Chief Data Officer — свежие вакансии

Задача роли создавать конкурентные преимущества компании через data-driven стратегии, управление сквозной аналитикой и внедрение ML-решений, которые усиливают ключевые цепочки ценности бизнеса и напрямую влияют на прибыль и операционную эффективность.

Обязанности:

• Развивать и поддерживать совместно с лидерами направлений стратегию работы с данными, согласованную с бизнес-целями
• Анализировать бизнес-процессы для поиска точек оптимизации, предлагать инициативы с учетом анализа рисков, потенциальных затрат и рассчитанного эффекта от их внедрения
• Выстраивать прозрачные процессы взаимодействия с лидерами вертикалей\горизонталей и помогать принимать решения на основе данных, прогнозов и сценарного моделирования
• Развивать культуру принятия бизнес-решений на основе данных
• Обеспечивать доступность и актуальность данных, осуществлять расчет экономики внедрения аналитических решений и ML- продуктов, включая оценку рентабельности (ROI) продукта
• Контролировать достижение KPI и других ключевых показателей эффективности операционных бизнес процессов, усиленных дата решениями и влияющих на усиление метрик бизнес процесса (САС, LTV, Retention Rate)
• Осуществлять презентацию и защиту предложений по внедрению дата продуктов и ИИ-технологий перед руководством
• Формировать бэклог аналитических исследований и пилотов для проверки эффектов решений
• Управлять дата командой, помогать им расти и развиваться

Требования:

• Опыт работы от 3-х лет в роли: Руководитель дата продуктов\Руководитель аналитики\Дата партнер в ритейле\ecom и знанием бизнес платформ: продажи, управление ассортиментом, онлайн, логистика
• Опыт и знание стандартов управления данными, понимание жизненного цикла данных, стандартов проверки данных и построение моделей
• Умение анализировать данные о пользовательском опыте использования продукта, владение метриками для оценки эффективности продукта (KPI, LTV, CAC, ROI)
• Знание BI инструментов, их функциональные возможности, ограничения и оптимальные сценарии применения
• Знание процесса продуктовизации ML-моделей, ML Ops и поддержки моделей в продакшн
• Знание основ математической статистики, процесса проведения АВ тестирования и основ экономического моделирования
• Навыки управления командой, развитие ключевых специалистов, формирование кадрового резерва

Условия:

• Работа в компании с развитой инженерной культурой;

• Гибкая система премирования;

• Расширенный социальный пакет: ДМС со стоматологией с первого месяца работы, психолог и страхование жизни, компенсация питания и оплата мобильной связи;

• Возможности профессионального роста, программы развития для сотрудников;

• Корпоративное обучение и доступ к базе знаний;

• Внутренние профессиональные сообщества и мероприятия;

• Автономность работы, возможность менять правила, ошибаться и создавать новое;

• Формат работы - офис;

• Современный офис в 2 минутах ходьбы от МЦК ЗИЛ.

С каждым годом на выбор сотрудника становится доступно больше дополнительных опций. Например, частичная компенсация путешествий, затрат на обучение, спортивных занятий.

Группа компаний «ВБЦ» — российская FinTech-компания, более 10 лет работающая на рынке B2B- и B2G-финансовых услуг. ВБЦ является аккредитованной ИТ-компанией. Ключевое направление бизнеса — банковские гарантии; также компания развивает кредитование и страхование.

В основе бизнеса — взаимодействие с агентской сетью и банками, значительный объём исторических и текущих данных, сложные продуктовые воронки и большой потенциал для роста выручки за счёт аналитики, скоринга и автоматизации решений.

Мы ищем CDO, который возглавит развитие data-направления и будет работать на стыке бизнеса, аналитики и ИТ. Главная миссия роли — находить точки роста и потери, превращать их в data-driven решения и обеспечивать измеримый экономический эффект для компании.

Обязанности:

• Оценить динамику доли ВБЦ на рынке в 2026 году по сравнению с 2025 годом: определить динамику, выявить причины изменений и предложить план действий.
• Проводить глубокий анализ рынка и конкурентов: сравнивать продуктовые условия, каналы, агентские механики и факторы, влияющие на выбор платформы.
• Развивать глубокую агентскую аналитику: сегментацию, когорты, воронки, активность, удержание, приток и отток, доходность, потенциал и качество агентской базы.
• Выявлять скрытые резервы роста и неочевидные потери в воронках, продуктах, каналах, агентской сети и взаимодействии с банками; переводить выводы в конкретные бизнес-гипотезы.
• Проектировать, запускать и оценивать краткосрочные и долгосрочные акции, программы лояльности и другие механики роста; выстраивать корректный дизайн экспериментов и оценку эффекта.
• Анализировать эффект от внедрения ступенчатого агентского вознаграждения при различных условиях и уровнях выполнения планов; предлагать KPI и параметры мотивации, обеспечивающие результат.
• Оценивать банковские скоринговые модели на исторических данных и потенциал автоматизированной маршрутизации заявок; определять, в какой банк и при каких условиях целесообразно направлять заявку.
• Создавать и внедрять data-driven модели для управления агентской базой: скоринг, прогноз притока и оттока, next best action, приоритизация и оценка эффекта от «раскачки» конкретного банка.
• Развивать кросс-продажи между банковскими гарантиями, кредитованием и страхованием на основе клиентских и агентских данных.
• Помогать автоматизировать управленческий учёт; обеспечивать полноту, чистоту и своевременность данных, единые определения показателей и доверие бизнеса к отчётности.
• Развивать BI-контур и дашборды для акционеров и руководителей: от единой системы ключевых метрик до инструментов регулярного контроля и поиска отклонений.
• Формировать портфель data-инициатив, приоритизировать их по ожидаемой ценности, контролировать внедрение и подтверждать фактический экономический эффект после запуска.
• Внедрять культуру принятия управленческих решений на основе данных; убедительно и простым языком объяснять акционерам и бизнес-команде выводы, ограничения моделей и рекомендуемые действия.

Требования:

• Опыт в данных и аналитике от 3 лет.
• Реализованные проекты полного цикла: от постановки бизнес-задачи и подготовки данных до внедрения решения в процесс и подтверждения эффекта в выручке, маржинальности, конверсии, удержании или снижении затрат.
• Опыт в финтехе, банке, финансовом маркетплейсе или другом цифровом бизнесе со сложными воронками и большим количеством транзакционных данных.
• Сильная экспертиза в клиентской и коммерческой аналитике, скоринге, прогнозных моделях, сегментации, управлении оттоком, программах лояльности, ценообразовании или кросс-продажах.
• Понимание методов оценки причинно-следственного и инкрементального эффекта: A/B-тесты, контрольные группы, корректное сравнение до и после запуска.
• Практическое понимание полного data-контура: источники и витрины данных, DWH, ETL/ELT, BI, качество данных, Data Governance, разработка и промышленная эксплуатация ML-моделей.
• Уверенное владение SQL и понимание возможностей Python; способность самостоятельно погрузиться в данные, проверить гипотезу и оценить качество аналитического решения.
• Умение работать с акционерами и топ-менеджерами: переводить бизнес-проблемы в аналитические задачи, защищать приоритеты и объяснять сложные выводы простым языком.
• Прагматичный подход: умение выбирать достаточную по сложности модель, быстро запускать MVP и одновременно строить устойчивую архитектуру данных там, где это оправдано бизнесом.

Будет преимуществом

• Опыт в банковских гарантиях, кредитовании, страховании или работе с продуктами по 44-ФЗ и 223-ФЗ.
• Опыт аналитики агентских, партнёрских или дилерских сетей и построения моделей вознаграждения.
• Практические кейсы автоматизированной маршрутизации заявок, банковского скоринга и оптимизации взаимодействия с финансовыми организациями.
• Опыт построения функции управления данными с нуля или существенной трансформации существующей data-функции.
• Опыт автоматизации управленческого учёта и построения единой системы отчётности для CEO и акционеров.​​​​​​​

Ожидаемый результат роли

• Объективная диагностика положения ВБЦ на рынке и прозрачное понимание факторов, влияющих на долю, выручку и маржинальность.
• Единая система достоверных метрик и регулярных дашбордов для акционеров и руководителей.
• Приоритизированный портфель data-инициатив с понятной методикой расчёта ожидаемого и фактического эффекта.
• Внедрённые в бизнес-процессы решения по агентской аналитике, маршрутизации заявок, прогнозированию оттока, мотивации и кросс-продажам.
• Сформированная культура, при которой ключевые управленческие решения принимаются на основе качественных данных и проверяемых гипотез.

Условия:

• Ключевую роль с прямым влиянием на стратегию, коммерческую модель и финансовый результат компании.
• Прямое взаимодействие с акционерами и топ-командой, возможность влиять на управленческие решения.
• Возможность сформировать целевую data-функцию и самостоятельно определить приоритеты её развития.
• Работу с реальными бизнес-задачами, историческими данными и широкой экосистемой банков, агентов и финансовых продуктов.
• Официальное оформление в аккредитованной ИТ-компании; условия и формат работы обсуждаются индивидуально.

Заместитель директора отвечает за проектирование и управление общегородской архитектурой данных, обеспечивая масштабируемость, безопасность и совместимость аппаратной и программной инфраструктуры, лежащей в основе систем умного города, с приоритетом на решения с открытым исходным кодом (open-source). Эта роль объединяет стратегическое управление данными с практическими техническими решениями в области архитектуры, формируя техническую основу для цифрового двойника города, сетей IoT и сервисов на основе искусственного интеллекта.

