Аналитик (B2B продажи)

Яндекс ID — это гораздо больше, чем форма для ввода логина и пароля на сервисах Яндекса. Мы разрабатываем множество экосистемных продуктов, связанных с хранением и обработкой данных миллионов пользователей как на внутренних сервисах Яндекса, так и на внешних сайтах и в приложениях.

Продуктовый подход

Вам предстоит выстраивать процессы продуктовой аналитики большого направления: это сбор и приоритизация бэклога, формирование средне- и долгосрочных целей аналитики на основе бизнес-фокуса и ответственность за результат. Общаться с большим количеством стейкхолдеров: менеджерами частей продукта, командами маркетинга, продаж и операций. Изучать идеи коллег, как улучшить продукт (приземление в конкретные аналитические задачи, оценка их влияния на бизнес).

Поиск точек роста конверсии в авторизацию

Конверсия в авторизацию — наша ключевая метрика. Мы постоянно исследуем её поведение на сервисах, сопровождаем запуски новых приложений, ищем точки роста и много экспериментируем.

Исследования авторизованных пользователей

Яндекс ID — это единый аккаунт, и мы постоянно увеличиваем его ценность для пользователя. Какие потребности пользователи пытаются закрыть с помощью Яндекс ID? Что можно им предложить, чтобы вырастить их ретеншен? Почему пользователи создают новые аккаунты, если у них уже есть старые? Вы будете вместе с нами искать ответы на эти вопросы.

* Руководили командой продуктовой аналитики: вам предстоит нанимать сильных аналитиков и развивать их
* Умеете формулировать продуктовые гипотезы и знаете, как их проверять
* Владеете основами математической статистики и понимаете теорию A/B-тестирования
* Умеете структурно думать о данных, писать качественный код на Python и запросы на SQL для обработки данных
* Имеете свою точку зрения, умеете её отстаивать и грамотно управлять ожиданиями коллег

<iframe allow="autoplay; fullscreen; accelerometer; gyroscope; picture-in-picture; encrypted-media" frameborder="0" height="315" scrolling="no" src="https://runtime.strm.yandex.ru/player/video/vplvrjxixu4yqmlo2q7x?autoplay=1&amp;mute=1" width="560"></iframe>

Больше об аналитике и метриках Поиска — в видео от Лены, руководителя группы экосистемных исследований.

В Яндексе много разных поисков (квартиры, видео, афиша, врачи, услуги, товары и другие). Они различаются по технологиям, масштабу, качеству, но одно верно: сделать новый поиск — это большой инженерный и продуктовый проект. Мы радикально упрощаем эту задачу и создаём платформу, на которой поиски можно будет запускать или улучшать одним промптом.

Аналитическая команда внутри платформы отвечает за:
* формализацию продуктовых требований от заказчиков о том, как выглядит хорошее ранжирование;
* создание датасетов для валидации и обучения;
* эталонную разметку;
* разработку агентов-разметчиков;
* дизайн логов;
* офлайн- и онлайн-приёмку.

Главное отличие от обычной аналитической работы — мы делаем конвейер аналитики, а не улучшаем отдельные сервисы.

На каждом этапе мы придумываем универсальные критерии качества, которые будут работать сразу для сотен клиентов: как должны выглядеть хорошие датасеты; по каким признакам принимать работу агентов-разметчиков; как убедиться, что пользователи стали счастливее.

Датасеты

Вы будете придумывать, как агентам из логов любого сервиса собрать честный и воспроизводимый набор для оценки: что считать репрезентативным; как не потерять сложные случаи и как понять, что набор вообще способен различать хорошее ранжирование и плохое.

Разметка

Вам предстоит понять, как переводить продуктовый заказ в разметку и какими внешними знаниями должны обладать агенты для хорошей разметки. Кроме того, важно определить, как контролировать качество семантического слоя, из которого берутся эти знания, а также как обеспечить устойчивость разметки к внешним факторам.

