- Страна
- Россия
Продуктовый менеджер (MIS & Data Project Manager)
Оценка ИИСбер — это отличная площадка для работы с огромными массивами данных и современным стеком технологий. Позиция предлагает интересные задачи на стыке продукта и AI, что крайне актуально для карьерного роста.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует глубокого понимания как продуктового менеджмента, так и технической стороны работы с данными (MIS, DS, ML). Высокие требования к навыкам формирования ТЗ и управлению сложным ландшафтом данных в крупной корпорации.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции уровня Senior/Lead в области Data Product Management в Москве рыночные показатели составляют от 250 000 до 450 000 рублей. Сбер обычно предлагает конкурентные условия, соответствующие верхней границе рынка для опытных специалистов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Сбербанк уже сейчас
Присоединяйтесь к команде Сбера, чтобы создавать передовые AI-решения и управлять данными крупнейшего банка страны!
Описание вакансии
Вакансия: Продуктовый менеджер (MIS & Data Project Manager)
Компания: Сбербанк
Локация: Москва
Требования:
формирование и согласованием БТ (бизнес-требований) / ТЗ на разработку новых витрин данных и доработку существующих
формирование БТ на разработку AI/ML-решений для поиска аномалий, факторного анализа и выявления причин отклонений в показателях
взаимодействие с командами MIS, Data Science и поставщиками данных для формирования единого ландшафта данных
контроль качества данных и корректности результатов моделей
приоритизация задач и управлением общим бэклогом развития аналитической сис...
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Product Management
- Project Management
- MIS
- Data Science
- Machine Learning
- Artificial Intelligence
- Data Quality
- Business Requirements
- Backlog Management
- Data Warehousing
Возможные вопросы на собеседовании
Проверка опыта работы с технической документацией и понимания бизнес-процессов.
Расскажите о самом сложном ТЗ на разработку витрины данных, которое вы составляли: с какими трудностями столкнулись при согласовании?
Оценка понимания прикладного применения машинного обучения.
Какие ключевые метрики вы бы заложили в БТ для AI-модели, предназначенной для поиска аномалий в банковских показателях?
Проверка навыков коммуникации и решения конфликтов между отделами.
Как вы выстраиваете взаимодействие, если поставщик данных и команда Data Science имеют разные взгляды на структуру ландшафта данных?
Оценка методологии управления продуктом.
Какими критериями вы руководствуетесь при приоритизации задач в бэклоге аналитической системы?
Проверка ответственности за результат и качество.
