з/п не указана
Москва
Овчинниковская набережная 18/1с1
Овчинниковская набережная 18/1с1
От 3 до 6 лет
Core-команда в Купере
Это команда аналитиков, которые находится в самом сердце бизнеса. Сюда стекаются самые сложные, масштабные и приоритетные задачи со всей компании.
Кого мы ищем:
Мы ищем автономного эксперта, который умеет работать в условиях высокой неопределенности. К нам приходят не за выгрузкой данных, а с верхнеуровневой бизнес-проблемой. Твоя задача — самостоятельно декомпозировать хаос, перевести проблему на язык метрик, провести глубокое исследование и предложить решение, которое повлияет на миллионы пользователей.
Это команда аналитиков, которые находится в самом сердце бизнеса. Сюда стекаются самые сложные, масштабные и приоритетные задачи со всей компании.
Кого мы ищем:
Мы ищем автономного эксперта, который умеет работать в условиях высокой неопределенности. К нам приходят не за выгрузкой данных, а с верхнеуровневой бизнес-проблемой. Твоя задача — самостоятельно декомпозировать хаос, перевести проблему на язык метрик, провести глубокое исследование и предложить решение, которое повлияет на миллионы пользователей.
Чем предстоит заниматься:
-
Сквозная бизнес-аналитика: Работать на стыке коммерции, маркетинга, продукта и операций. Декомпозировать ключевые метрики и формировать единую логику их взаимосвязей для поддержки стратегических решений компании.
-
Сложные исследования: Проводить факторный анализ, строить эксперименты и квазиэксперименты. Оценивать эффекты изменений с помощью сложных методов (PSM, Causal Impact, uplift-моделирование).
-
ML-моделирование: Разрабатывать и внедрять ML-модели (регрессия, классификация, uplift) для решения исследовательских и операционных задач.
-
Развитие методологии: Формировать best practices по работе с данными, развивать подходы к причинно-следственной аналитике и повышать воспроизводимость исследований в компании.
Что мы ждем от тебя:
-
Аналитическая экспертиза: Глубокое понимание статистики, опыт работы с факторными декомпозициями метрик и продвинутыми методами оценки эффектов (PSM, diff-in-diff, Causal Impact).
-
Технический стек: Отличный SQL и уверенный Python (pandas, numpy, sklearn, statsmodels). Опыт работы с большими данными и понимание архитектуры DWH.
-
Продуктовый подход: Умение находить причинно-следственные связи в хаосе данных и переводить бизнес-проблемы на язык метрик.
Будет плюсом:
-
Опыт работы в e-commerce, маркетплейсах или финтехе.
-
Понимание unit-экономики и опыт взаимодействия с C-level.
-
Опыт внедрения ML-моделей в production и построения аналитических функций с нуля.