Приёмка

Вам нужно будет определять, по каким признакам вообще можно принять новое ранжирование: какие офлайн-метрики предсказывают онлайн-эффект; как построить иерархию метрик для сервиса, который видишь впервые; как отличить настоящее улучшение от артефакта разметки; как извлекать идеи для будущих улучшений из реальных логов.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Уверенно пишете на Python и SQL
* Разбираетесь в алгоритмах и структурах данных
* Знаете математическую статистику и умеете проверять гипотезы
* Понимаете, почему важно всегда смотреть на данные

* Работали с поиском или рекомендациями
* Интересуетесь ML-аналитикой
* Знаете, как работать с кодинг-агентами
* Умеете общаться, ясно излагать мысли, понимать и учитывать мнение коллег, убеждать

Чем предстоит заниматься:

Это роль-гибрид: вы будете одновременно AI-лидером (проработка гипотез, работа с подрядчиками) и Data Scientist'ом (модели, данные, ML).
🔬 1. Бизнес-гипотезы

• Взаимодействовать с бизнес-заказчиками (маркетинг, продажи, продукт, HR, логистика), выявлять точки применения AI
• Формулировать и тестировать гипотезы: «А что, если мы автоматизируем / предскажем / кластеризуем / порекомендуем вот это?»
• Проводить оценку эффективности гипотез (стоимость разработки vs выгода)

🤖 2. Работа с LLM и YandexGPT

• Развивать текущую интеграцию с LLM (Яндекс) — уже используем её, нужно масштабировать
• Проектировать RAG-решения (Retrieval-Augmented Generation) для ответов по корпоративным данным
• Разрабатывать AI-ассистентов для: Ad-hoc запросов по анализу данных - ответы на типичные вопросы по данным виесто формирования типовых дашбордов, внутренних процессов — поиск по документам, генерация отчётов, интерпретация показателей

📊 3. Data Science (модели и данные)

• Разрабатывать ML-модели (классификация, регрессия, кластеризация, прогнозирование временных рядов)
• Собирать и подготавливать данные для моделей из DWH и других корпоративных источников
• Проводить EDA, feature engineering, валидацию, A/B-тесты
• Подтверждать качество моделей — формальная метрика качества (business metrics, а не только ML-метрики)
• Документировать результаты (отчёты, презентации для стейкхолдеров)

🤝 4. Работа с подрядчиками и пилотами

• Искать на рынке внешние AI-решения, отвечающие запросам бизнеса
• Формировать ТЗ для подрядчиков, оценивать их компетенции
• Управлять пилотами: сроки, KPI, приёмка результатов
• Готовить фактуру для принятия решения: build (делаем сами) vs buy (покупаем готовое решение vs partner (берём подрядчика)
• Текущий пул: LLM-проекты с Яндексом; в планах — AI-ассистенты для данных, NLP-решения, Computer Vision (если есть потребность)

🛠️ 5. Интеграция и внедрение

• Доводить модели до продакшена — встраивать их в существующую DWH-инфраструктуру
• Писать ETL/ELT-пайплайны для ML (совместно с DWH-инженерами)
• Мониторить качество моделей в продуктивном контуре, настраивать автопереобучение
• Интегрировать AI-решения с текущими системами компании (CRM, BI, корпоративный портал)

Что мы ожидаем:

• Опыт работы со сложными запросами, оконными функциями, CTE, DWH (PostgreSQL / ClickHouse);
• Опыт работы с YandexGPT / GPT / Open-source LLM, понимание RAG, промпт-инжиниринг;
• Владеете базовыми навыками разработки;
• Имеете опыт ведения проектов от сбора требований, защиты идей перед стейкхолдерами до презентации результатов.

А также:

• Pandas, NumPy, Scikit-learn, FastAPI / Flask;
• Градиентный бустинг (CatBoost, XGBoost, LightGBM), линейные модели, кластеризация, метрики, валидация.
  

Со своей стороны мы предлагаем:

• Работу в одной из крупнейших международных компаний, с брендами, которые действительно любят;
• Конкурентоспособную заработную плату (по результатам собеседования), годовой бонус;
• Официальное трудоустройство, соблюдение Трудового Кодекса РФ;
• Оплачиваемый больничный до 100% оклада;
• Полис ДМС (расширенный со стоматологией), страхование жизни;
• Компенсацию питания;
• Сервис «Понимаю» - бесплатные консультации психологов, юристов, финансистов, специалистов по здоровому образу жизни;
• Пятидневную рабочую неделю (гибридный формат работы), пятница - сокращённый рабочий день (до 15:30);
• Офис в центре Москвы (7 минут от ст. м. Новослободская и Маяковская);
• Кофейные наборы в подарок каждый квартал;
• Лучший кофе в офисе :)