
3) Диагностика проблем качества данных: дедубликация, поиск несвязанных записей, проверка целостности и согласованности данных.
4) Опыт работы с одним из инструментов: Power BI / Tableau / Superset / Analytics Workspace.
5) Проектирование и оптимизация моделей данных, связей, построение схем star/snowflake.
6) Подготовка и трансформация данных в Power Query или SQL-лабораториях.
7) Расчёт показателей: взвешенные метрики, LOD-формулы, сложные меры.
8) Базовое понимание CSS/HTML для кастомизации визуальных элементов.
9) Обработка табличных данных через pandas.
10) Применение статистических методов для анализа массивов данных.
11) Понимание транзакций, запись и чтение данных в/из базы данных.
12) Опыт работы с ETL/ELT-инструментами (Airflow или аналоги).
13) Понимание архитектуры данных и слоёв: raw, staging, DWH, datamarts.
14) Построение витрин данных для бизнес-аналитики.
15) Опыт работы с CRM-системами и мастер-данными.
Для отклика писать в личные сообщения Откликнуться
Прикрепляйте сразу CV
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Airflow
- ETL
- ELT
- Power BI
- Tableau
- Apache Superset
- Python
- Pandas
- DWH
- Data Modeling
- Power Query
- CSS
- HTML
- CRM
Возможные вопросы на собеседовании
Проверка понимания архитектуры хранилищ данных и умения оптимизировать производительность BI-отчетов.
Расскажите о вашем опыте проектирования схем «звезда» и «снежинка». В каких случаях вы отдадите предпочтение одной из них при работе в Power BI или Tableau?
Оценка навыков работы с ETL и инструментами оркестрации, указанными в вакансии.
С какими сложностями вы сталкивались при разработке ETL-пайплайнов в Airflow и как вы обеспечивали отказоустойчивость процессов?
Проверка владения продвинутым SQL для аналитических задач.
Приведите пример использования оконных функций для решения сложной бизнес-задачи, например, для расчета LTV или анализа последовательности действий пользователя.
Вакансия предполагает работу с качеством данных и аномалиями.
Каков ваш алгоритм действий при обнаружении расхождений в данных между сырыми логами и итоговым дашбордом? Как вы автоматизируете проверку качества данных?
Оценка понимания бизнес-метрик в ритейле/e-commerce (1P/3P модели).
Какие ключевые метрики вы бы вывели на дашборд для анализа эффективности промоакций и как бы вы рассчитывали инкрементальный эффект (uplift)?
Похожие вакансии
Data инженер
Аналитик по данным (Senior)
Senior Data Analyst
DWH аналитик
Senior Аналитик КХД (DWH)
Python разработчик (DWH/Data Engineer)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!