Аудитор - аналитик данных

Мы развиваем продукт DataQuality - систему мониторинга качества данных, которая в реальном времени следит за потоком событий антифрод-платформы: согласованность полей, заполненность расчетов, стабильность скорингов и агрегатов, статистику срабатывания фрод-правил, пропажу типов событий.

Мы ищем аналитика данных, который возьмет на себя две связанные задачи: довести систему алертов до состояния, когда сигналов мало, но каждый по делу, и исследовать связанные с данными обращения пользователей антифрод-платформы, находя в них подсказки о том, что мы еще не умеем мониторить.

Это техническая роль. Поток платформы - тысячи событий в секунду, история в Hadoop - миллиарды строк. Поэтому нужно понимать, как Spark исполняет ваш запрос, и уверенно владеть статистикой: пороги алертов выводятся из распределений, а не подбираются на глаз.

Роль хорошо подойдет тем, кто работал с ML (обучал и оценивал модели, искал аномалии, следил за дрейфом признаков), но не хочет уходить в Data Science или MLOps. У нас статистика и ML-подходы применяются к прикладной задаче с быстрым результатом: настроенная вами проверка уже завтра ловит реальный инцидент на боевом потоке.

• разбирать поток срабатываний проверок качества данных, отличая реальную деградацию от шума и ложных сигналов

• настраивать проверки так, чтобы снижать долю ложных срабатываний: подбирать пороги по уровням severity, окно агрегации и базовый период на основе распределения метрики за исторический период, а не «на глаз»

• копать до первопричины срабатываний: идти в сырые события, поднимать историю, сопоставлять с релизами и инцидентами

• оценивать качество алертов: сколько сигналов были ложными и почему (строгий порог, короткое окно, сезонность, редкий тип события)

• развивать методы детектирования: проверять статистические и ML-подходы к поиску аномалий и дрейфа на временных рядах и распределениях скорингов, оценивать их на истории инцидентов и предлагать, что включать в продукт

• работать с полной историей событий в Hadoop: писать запросы и расчеты на Spark SQL и PySpark так, чтобы они укладывались в ресурсы общего кластера

• исследовать обращения, которые пользователи антифрод-платформы пишут в поддержку, и вытаскивать из них реальную проблему с данными

• соотносить обращения с текущим покрытием мониторинга: понимать, что уже отлавливается проверками, а где инструмента нет

• доводить находку до понятного «полуфабриката»: проблема, подтвержденная на данных, и передавать ее системному аналитику, который оформит из нее требования для команды разработки.

• опыт в аналитике данных или Data Science от трех лет, включая работу с потоковыми или near-real-time данными и с большими объемами в Hadoop / Spark

• Spark SQL и PySpark на больших объемах - ежедневный инструмент: условия проверок в системе пишутся на Spark SQL. Важно понимать, как запрос исполняется. Нужно уметь прочитать план запроса и оценить его стоимость до запуска: кластер общий, и тяжелый запрос по полной истории мешает всем

• SQL уверенно: оконные функции, многошаговые агрегации, джойны с контролем кардинальности, корректная работа с NULL и типами. Понимание, почему запрос деградирует, и чем колоночная СУБД отличается от строчной; опыт с ClickHouse будет плюсом

• Python как основной рабочий инструмент, а не эпизодический. Способность быстро написать скрипт, который поднимет историю срабатываний и покажет, какие пороги дают ложные сигналы

• теория вероятностей и математическая статистика на уровне уверенного применения: доверительные интервалы, проверка гипотез, ошибки первого и второго рода и тд

• прикладная статистика для мониторинга: дрейф распределений (PSI), отклонение среднего и дисперсии от базовой линии, выбросы (z-score / IQR), сезонность; precision / recall применительно к алертам. Меры расхождения распределений и принятые для них пороговые значения, баланс ложноположительных и ложноотрицательных срабатываний

• практический опыт с ML: потребуется понимать метрики качества, как работает переобучение, дрейф признаков и то, как качество данных влияет на модель. Выводить модели в продакшен не потребуется

• понимание принципов мониторинга качества данных: типы проверок, уровни severity и то, что за ними стоят разные действия от информирования до инцидента

• системный взгляд и исследовательская жилка: видеть картину целиком, не лечить симптом порогом, если корень в источнике данных, и копать до истины

Будет плюсом:

• понимание работы фрод-правил и скорингов

• опыт оптимизации расчетов на Spark

• опыт ML-детектирования аномалий и дрейфа данных в промышленном мониторинге (это направление у нас в развитии)

• опыт работы в поддержке / эксплуатации: разбор инцидентов, приоритизация обращений

• опыт с инструментами контроля качества данных: Great Expectations, Soda, Evidently, Monte Carlo. Отдельно ценим понимание, где их настройки по умолчанию перестают работать на больших объемах

• опыт с каталогами данных и lineage: Atlas, DataHub, OpenLineage

• опыт работы с ИИ-ассистентами при разборе кода.

