yandex
Страна
Россия
+500% приглашений

Откликайтесь
на вакансии с ИИ

Ускорим процесс поиска работы
MiddleГибридПолная занятость

Middle Product Analyst в команду Кэшбэка

Оценка ИИ

Т-Банк — один из лучших работодателей в РФ с сильной инженерной культурой. Работа в core-команде над ключевым продуктом (кэшбэк) гарантирует интересные задачи и профессиональный рост.


Вакансия из Quick Offer Global, списка международных компаний
Пожаловаться

Сложность вакансии

ЛегкоСложно
Оценка ИИ

Высокая планка из-за требований к образованию (МФТИ/МГУ) и необходимости проводить сложные A/B тесты в домене ценообразования. Требуется уверенное владение Python, SQL и понимание ML-процессов.

Анализ зарплаты

Медиана250 000 ₽
Рынок180 000 ₽ – 320 000 ₽
Оценка ИИ

Зарплата в объявлении не указана, но для позиции Middle Product Analyst в Т-Банке (Москва) рыночный диапазон обычно составляет 200 000 – 300 000 рублей после вычета налогов. Это соответствует верхним границам рынка для финтеха.

Сопроводительное письмо

Меня заинтересовала вакансия Middle Product Analyst в команду Кэшбэка Т-Банка. Мой опыт работы с Python и SQL, а также глубокое понимание математической статистики позволяют мне эффективно решать задачи по оптимизации алгоритмов и проведению сложных A/B тестов. Я имею опыт работы с Greenplum и Clickhouse, что поможет мне быстро влиться в ваши рабочие процессы.

Особенно меня привлекает возможность работать над core-продуктом прайсинга в окружении сильных специалистов из ведущих технических вузов. Я обладаю навыками взаимодействия с ML-командами и умею самостоятельно готовить данные для обучения моделей. Уверен, что мой аналитический стек и продуктовый подход принесут значимую пользу вашему направлению.

+250% к просмотрам

Составьте идеальное письмо к вакансии с ИИ-агентом

Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Т-Банк уже сейчас

Присоединяйтесь к команде Т-Банка и развивайте алгоритмы кэшбэка, которыми пользуются миллионы!

Описание вакансии

Middle Product Analyst в Т-Банк, в команду Кэшбэка

Кейс-клуб от команды канала, свыше 180 разборов тестовых заданий и реальных задач продакта - https://koloskoveducation.tilda.ws/productcaseclub/

Кэшбэк в Т-банке - одно из ключевых направлений, которое требует строгой и качественной аналитики. Команда в основном занимается созданием новых и улучшением существующих алгоритмов выдачи категорий кэшбэка клиентам. Наша основная цель - сделать продукт более комфортными и качественным для пользователей, чтобы потом это отражалось и в бизнесе. Сейчас мы ищем в команду Middle аналитика/DS, которому предстоит усилить core команду прайсинга.

Задачи:

  • Разрабатывать новые и улучшать существующие алгоритмы выдачи категорий кэшбэка
  • Постоянно проводить аб тесты и оценивать эффект от новых изменений. (Тесты бывают достаточно сложные, ожидается не изменение конверсии на 1%)

Требования:

  • Топовый технический университет (Команда состоит в основном из выпусников МФТИ/МГУ/ФКН)
  • Знание Python + SQL (Из SQL используем в основном Greenplum и Clickhouse)
  • Знание основ статистики и тервера
  • Опыт проведения A/B тестов (если проводили тесты в домене ценообразования - жирный плюс)
  • Опыт взаимодействия с любым BI инструментом для визуализации (у нас Apache Superset)
  • Опыт работы с командой ML (вы понимаете как даже без наличия MLE оптимально собрать данные и обучить на них модель)

Условия:

  • Гибрид в Москве

Писать можно в личку tg: Откликнуться

Новые возможности от редакции https://t.me/FreshProductGo/1744

+400% к собеседованиям

Создайте идеальное резюме с помощью ИИ-агента

Создайте идеальное резюме с помощью ИИ-агента

Навыки

  • Python
  • SQL
  • Greenplum
  • ClickHouse
  • Statistics
  • Probability Theory
  • A/B Testing
  • Apache Superset
  • Machine Learning

Возможные вопросы на собеседовании

Проверка фундаментальных знаний, критически важных для команды из топовых вузов.

Расскажите, как вы будете проверять гипотезу, если распределение метрики сильно отличается от нормального и есть большие выбросы?

Вакансия предполагает работу над алгоритмами выдачи категорий кэшбэка.

Какие метрики вы бы выбрали для оценки эффективности алгоритма персонализированного кэшбэка? Как сбалансировать выгоду клиента и маржинальность банка?

В описании указано, что тесты бывают сложные.

Сталкивались ли вы с проблемой сетевых эффектов или перетекания (spillover effects) при проведении A/B тестов? Как их минимизировать?

Проверка навыка работы с данными для ML без прямой помощи инженеров.

Опишите ваш процесс подготовки датасета для модели склонности к покупке: как вы боретесь с утечкой данных (data leakage)?

Т-Банк активно использует Clickhouse для аналитики.

В чем основные отличия Clickhouse от классических реляционных БД, и в каких случаях его использование наиболее оправдано?

Похожие вакансии

более 1000 офферов получено
4.9

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!

Страна
Россия