О роли
Twinby — один из крупнейших российских дейтинг-сервисов с миллионами пользователей: реалтайм (лента, матчи, чаты), деньги (подписки, бусты, покупки), антифрод и модерация. Мы перестраиваем инженерную систему Twinby CIS и собираем команды практически с нуля. Ищем сильного Data Analyst (аналитика-разработчика) в департамент Data & ML — человека, который берёт мутный вопрос о продукте и сам доводит его до проверенного ответа на сырых данных.
Это не роль «пришли ТЗ — посчитаю». Ты сам ставишь гипотезу, сам лезешь в сырые события, сам решаешь, какой глубины разбор нужен, и доводишь до решения, на котором можно действовать — а если вопрос повторяется, закрепляешь ответ в виде DAG, витрины или алерта.
Чем предстоит заниматься
-
Фрод и скам-аналитика: боты, мультиаккаунты, накрутки лайков, скам-схемы в чате, платёжный фрод, качество модерации — искать аномалии там, где схема постоянно меняется.
-
Реклама и трафик: качество когорт по каналам и креативам, аномалии в закупке, подозрение на фрод трафика, окупаемость.
-
Качество продукта и поведение пользователей: пути в матчинге и чате, где рвётся онбординг, поведение когорт, разбор просадок.
-
Adhoc-задачи: «почему вчера просело», «правда ли, что…», «сколько мы теряем на…» — с горизонтом от часа до недели.
-
Доводить расследования до регулярки: превращать разовый анализ в DAG, витрину под свои находки или алерт на аномалию, когда вопрос стал повторяющимся.
-
Отдавать результат в продукт: выводы и регулярные расчёты в Yandex DataLens, на которые опираются команды в цикле «нашли — поправили — проверили».
Что мы ждём
-
Уверенный SQL и Python для работы с сырыми данными на масштабе: не «беру готовую таблицу и группирую», а лезешь в события, ловишь дубли, поздние данные, краевые случаи.
-
Сильное аналитическое мышление: сам превращаешь размытый вопрос в проверяемую гипотезу, строишь дерево альтернативных объяснений, отличаешь причину от корреляции, ловишь ловушки атрибуции и парадокса Симпсона.
-
Опыт работы на масштабе: данные, где наивный запрос либо ляжет, либо честно соврёт — десятки-сотни миллионов строк, событийные потоки.
-
Умение работать без готовой витрины: когда данных «как надо» нет, а есть только сырые логи.
-
Доведение до результата: заканчиваешь не графиком, а рекомендацией с оценкой уверенности; при необходимости сам пишешь DAG для оркестратора.
-
Комфортно с тем, что твои выводы оспаривают и проверяют коллеги — и готовность делать то же самое с чужими.
Будет плюсом
-
Опыт антифрода, риск-аналитики, Trust & Safety, экономики/античита в играх или борьбы за качество платного трафика.
-
dbt, ClickHouse, Airflow, событийные потоки и работа с поздними событиями.
-
Домен дейтинга или другого двустороннего рынка — приятный бонус, но не обязателен.
Чего НЕ требуем
Идеального синтаксиса SQL наизусть и гочей конкретного диалекта, заученных формул статтестов без понимания, когда они врут, скорости письма «у доски», знания именно нашего стека. Если ты умел находить правду в данных на масштабе в другом стеке — перенесёшь.
Технический стек
SQL, Python, ClickHouse как хранилище, Airflow для оркестрации, dbt для закрепления повторяющихся расчётов, Yandex DataLens для отдачи результата. Источники — PostgreSQL (OLTP) и событийные потоки. Инфраструктура — российское облако (Yandex Cloud, managed ClickHouse).
Что предлагаем
-
Реальное владение расследованием: от постановки вопроса до решения, которое меняет продукт или правило — а не выгрузка по чужому ТЗ.
-
Масштаб и богатая фактура дейтинга: фрод, скам, качество трафика, поведение в матчинге и чате — где ошибка видна, а находка — заметна.
-
Автономию в том, какие вопросы копать и какой глубины разбор нужен; направление обсуждаешь с архитектором и CTO.
-
Настоящую инженерную систему, а не лозунги: доверие к данным и доведение расследования до результата — часть культуры, а не то, о чём напоминают.
-
Формат: удалёнка, РФ.
