О компании
Мы создаём AI-продукты в сфере потребительского финтеха в США — кредитование и управление личными финансами (ПФМ). Наша миссия — помогать людям получать более умные кредитные решения и лучше управлять деньгами с помощью технологий, прозрачности и автоматизации. Мы — небольшая команда с венчурной поддержкой; компания прибыльна и быстро растёт.
Старший аналитик данных с фокусом на ИИ-агентов / Senior Business Data Analyst, Agentic Analytics in
Роль
В этой роли вы будете отвечать за отчётность, ad-hoc аналитику, работу с метриками и перевод аналитической функций на агенты поверх SQL/Python-логики, источников данных и проверок качества.
После перевода регулярной отчётности и ad-hoc аналитики на агентов в первые 3 месяца фокус сместится на более сложные задачи: работы с риск моделями и продвинутой продуктовой аналитикой.
Это не классическая аналитическая роль и не data engineering на готовом стеке. Помимо аналитики, SQL, Python и контроля качества данных, вы будете проектировать и настраивать агентов и подключать их к источникам данных так, чтобы они выдавали отчёты, которым можно доверять.
Функция уже работает: есть отчёты, интеграции с ключевыми источниками, метрики, на которые опираются решения. Задача — вывести её на следующий уровень через агентскую архитектуру.
Кому эта роль подойдёт
Если у вас сильные аналитические способности, вы любите разбираться в данных и хотите строить новую модель работы аналитика через агентов — эта роль доя вас.
Важнее всего аналитическое мышление, аккуратность в работе с данными, скорость обучения и практический интерес к тому, как агенты подключаются к источникам данных, проверяют себя и помогают готовить отчёты.
Подойдёт тем, кто хочет быть на переднем крае того, как меняется работа аналитика в эпоху агентов, и готов сам формировать, как эта работа должна выглядеть, а не ждать готовых инструкций.
Роль может не подойти, если вы предпочитаете работать только в классическом стеке (SQL + BI) без экспериментов с агентами.
Что вам даётся
Возможность быть на переднем крае agentic AI в реальном бизнес-контексте на продвинутом конкурентном рынке.
Прямое влияние на ключевые продуктовые и бизнес-решения через данные.
Динамично растущий бизнес - результаты работы видны быстро.
Высокая автономия и возможность самому формировать аналитический бэклог.
Работа рядом с фаундерами в открытой команде.
Глобально востребованный опыт в финтехе и AI.
Гибкий график и формат работы в европейской или американской часовых зонах.
Опционы для подходящих кандидатов.
Требования
2+ года опыта в аналитике, analytics engineering, data engineering или гибридной data-роли. Готовы рассмотреть сильных кандидатов с меньшим или большим опытом, если есть сильная аналитическая база и практический интерес к агентам.
Сильный SQL: сложные джойны, CTE, оконные функции, оптимизация, чтение и рефакторинг чужого кода.
Сильный Python: для аналитики и автоматизации: pandas, работа с API, scheduled jobs.
Реальный интерес к агентам и автоматизации аналитики**:** вы пробовали строить агентов, подключать их к данным или API, и понимаете, почему нужны проверки, ограничения и human review.
Культура работы с данными: воспроизводимость, прозрачные определения метрик, проверки качества и бизнес смысла смысла, аккуратная работа с чувствительными данными, версионирование логики, инкрементальные выгрузки, оптимизация запросов, понимание нагрузки на БД.
Способность структурированно общаться с бизнесом: понять задачу, сформуировать план действий, уточнить метрику, приоритизировать и объяснить результат простым языком.
Английский язык — уровень не ниже B2.
Будет плюсом
Опыт работы с unit-экономикой: считали CAC, LTV, retention, когорты, payback и помогали бизнесу принимать решения на основе этих метрик.
Опыт в consumer lending/subscription-based businesses.
Знание кредитных метрик: FICO/Vantage, DPD buckets, vintage analysis, delinquency, charge-off, repayment curves.
Опыт с BI-инструментами: Grafana или аналоги.
Опыт проектирования структур данных для DWH / analytical layer
Опыт мониторинга риск моделей в продакшене.
Опыт построения production-ready агентских систем.
Процесс найма
30 минут — вводный звонок: опыт, ожидания, формат работы
Тестовое задание — агент для отчёта по подписчикам (3–5 часов)
60 минут — разбор тестового задания + technical/business case
45 минут — финальное интервью с фаундерами / командой
Обычно процесс занимает 2–3 недели, в зависимости от скорости коммуникации с обеих сторон.
Ключевые навыки SQL · Python · LLM Agents · AgenticAI · Analytics Engineering · Business Analytics · Unit Economics · CAC · LTV · Retention Analysis · Cohort Analysis · Reporting Automation · PostgreSQL · Consumer Lending · Fintech
