Старший аналитик данных

Что мы предлагаем:

• Оформление по ТК РФ в штат Компании на бессрочной основе;
• Работу в комфортабельном офисе в 1 мин. пешком от м. Белорусская (БЦ Белая Площадь);
• График работы 5/2 9:00-18:00, можно сдвигать;
• Гибридный формат работы: 2 недели в офисе, 1 неделю удаленно или 3 дня в офисе, 2 дня удаленно каждую неделю;
• Официальную конкурентоспособную заработную плату: оклад + ежемесячную премию по KPI;
• Годовой бонус;
• Ежегодную индексацию заработной платы;
• ДМС со стоматологией (франшиза), страхование от несчастных случаев;
• Корпоративную сотовую связь;
• Выплаты в связи с важными событиями и материальную помощь в непредвиденных ситуациях;
• Подписки на Best Benefits/ Skillbox/ библиотеку Alpina Digital и т.д.;
• Возможность профессионального развития и карьерного роста;
• Новогодние подарки для сотрудников и их детей.

Какие будут задачи:

• Курирование деятельности аналитиков (не в прямом подчинении);

• Анализ бизнес-данных и подготовка регулярной и ad-hoc аналитики для внутренних заказчиков;

• Взаимодействие с бизнес-подразделениями: уточнение требований, формализация метрик, проверка корректности расчетов;

• Поддержка и развитие существующих отчетов, постепенный перенос логики из Excel в централизованную аналитическую платформу;

• Участие в создании и развитии аналитических витрин данных совместно с командой;

• Участие в пилотных и исследовательских задачах, связанных с продвинутой аналитикой и подготовкой данных для ML-моделей.

Мы ожидаем:

• Оконченное высшее образование (экономика, математика, статистика, ИТ, инженерные или смежные направления);

• Опыт работы аналитиком данных от 2 лет;

• Уверенное владение Excel: формулы, сводные таблицы;

• Обязателен опыт работы в Power Query/ Power Pivot;

• Практический опыт работы с SQL: уверенное владение основными операторами, умение писать подзапросы и CTE, оконные функции;

• Опыт использования Python для анализа данных;

• Понимание того, как устроены пайплайны данных: источники, трансформации, обновления, контроль качества;

• Понимание принципов работы ETL/ELT-процессов;

• Понимание современных подходов к хранению данных Data Warehouse / Data Lake / Lakehouse;

• Понимание жизненного цикла ML-моделей и роли аналитика в подготовке данных.