- Страна
- Россия
Senior Data Analyst с экспертизой в Pharma
Оценка ИИИнтересная роль для опытных аналитиков с узкой специализацией. Вакансия предлагает работу в стабильной и востребованной нише (Pharma), хотя описание условий работы (зарплата, бенефиты) минималистично.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИПозиция требует не только высокого уровня владения SQL и базами данных, но и специфических знаний в области фармацевтики, включая навыки валидации данных по косвенным признакам.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для уровня Senior Data Analyst в РФ рыночный диапазон составляет от 250 000 до 400 000 рублей в зависимости от сложности задач и стека. Специализация на Pharma может давать дополнительную премию к рынку.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Get IT уже сейчас
Отправьте свое резюме эксперту Get IT, чтобы занять позицию Senior Data Analyst в фармацевтическом секторе!
Описание вакансии
Senior Data Analyst с экспертизой в Pharma
#SeniorDataAnalyst #DataAnalyst #Senior #РФ #Job #Vacancy
Требования:
Продвинутый уровень SQL и MS Excel. Опыт с СУБД (Oracle, PostgreSQL, MySQL, MSSQL, Clickhouse или аналоги). Умение разрабатывать алгоритмы отчетности на основе детальных данных. Навык валидации показателей по косвенным признакам (важно для специфики фарм-рынка!). Высшее образование. Будет огромным плюсом: Знание Python или R. Опыт с BI-инструментами и визуализацией данных.
Локация:*📍*РФ.
Контакт для отклика: Откликнуться или Откликнуться +CV
*👉* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Excel
- Oracle
- PostgreSQL
- MySQL
- MSSQL
- ClickHouse
- Python
- R
- BI
- Data Visualization
Возможные вопросы на собеседовании
Проверка экспертности в предметной области (Pharma).
Какие специфические метрики и источники данных в фармацевтике вы считаете наиболее критичными для анализа продаж?
Оценка навыков работы с данными в условиях неопределенности.
Расскажите о вашем опыте валидации данных по косвенным признакам. Какие методы вы использовали?
Проверка технической грамотности в SQL.
С какими типами оконных функций вы работали для анализа временных рядов или когорт?
Оценка архитектурного мышления.
Как бы вы спроектировали алгоритм отчетности, если данные поступают из нескольких разнородных СУБД (например, Oracle и Clickhouse)?
Проверка потенциала автоматизации.