• комфортный современный офис в Москве, Кутузовский, 32

• график работы – офис

• ежегодный пересмотр зарплаты, квартальная и годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• программа адаптации и помощь руководителя на старте (для Junior позиций)

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбер

СОВКОМБАНК ТЕХНОЛОГИИ

Аккредитованная IT-компания, входит в группу компаний Совкомбанка.

Мы вошли в топ-5 лучших IT-работодателей в рейтинге Хабр Карьера, с нами уже более 6000 сотрудников в 21 офисе по всей России.

Что мы ждем от вас:

• Обязательно высшее техническое образование (ИТ/математика/физика, химия/электроника);
• Обязателен опыт в Data Science на Python, пакеты: keras, tensorflow, sklearn, numpy, pandas, будет плюсом – pytorch;
• Знание внутреннего устройства ML-алгоритмов классификации (логрегрессия, RandomForest, различные бустинги, MLP, CNN);
• Знание методов кластерного анализа, сегментирования (k-means, деревья решений);
• Понимание особенностей задач классификации в условиях сильного дисбаланса классов, опыт работы с несбалансированными данными;
• Знание SQL​​​​​​;
• Готовность работать в офисе, Казань.

Чем вы будете заниматься:

• Построение моделей машинного обучения в целях детектирования мошенничества/ предотвращения потенциальной просроченной задолженности (задача классификации и детектирования аномалий);
• Решение задач выделения мошеннических сегментов в наборах данных;
• Разработка антифрод-правил на SQL, Python на основе методов интеллектуального анализа данных (в т.ч. мат.статистики);
• Сопровождение и доработка антифрод-системы (разворачивание моделей в боевой процесс);
• Построение SQL-запросов (выгрузка датасетов).​​​​​​

Мы гарантируем:

• Официальное оформление с первого рабочего дня — мы заботимся о тебе;
• Обучение в нашем Учебном центре и развитие твоих навыков;
• Удобный график работы 5/2, 08/08:30/09-17/17:30/18:00 (на ваш выбор), суббота и воскресенье - выходные (офис);
• Бесплатный полис ДМС — здоровье на первом месте;
• Погружение в ИИ-культуру — взаимодействуем с искусственным интеллектом на постоянной основе и обучаем этому новичков, предоставляем бесплатных ИИ-помощников;
• Отдых летом на море и зимой на горнолыжных курортах с финансовой поддержкой от банка;
• Компенсация расходов на абонемент в спортзал, детский отдых и изучение английского языка;
• Социальные программы с выгодными условиями от банка: кредиты, автокредиты, страхование и другие банковские продукты;
• Финансовая поддержка в различных жизненных ситуациях — мы рядом;
• Участие в корпоративных забегах, турнирах по шахматам, футбольных и волейбольных матчах — активная жизнь;
• Свободное общение с руководством банка: предлагай идеи и реализуй интересные проекты;
• Путешествия по России, знакомства с новыми людьми, конкурсы и корпоративы — живи яркой корпоративной жизнью!

Откликайся на вакансию – присоединяйся к нашей команде!

Mindscapes by i.com – молодое исследовательское агентство.

Мы исследуем людей и всё, из чего состоит их жизнь: продукты, медиа, социальные сети и бренды.

Наши исследования помогают продуктам понимать аудиторию, брендам строить коммуникацию, а бизнесам – расти.

Наша цель – сделать знания доступными, точными и полезными. Больше всего мы любим цифры, людей и технологии, а ещё видеть, как с нашей помощью развиваются бренды.

Сейчас мы ищем медиааналитика, который умеет не только работать с цифрами, но и превращать их в понятные выводы для клиента.

Что нужно будет делать:

• Регулярно анализировать рекламную активность конкурентов;
• Анализировать медиаданные по аудиториям;
• Выгружать и обрабатывать данные из индустриальных источников;
• Создавать и обновлять дашборды в Power BI;
• Готовить презентации по итогам анализа и, при необходимости, представлять их клиенту.

Мы ожидаем, что вы:

• Работаете в медиааналитике в агентстве от 2-3 лет;
• Имеете опыт аналитики как оффлайн, так и онлайн медиа;
• Работали с индустриальными источниками данных: Mediascope, Palomars, AdEx, Brand Pulse, Supernova, SimilarWeb, Cross Web, WhoIsBlogger, Медиалогия, Digital Budget;
• Понимаете, как формируются данные и какая методология стоит за исследованиями;
• Уверенно владеете Excel и Power BI;
• Не ищете причины, почему что-то нельзя сделать, а предлагаете, как это сделать;
• Будет плюсом опыт подготовки презентаций в PowerPoint, а также знание SQL и Python.

Что мы предлагаем:

• Достойный уровень заработной платы, который напрямую зависит от вашего опыта и навыков;
• ДМС со стоматологией сразу после испытательного срока;
• 28 дней отпуска + до 3-х days-off в год по согласованию с руководителем;
• Стильный и комфортный офис в 2 минутах от метро Тульская;
• Свежие фрукты и овощи, завтраки в офисе;
• Гибридный формат работы: 3 дня в неделю в офисе, 2 дня удалённо.