Аналитик складских запасов

Обязанности:

Планирование и анализ движения денежных средств, включая подготовку и контроль исполнения бюджетов по денежным потокам.

Формирование и ведение платежных реестров, контроль своевременности и корректности платежей.

Анализ операций по расчетным счетам, выявление отклонений и подготовка рекомендаций.

Мониторинг поступлений денежных средств, контроль их соответствия планам и выявление причин задержек.

Подготовка финансовых отчетов и информационных панелей для руководства с использованием BI-инструментов.

Взаимодействие с бухгалтерией, финансовым отделом и другими подразделениями для уточнения данных и требований.

Выявление финансовых тенденций и подготовка аналитических материалов для поддержки принятия управленческих решений.

Обязательное знание Power BI. Анализ данных по направлению: экономика и финансы, строительство, реконструкции, модернизация, 1С:ERP.

Знания МСФО как преимущество.

Требования:​​​​​​​

Высшее образование в области финансов, экономики, математики или информационных технологий.

Опыт работы BI-аналитиком или финансовым аналитиком от 2 лет, предпочтительно с акцентом на финансовый анализ.

Знание инструментов BI (Power BI, Tableau, Qlik и др.) и умение создавать отчеты и визуализации.

Уверенное владение SQL для работы с базами данных.

Опыт работы с финансовыми данными: бюджетирование, анализ движения денежных средств, отчетность.

Знание основ бухгалтерского учета и финансовой отчетности.

Аналитическое мышление, внимание к деталям.

Умение работать в команде, способность объяснять сложные финансовые данные простым языком.

Знание Python для автоматизации анализа данных будет плюсом.

Условия:

​​​​​​​​​​​​​​Гибкий график работы, гибрид (возможен частично удаленный формат по договоренности).

Официальная заработная плата, дополнительные премии к отпуску, к значимым датам, предоставление материальной помощи в случае важных жизненных событий и непредвиденных обстоятельств.

Работа в государственном предприятии.

Организация детского отдыха для детей работников, подарков детям к новому году.

Mail — крупнейший в России сервис, объединяющий в себе Почту № 1 в России, Облако, Покупки, Документы, Календарь и Заметки. Все сервисы построены на базе технологий искусственного интеллекта, высокого уровня защиты данных, гибкости и персонализации.

Задачи

• Маркетинговая аналитика Облака и Почты Mail: анализ каналов привлечения (включая установки приложения), оценка эффективности рекламных кампаний, поиск инсайтов и точек роста ROI. Анализируем каналы, щёлкаем инсталлы как орешки и собираем все сливки с точек роста, пока они сами просятся в руки
• Развитие систем атрибуции: автоматизация маркетинговой атрибуции для оценки влияния каналов на подписную выручку и другие целевые действия
• Сквозная аналитика (маркетинг + продукт): работа с воронкой от показов коммуникации/рекламы до удержания пользователя (Retention), выявление узких мест и генерация гипотез по их устранению
• Проектирование, запуск и анализ A/B-тестов: оценка эффективности лендингов, промо оферов и рекламных креативов, контроль корректности методологии, валидация результатов экспериментов
• Построение систем отчётности и прогнозных моделей: создание дашбордов для маркетинга, когортный анализ, драйверные декомпозиции и моделирование окупаемости трафика (LTV, CAC) для принятия data driven решений
• Развитие внутренних аналитических инструментов и процессов: автоматизация рутинных задач подготовки данных, повышение скорости и качества аналитической поддержки маркетинговой команды
• Итого: полный карт-бланш на внедрение крутых инструментов, огромная аудитория для тестов и возможность стать архитектором аналитики в Mail. Это не просто работа с цифрами, а полноценный хакинг роста на максималках

Требования

• Уверенное владение SQL, опыт работы с большими объёмами данных. Большим плюсом будет опыт работы с YTSaurus (YQL) и ClickHouse
• Практический опыт проведения A/B-тестов: понимание статистических критериев, расчёт размера выборки, работа с ошибками первого и второго рода, навыки применения теории вероятностей
• Свободное владение как маркетинговыми, так и продуктовыми метриками (CAC, ROAS, ROMI, LTV, ARPU, Retention, Conversion Rate) и умение строить на их основе аналитические выводы
• Понимание принципов построения моделей атрибуции и сквозной аналитики
• Python для анализа данных: Pandas, NumPy, библиотеки визуализации (Matplotlib, Plotly, Seaborn)
• Опыт построения дашбордов и визуализации в BI-инструментах (DataLens и Superset в приоритете, но подходят и аналоги)