Овчинниковская набережная 18/1с1
Описание продукта, в котором открыта вакансия:
Мы решаем задачи, которые напрямую влияют на качество доставки и экономику операционного контура: прогнозируем количество заказов и опоздания, определяем необходимое количество курьеров и сборщиков, оптимизируем минимальный чек и другие операционные параметры.
Сейчас большая часть этих задач уже решается отдельными production-моделями. Следующий этап — объединить их в единую систему принятия решений, которая будет учитывать взаимное влияние заказов, доступных ресурсов, качества сервиса и коммерческих ограничений. Здесь становится особенно важен causal inference: нам нужно не только прогнозировать будущее, но и понимать, как конкретное управленческое воздействие изменит заказы, опоздания и стоимость операций.
Чем предстоит заниматься:
- Решать задачи time series forecasting с большим количеством параллельных временных рядов: тысячи дарксторов, различные горизонты прогнозирования, часовая и дневная гранулярность,
- Определять необходимое количество курьеров и сборщиков для выполнения прогнозируемого количества заказов при заданном качестве сервиса,
- Строить модели и алгоритмы оптимизации минимального чека, балансируя количество заказов, средний чек, GMV и стоимость выполнения заказа,
- Объединять модели в единую систему принятия операционных решений,
- Использовать causal inference для оценки влияния управляемых параметров на заказы, опоздания и другие бизнес-метрики,
- Проектировать и анализировать A/B-тесты и квазиэксперименты,
- Работать с большими объёмами данных в SQL и S3,
- Разрабатывать и поддерживать data/ML pipelines в Airflow,
- Оценивать модели не только по offline-метрикам, но и по влиянию на операционные и бизнес-KPI.
Требования:
- Сильный Python и уверенное владение classic ML,
- Уверенный Polars и опыт работы с большими датасетами,
- Хорошее понимание временных рядов: lags, rolling features, seasonality, leakage, backtesting, multi-step / multi-horizon forecasting,
- Уверенный SQL,
- Практический опыт работы с S3 / S3-compatible object storage,
- Опыт работы с Airflow,
- Хорошая база в математической статистике, теории вероятностей и эконометрике,
- Понимание A/B-тестирования и causal inference,
- Бизнесовое мышление: умение переводить бизнес-задачу в ML / causal / optimization постановку и понимать ожидаемый эффект решения,
- Высокие коммуникационные навыки: умение доносить идеи и результаты до продукта и бизнес-стейкхолдеров, объяснять сложные технические решения людям без ML-бэкграунда.
Будет плюсом:
- Опыт работы в operations / logistics / last-mile delivery / workforce planning,
- Опыт в e-commerce / e-grocery,
- Понимание экономики доставки и операционных процессов,
- Опыт математической оптимизации и operations research.
