- Страна
- Россия
- Зарплата
- 200 000 ₽ – 350 000 ₽
Откликайтесь
на вакансии с ИИ
Middle/Middle+ Data Analyst (GenAI / Product Analyst)
Оценка ИИОтличное предложение от лидера рынка с прозрачной системой бонусов, современным стеком технологий и доступом к уникальным данным. Высокий уровень железа и отсутствие бюрократии в GenAI-направлении делают вакансию крайне привлекательной для профессионального роста.
Сложность вакансии
Оценка ИИПозиция требует уверенных навыков SQL и Python, а также опыта работы с Big Data стеком (Spark, Hive). Дополнительную сложность добавляет специфика GenAI (LLM, RAG) и необходимость глубокого понимания продуктовых метрик в крупной корпоративной среде.
Анализ зарплаты
Оценка ИИПредложенная вилка 200-350 тыс. руб. gross соответствует рыночному уровню для Middle+/Senior аналитиков в Москве. С учетом годового бонуса 15%+ совокупный доход находится в верхнем дециле рынка для банковского сектора.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Сбер уже сейчас
Присоединяйтесь к команде Сбера и создавайте будущее маркетинга на базе GenAI — отправьте свое резюме прямо сейчас!
Описание вакансии
Data Analyst
Позиция: Middle/Middle+ Data Analyst (GenAI / Product Analyst)
Куда: Сбер, Команда Автономного кампейнинга
Формат работы: офис + гибрид — Москва, современный офис
Вилка gross: ~200-350 тр + годовой бонус 15+%
Что нужно делать?
• Вести продуктовую аналитику: метрики успеха, воронки, когорты, A/B-тесты для AI-агентов и платформы
• Оценивать эффективность агентов: accuracy, latency, satisfaction, конверсия, P&L
• Искать новые источники данных, проверять гипотезы, влиять на стратегию продукта
• Доносить результаты до команды и бизнеса
Требования:
• 2+ года в продуктовой/бизнес-аналитике
• SQL (оконные функции, план запроса), Python (pandas, scikit-learn)
• Опыт A/B-тестирования, проверки гипотез, анализа воронок
• Умение просто рассказывать о сложных данных
• Будет плюсом: знакомство с LLM, RAG, BigData стеком (Spark, Hive)
Что предлагаем:
• Уникальный продукт на стыке GenAI и маркетинга без легаси и бюрократии
• Современный офис с фитнес-залом, ДМС, белая ЗП + годовой бонус 15+%
• Доступ к огромным данным и вычислительным мощностям Сбера
• Профильное обучение за счёт компании, сильная команда профессионалов
Ответы на 10 важных вопросов:
- Данные: Hadoop (весь объём данных Сбера), GreenPlum, внешние API
- Железо: кластеры Spark/Hadoop, Kubernetes до 64 ядер / 512 ГБ RAM
- Масштаб влияния на core-бизнес: прямое – платформа управляет маркетинговыми кампаниями и влияет на P&L
- Уровень развития продуктовой аналитики в компании: все бизнес-линии покрыты ML, глубоко внедрены DL и NLP, аналитика — ключевой драйвер продуктовых решений
- Роль аналитика в продукте: аналитик формирует data-driven культуру, обеспечивает метрики для DS и бизнеса, проверяет гипотезы
- Бэкграунд у вашего руководителя: Linkedin
- Как часто вам будут мешать работать: ежедневные стендапы + 1–2 встречи с бизнесом в неделю
- Карьерный рост: формализованная матрица компетенций, регулярные ревью и защита грейдов
- Prod/Research: 50/50
- Функция сервиса или лидера: сервисная – обеспечение продуктовых метрик и аналитики
*📧 Отправить CV:* Откликнуться, тема «Data Analyst в Автономный кампейнинг», или TG Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Python
- Pandas
- Scikit-learn
- A/B Testing
- LLM
- RAG
- Spark
- Hive
- Hadoop
- Greenplum
- Kubernetes
Возможные вопросы на собеседовании
Проверка технических навыков работы с большими данными в экосистеме Сбера.
Расскажите о вашем опыте оптимизации сложных SQL-запросов. Как вы анализируете план запроса в GreenPlum или Hive?
Оценка продуктового мышления и умения работать с метриками.
Какие специфические метрики вы бы предложили для оценки эффективности AI-агента, помимо стандартной конверсии?
Проверка практического опыта проведения экспериментов.
Опишите случай, когда результаты A/B-теста были неоднозначными. Какие дополнительные методы анализа вы применяли для принятия решения?
Оценка понимания современных технологий ИИ.
Как, по вашему мнению, внедрение RAG (Retrieval-Augmented Generation) влияет на точность ответов модели и как это измерить аналитически?
Проверка навыков коммуникации.
Как вы объясняете нетехническим стейкхолдерам причины падения ключевой метрики, если оно вызвано сложным техническим фактором?
Похожие вакансии
Product Analyst (Middle+) / Аналитик продукта
Аналитик DWH (middle)
Главный аналитик CRM движок
Middle Data Analyst
Middle Data Analyst / Аналитик Данных
Аналитик DWH
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!