- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Junior+ / Middle Product Analyst в X-Sell Аналитику: Family
Оценка ИИТ-Банк — один из лучших работодателей в РФ с сильной инженерной культурой. Вакансия предлагает интересные задачи на стыке аналитики и R&D, отличный соцпакет и возможность гибридной работы.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения SQL и Python, а также глубоких знаний статистики для проведения A/B-тестов. Дополнительную сложность добавляет необходимость понимания ML-концепций и умение работать в тесной связке с бизнесом.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для уровня Junior+/Middle в финтех-секторе Москвы рыночные ожидания составляют от 150 000 до 250 000 рублей. Т-Банк обычно предлагает конкурентоспособную оплату, соответствующую верхним границам рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Т-Банк уже сейчас
Присоединяйтесь к команде Т-Банка и влияйте на пользовательский опыт миллионов клиентов через данные и эксперименты!
Описание вакансии
*🚀 Junior+ / Middle Product Analyst в Т-банк, X-Sell Аналитику: Family*
Мы — R&D-команда X-Sell: Сегменты. Делаем банк полезнее для клиентов: помогаем понимать их жизненные ситуации и на основе данных создавать более точные продуктовые предложения через коммуникации, перестройку приложения и разработку новых фич.
Это большое поле для творчества: от идеи и гипотезы до реального сценария в мобильном банке. Ищем кандидата для закрытия клиентских потребностей в сегменте Family: родители, дети, пары в отношениях, молодёжь, бабушки и дедушки (50+).
Задачи:
Вам предстоит искать инсайты в данных, превращать их в гипотезы, проверять через A/B-тесты и causal-подходы и вместе с бизнесом доводить идеи до реальных изменений. Так например:
- В сегменте пар — поймёте, как меняется поведение клиентов после заключения брака.
- Для 50+ — поймёте, что нужно увеличить шрифт в приложении.
- С молодёжью — начнёте общаться на языке мемов.
- Родителям — предложите детскую Junior-карту в нужный момент.
Требования:
- Опыт в продуктовой аналитике от 6 месяцев — релевантный, не для галочки
- Уверенный SQL — сложные запросы и большие данные вас не пугают
- Python для аналитики: pandas, визуализация, автоматизация
- Крепкое понимание статистики и методологии A/B-тестирования
- Понимание базовых ML-концепций: сегментация, кластеризация, регрессия — и когда какой подход уместен
- Понимание продуктовых метрик: retention, unit-экономика, LTV, CAC, AUM, ratio-метрики
- Проактивность
- Умение формулировать мысли, договариваться с продактами
Будет сильным преимуществом:
- Опыт работы с ML-командами или ML-продуктами
- Понимание ML-метрик и жизненного цикла моделей
- Опыт построения скоринговых моделей или сегментации
- Опыт в коммуникациях / персонализации
- Опыт в Causal Inference
Условия:
• Формат: гибрид с возможностью работать удалённо большую часть времени
• Офис: T-Space, м. Белорусская
• ДМС со стоматологией для вас и льготными условиями для близких
• Компенсация спорта и доступ к спортзалу в офисе
*📎* Как откликнуться?
• Вакансия: Откликнуться
• Нанимающий менеджер: Откликнуться
• Приложите резюме или ссылку на LinkedIn. Буду рада, если коротко расскажете какой эксперимент или исследование вы считаете самым удачным, чем вас привлекает продуктовая аналитика.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Python
- Pandas
- A/B Testing
- Statistics
- Machine Learning
- Causal Inference
- LTV
- Unit Economics
- Data Visualization
Возможные вопросы на собеседовании
Проверка практических навыков работы с данными и понимания бизнес-логики.
Расскажите о самом сложном SQL-запросе, который вам приходилось писать для анализа данных. Какие задачи он решал?
Оценка методологической подготовки кандидата в области экспериментов.
Как вы будете определять необходимый размер выборки для A/B-теста в сегменте '50+', если ожидаемый эффект (MDE) невелик?
Проверка продуктового мышления и понимания специфики сегмента.
Какие метрики, помимо Retention, вы бы предложили отслеживать для оценки успеха внедрения Junior-карты для детей?
Оценка знаний в области Causal Inference, указанных как преимущество.
В каких случаях вы бы предпочли использовать методы причинно-следственного вывода (Causal Inference) вместо классического A/B-тестирования?
Проверка навыков коммуникации и работы в команде.
Как вы поступите, если результаты вашего исследования противоречат интуиции продакт-менеджера? Приведите пример из опыта.
Похожие вакансии
Middle Data Analyst (маркетинговое направление)
Middle Data Analyst
Аналитик данных
Middle BI Analyst
Junior +/ Middle Analyst 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!