- Страна
- Узбекистан
Джуниор / Миддл Дата-аналитик в отдел взыскания
Оценка ИИUzum — это быстрорастущий «единорог» с сильной инженерной культурой. Работа в такой экосистеме дает отличный старт для карьеры, хотя формат работы только в офисе может подойти не всем.
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 ИИПозиция ориентирована на специалистов уровня Junior/Middle, что предполагает наличие базовых навыков SQL и анализа данных. Основная сложность может заключаться в специфике домена взыскания и необходимости работы в офисе.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для Junior/Middle аналитиков в Ташкенте или при релокации рынок предлагает конкурентные условия, соответствующие международным финтех-стандартам. Данные оценки базируются на средних показателях для крупных технологических компаний региона.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Джуниор / Миддл Дата-аналитик в отдел взыскания
в Uzum Fintech — финтех-направление экосистемы Uzum, которая объединяет электронную коммерцию, платёжные сервисы, цифровой банкинг и логистику в единую платформу.
Офис.
Ищет Виолетта Лопатюк, её Откликнуться.
Больше вакансий для junior-специалистов: @jobforjunior
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Data Analysis
- Python
- Tableau
- Power BI
Возможные вопросы на собеседовании
Проверка базовых навыков работы с БД, необходимых для извлечения данных.
Напишите SQL-запрос для расчета процента возврата задолженности (recovery rate) по разным когортам клиентов.
Важно понимать, как кандидат интерпретирует данные в контексте бизнес-задач отдела взыскания.
Какие метрики вы бы предложили отслеживать для оценки эффективности стратегии мягкого взыскания (soft collection)?
Проверка умения работать с инструментами визуализации для отчетности.
В каких инструментах визуализации (Tableau, Power BI, Superset) вы работали и как структурировали дашборды для менеджмента?
Аналитик должен уметь находить аномалии в данных.
Как вы будете действовать, если заметите резкое падение эффективности сборов в одном из регионов?
Проверка владения инструментами для более сложной обработки данных.
Используете ли вы Python для автоматизации отчетности или статистического анализа? Приведите пример задачи.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
