Аналитик данных

• Разработка, внедрение и сопровождение антифрод-правил, сценариев и моделей выявления мошенничества (транзакционный и сессионный антифрод);

• Настройка пороговых значений, сегментации, исключений и адаптивных антифрод-политик;

• Мониторинг и контроль бесперебойной работы систем дистанционного банковского обслуживания, мобильного приложения, интернет-банкинга и интеграции с антифрод- и биометрическими платформами;

• Анализ фрод-инцидентов, выявление мошеннических паттернов и подготовка предложений по снижению рисков;

• Разработка и развитие витрин данных и признаков для антифрод-аналитики (поведенческие признаки, device fingerprint, network features, графовые связи);

• Управление жизненным циклом антифрод-моделей: обучение, тестирование, калибровка, контроль качества и эффективности;

• Проведение A/B-тестирования и ретроспективного анализа эффективности антифрод-решений;

• Формирование требований к доработкам антифрод-платформы и взаимодействие с IT-командой по внедрению изменений;

• Разработка методик скоринга и риск-оценки операций и клиентов;

• Подготовка отчетности, дашбордов и аналитических материалов по антифрод-показателям;

• Разработка внутренних регламентов, методических материалов и базы знаний по схемам мошенничества;

• Взаимодействие с внешними антифрод-платформами, провайдерами и вендорами;

• Методологическая поддержка сотрудников фрод-мониторинга, разработка инструкций и контроль соблюдения процедур.

• Высшее образование в области финансов, математики, экономики, информационных технологий или анализа данных;
• Опыт работы в антифрод-направлении, риск-менеджменте, аналитике данных или банковской сфере;
• Понимание принципов транзакционного и сессионного антифрода;
• Опыт работы с антифрод-системами, BI/аналитическими инструментами и большими массивами данных;
• Навыки анализа данных, выявления аномалий и построения аналитических моделей;
• Понимание жизненного цикла ML/скоринговых моделей будет преимуществом;
• Опыт подготовки отчетности и визуализации данных;
• Умение взаимодействовать с IT-командами и формировать бизнес-требования;
• Аналитическое мышление, внимательность, системный подход и высокая ответственность.
• Опыт работы в банковском секторе или финтехе;
• Знание SQL, Python, BI-инструментов;
• Опыт работы с антифрод-платформами, биометрией, device fingerprinting;
• Понимание процессов ДБО, процессинга и карточных операций.

• Работа в стабильном и развивающемся банке;
• Участие в развитии и совершенствовании антифрод-направления;
• Конкурентоспособная заработная плата (обсуждается по итогам собеседования);
• Официальное трудоустройство согласно ТК РУз;
• Работа в команде сильных экспертов и участие в масштабных проектах;
• Современный офис и комфортные условия труда;
• График работы: 5/2 с пн-пт, с 9:00 до 18:00;
• Корпоративное обучение и развитие профессиональных навыков.

Мы используем LLM, VLM, классическое ML и еком-инфраструктуру Поиска. Сейчас мы активно развиваем существующие сценарии и запускаем новых агентов. Мы ищем человека, который сможет самостоятельно находить точки роста еком-агентов, превращать их в работающие решения и доводить задачи до продакшена.

Почему у нас классно

* AI-driven-аналитика уже сегодня. Мы используем AI-агентов не только внутри продукта, но и в повседневной аналитической и инженерной работе. Значительная часть типовых задач уже автоматизирована, поэтому команда может больше времени уделять сложным продуктовым проблемам и запуску новых решений.
* Работа над современным продуктом с прямым влиянием на пользователей. Мы создаём еком-сценарии на базе LLM и VLM, но оцениваем свою работу не по сложности технологии, а по результату в продакшене: насколько лучше агент помогает пользователю выбрать товар и приблизиться к покупке.
* Динамичная среда. Еком-агенты — молодое и быстро развивающееся направление. Продукт и технологии быстро меняются, поэтому здесь можно за короткое время попробовать много разных задач, глубоко погрузиться в современные AI-подходы и заметно вырасти профессионально.
* Небольшая команда и высокий уровень ответственности. У нас короткий путь от идеи до реализации. Каждый участник команды может заметно влиять на продуктовые приоритеты, метрики, аналитическую систему и технические решения.
* Кросс-сервисный продукт. Еком-агенты используют технологии и данные разных сервисов Яндекса. Поэтому в работе много взаимодействия с продуктовыми, инженерными, ML- и аналитическими командами. Это позволяет развивать не только техническую экспертизу, но и коммуникационные и менеджерские навыки.

Искать и реализовывать точки роста продукта

Вам предстоит разбираться, где и почему пользовательский сценарий работает недостаточно хорошо: агент не понял запрос, подобрал нерелевантные товары, не учёл важное ограничение, показал неподходящие предложения или не помог пользователю приблизиться к покупке.

Нужно будет формулировать гипотезы, находить решения, проводить полный цикл экспериментов и доводить успешные изменения до продакшена. Мы ориентированы на практический результат: решения должны доходить до продакшена и заметно улучшать пользовательский опыт и продуктовые метрики.

Развивать систему оценки качества еком-агентов

Вы будете проектировать и поддерживать автоматизированные eval-пайплайны, которые позволяют оценивать качество работы агентов:
* создавать golden datasets для ключевых еком-сценариев;
* формулировать критерии качества и инструкции для разметки;
* строить пайплайны на основе LLM-as-a-judge;
* автоматизировать разметку с помощью LLM;
* организовывать и анализировать асессорскую разметку;
* исследовать связь между офлайн-оценками, поведением пользователей и онлайн-метриками;
* следить за тем, чтобы ответы агентов были полезными, точными и заслуживающими доверия.


Работать с данными и моделями

Вам предстоит собирать датасеты, разбираться в логах пользовательских сценариев и событиях разных сервисов, решать проблемы качества данных и создавать воспроизводимые пайплайны обработки.

В зависимости от задачи вы сможете использовать классические ML-модели, LLM, VLM и другие методы. Для нас важен не выбор технологии сам по себе, а измеримый результат для продукта.

Развивать аналитическую систему

Вы будете поддерживать и развивать систему данных, на которой строится аналитика еком-агентов: витрины, метрики, документацию и инструменты для продуктовых исследований и экспериментов.

Одно из важных направлений — делать хранилище понятным для AI-систем: развивать семантический контекст, метаданные, lineage, документацию и паттерны получения данных, необходимые агентам для корректной работы с аналитикой.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Самостоятельно находили точки роста и улучшали продуктовые метрики
* Уверенно владеете Python и SQL
* Работали с большими объёмами событийных данных и логами разных сервисов
* Работали с пайплайнами обработки данных и инструментами оркестрации, например Airflow
* Умеете находить и исправлять проблемы качества данных
* Понимаете принципы работы LLM-систем, AI-агентов и классического ML
* Комфортно работаете с AI-assisted development tools и используете агентские coding-workflow, чтобы быстрее прототипировать и доводить решения до результата
* Способны самостоятельно вести задачу от обнаружения проблемы и исследования данных до эксперимента, реализации и выкатки в продакшен
* Автономны, проактивны, готовы отвечать за результат

* Работали с A/B-экспериментами, LLM-as-a-judge, разметкой данных или оценкой качества генеративных моделей