Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Проект посвящён разработке единой системы оценки эффективности, аналитической отчётности и BI-дашбордов. Команда работает с витринами данных DWH и формирует продуктовые гипотезы.
задачи
Собирать, согласовывать и формализовать требования бизнеса к отчётности и метрикам;
Писать SQL-витрины данных и запросы;
Настраивать сбор данных, анализировать данные хранилища и источников данных;
Документировать данные, процессы и функционал;
Строить, развивать и автоматизировать интерактивные BI-дашборды;
Исследовать данные для поиска точек роста бизнеса и аномалий;
Трансформировать и подготавливать сырые данные из DWH в плоские аналитические таблицы;
Проверять качество и валидировать данные перед запуском аналитических моделей;
Участвовать в анализе результатов экспериментов и формировании продуктовых гипотез;
Презентовать результаты исследований и готовить регулярную бизнес-отчётность.
требования
Опыт работы в продуктовой или коммерческой аналитике от 3 лет;
Опыт работы с витринами данных DWH и понимание принципов их построения;
Продвинутое владение SQL, включая сложные оконные функции и оптимизацию тяжёлых запросов;
Опыт постановки ТЗ инженерам данных на сборку новых витрин и выгрузок;
Опыт проектирования метрик и дизайна A/B-тестов;
Понимание логики работы колоночных СУБД с большими массивами данных;
Знание Python, Pandas и NumPy для автоматизации задач, трансформации данных и исследования данных;
Опыт работы с BI-системами и готовность освоить внутреннюю BI-систему компании;
Навыки проектирования UI/UX для дашбордов;
Знание методов проверки статистических гипотез, теории вероятностей и методологии A/B-тестирования;
Базовые знания принципов построения DWH и структуры слоёв данных: Staging, ODS, DDS, marts;
Уверенная работа с Git;
Будет плюсом базовые навыки работы с распределёнными системами Hadoop/Spark и оркестраторами задач Airflow.