Обязанности:

• Разработка и владение стратегией общегородской архитектуры данных — хранилищ данных (data lake/data warehouse), интеграционных слоёв, API и систем управления эталонными данными (MDM) — в поддержку платформ умного города (цифровой двойник, сети IoT-датчиков, сервисы электронного правительства)
• Определение эталонных архитектур и технологических стандартов как для аппаратного обеспечения (периферийные устройства, датчики, сетевая и дата-центровая инфраструктура), так и для программного обеспечения (базы данных, оркестрация, аналитические платформы), с чётким приоритетом решений с открытым исходным кодом (например, PostgreSQL/PostGIS, Apache Kafka, Kubernetes, стек на базе Linux) для минимизации зависимости от поставщиков и затрат на лицензирование
• Разработка и внедрение политик управления данными — качество данных, безопасность, конфиденциальность, управление метаданными и жизненным циклом данных — в соответствии с принципами DAMA-DMBOK
• Взаимодействие с департаментами ИТ, городского планирования, коммунальных служб и общественной безопасности для согласования архитектуры данных с задачами умного города
• Принятие решений по выбору между собственной разработкой и закупкой (build-vs-buy), а также оценка поставщиков для инфраструктурных инвестиций с приоритетом открытых стандартов и совместимости
• Управление и наставничество команды архитекторов и инженеров данных
• Представление департамента в межведомственных инициативах и международном бенчмаркинге с аналогичными программами умных городов
• Обеспечение соответствия архитектурных решений национальной стратегии цифровизации

Требования:

• Степень магистра в области компьютерных наук, инженерии данных, информационных систем или смежной области (степень бакалавра с обширным профильным опытом также рассматривается)
• Опыт работы в области архитектуры данных или корпоративной архитектуры от 8 лет, включая от 3 лет на руководящей должности
• Подтверждённый практический опыт работы с инфраструктурой данных на основе открытого исходного кода: Linux, PostgreSQL, Apache Kafka, Kubernetes/Docker, Hadoop/Spark
• Глубокое понимание аппаратной инфраструктуры умного города: IoT-датчики, периферийные вычисления (edge computing), сетевая и дата-центровая архитектура
• Знание фреймворков управления данными (DAMA-DMBOK, ISO/IEC 38505, DCAM)
• Свободное владение русским и английским языками (знание казахского языка — преимущество)
• Опыт работы в проектах умного города, государственного сектора или масштабных проектах цифровой трансформации
• Опыт работы с геопространственными данными и ГИС-системами
• Профессиональная сертификация (TOGAF, CDMP или эквивалент)

​​​​​

МГТС — основной телекоммуникационный партнер Города Москвы и часть экосистемы МТС. Проектируем, строим и эксплуатируем передовую телекоммуникационную инфраструктуру, развиваем и внедряем сети нового поколения, реализуем комплексные решения для Умного города.

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:

• строить единый аналитический слой данных вместо разрозненных excel-баз
• формировать управленческую повестку для c-level (ceo, cfo, коммерческий директор) на основе данных, а не постфактум
• отвечать на вопрос «зачем?», а не просто «сколько?» — превращать цифры в готовые бизнес-решения
• управлять командой (финансисты, продуктовые аналитики, инженеры данных, bi-специалисты)
• выстраивать процессы работы с данными от источника до дашборда
• внедрять bi-системы и автоматизировать регулярную отчетность
• разбирать текущий ландшафт данных, выявлять узкие места и устранять расхождения
• формировать бэклог задач и вести работу спринтами с постоянным улучшением
• синхронизировать аналитику между департаментами коммерческого блока
• инициировать изменения, а не только отрабатывать входящие запросы

ЧТО НУЖНО ДЛЯ ЭТОЙ РАБОТЫ:

• опыт управления аналитической функцией от 5 лет
• понимание финансовых метрик (p&l, выручка, ebitda, юнит-экономика)
• hard skills: sql, python (на уровне чтения и постановки задач), bi-инструменты (power bi / tableau / clickhouse), знание dwh и etl-процессов
• продуктовый подход — умение соединять финансовые данные с бизнес-метриками (конверсии, ltv, cac, воронка продаж)
• лидерские качества — энергия, способность принимать непопулярные решения, умение отстаивать свою точку зрения на основе данных
• навыки построения процессов с нуля и наведения порядка в хаотичных данных
• стратегическое мышление — видение конечной цели (аналитика как инструмент для решений, а не статистика)
• коммуникационные навыки — работа с коммерческой дирекцией, IT и финансовым блоком
• умение управлять изменениями и мотивировать команду на переход к новым инструментам
• понимание ландшафта данных: как устроены источники, где теряется корректность, как выровнять разрозненные данные
• управленческая зрелость — не «закапываться в операционку», а смотреть сверху, распределять роли и контролировать результат