- Страна
- Россия
- Зарплата
- от 2 000 ₽
Дата аналитик Senior в строительный ритейл
Оценка ИИИнтересный проект в крупном ритейле с долгосрочной перспективой (до 2027 года). Однако, ставка указана в формате, который может быть ниже рыночного для Senior-уровня при работе через ИП/самозанятость, и присутствуют возрастные ограничения.
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 ИИВысокий уровень сложности обусловлен требованиями к Senior-грейду, глубоким знанием маркетинговой аналитики и необходимостью работать с ETL-процессами. Также накладываются жесткие ограничения по локации (Москва, гибрид) и гражданству.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИСтавка 2000 (вероятно, в час) при полной занятости дает около 320-340 тысяч рублей в месяц. Это соответствует среднему уровню для Senior Data Analyst в Москве, но для топовых специалистов в ритейле и финтехе рынок может предлагать до 450-500 тысяч.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Дата аналитик Senior в строительный ритейл (ГИБРИД)
Гражданство - РФ/РБ и дружественные страны, Локация - МСК. Срок проекта - 30.09.2027 возможна пролонгация. Возраст до 45 лет.
*❗️*Формат работы: гибрид (проспект Лихачёва) Ставка 2000 (с НДС, отсрочка 35 рабочих дней)
Описание: Онлайн-маркетинг. Мы - команда онлайн-маркетинга. Ожидания: разобраться в логике расчета важнейших показателей и создать для инженеров автоматизированные и достоверные источники данных. Первым искать в готовых данных инсайты, аномалии и возможности для оптимизации маркетинговых вложений. Участвовать в улучшении измерения эффективности маркетинга: анализировать модели атрибуции, предлагать метрики, помогать с дизайном А/Б-тестов.
Задачи и обязанности:
\* Анализ бизнес-требований и постановка четких технических заданий инженерам данных на разработку и поддержку ETL-пайплайнов.
\* Валидация данных и приемка работы у инженеров данных, контроль качества.
\* Анализ отчетности: поиск аномалий, исследование причин отклонений, формирование и проверка гипотез.
\* Создание автоматизированной отчетности по метрикам
\* Проведение AdHoc-исследований по запросам команды маркетинга для поддержки принятия операционных и стратегических решений.
\* Проектирование и аналитическое сопровождение A/B-тестов для оценки эфф-сти маркетинговых иницатив.
Требования (+/-):
- Уверенное знание Python и его библиотек для анализа данных.
- Продвинутое знание SQL, опыт написания сложных запросов и оптимизации их производительности.
- Аналитический склад ума, самостоятельность и проактивность.
- Умение декомпозировать сложную бизнес-проблему на измеримые задачи.
- Самостоятельность и проактивность, гибкость, умение выявлять бизнес-потребности и собирать/уточнять требования у бизнес-заказчиков.
Будет плюсом (+/-):
- корпоративными DWH (Greenplum, Clickhouse и др.) инструментами автоматизации (н-р, Airflow) BI-системами (Tableau, Power BI).
- А также опыта работы в отделе маркетинга и понимание метрик performance-маркетинга (CPA, CPO, ROMI/ROAS, LTV, CAC).
Откликнуться на запрос: Откликнуться
По вопросам партнерского сотрудничества: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- ETL
- Greenplum
- ClickHouse
- Airflow
- Tableau
- Power BI
- A/B Testing
- Marketing Analytics
Возможные вопросы на собеседовании
Проверка понимания специфики маркетинга и влияния различных каналов на конверсию.
Как бы вы подошли к выбору модели атрибуции для оценки эффективности мультиканальных маркетинговых кампаний в ритейле?
Оценка навыков проектирования экспериментов.
Опишите ваш процесс дизайна A/B-теста: как вы определяете размер выборки и какие статистические критерии используете для оценки результатов?
Проверка технической экспертизы в области SQL и работы с большими данными.
С какими проблемами производительности в Clickhouse или Greenplum вы сталкивались и как их оптимизировали?
Оценка умения работать с качеством данных.
Как вы выстраиваете процесс валидации данных после того, как инженеры реализовали новый ETL-пайплайн?
Проверка аналитического мышления и проактивности.
Расскажите о случае, когда вы обнаружили аномалию в данных, которая привела к значимому бизнес-инсайту или смене стратегии.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
