Data Analyst (аналитик-разработчик) (Python)

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.