Аналитик данных / Analytics Engineer (Middle+ / Senior) (Python)

При отклике укажите ваш опыт согласно требованиям.

Ищем ведущего аналитика с сильной экспертизой в бизнес-анализе и работе с данными, который умеет исследовать процессы, взаимодействовать с инженерами и другими экспертами и превращать разрозненную информацию в требования для команды разработки.

О проекте

Технологическая платформа нового поколения для управления строительством. Мы создаём продукт, который помогает собирать строительные процессы в понятную систему: от подготовки работ и документации до контроля выполнения и приёмки результата.

Проект — это интеллектуальный исполнительный модуль со сложной бизнес-логикой, который сам разбирается в регламентах (ГОСТ, НОСТРОЙ), сам ставит задачи подрядчикам и контролирует сроки, качество и отклонения.

Требования:

• Важен опыт работы над внешними проектами для строительства, промышленности или производства, среди стейкхолдеров которых есть инженеры реального сектора или технологи.
• Опыт работы аналитиком на разноплановых проектах. Опыт с типовыми проектами, поставленными на поток не будет релевантным опытом.
• Опыт работы со сложной бизнес-логикой и решения новых, нешаблонных задач.

Умение преобразовывать разрозненную информацию в формализованные бизнес-требования.

Hard skills:

• Опыт работы бизнес-аналитиком, системным аналитиком или аналитиком данных на сложных проектах.
• Опыт работы над внешними проектами в строительстве, промышленности, производстве или смежных областях, взаимодействия с инженерами, технологами или другими экспертами реального сектора.
• Опыт работы с нетиповыми задачами и сложной бизнес-логикой, умение превращать разрозненную и противоречивую информацию в согласованное описание.
• Владение методами сбора и анализа требований: интервью, рабочие встречи, анализ документов и данных.
• Практический опыт использования BPMN и UML.
• Уверенное владение SQL для исследования и анализа данных.
• Понимание принципов моделирования данных: сущности, атрибуты, связи и справочники.
• Умение определять показатели, документировать логику их расчёта и объяснять выводы бизнесу и команде разработки.
• Понимание жизненного цикла разработки ПО, принципов работы API и интеграций.
• Умение самостоятельно организовывать аналитическую работу, аргументировать решения и договариваться с участниками проекта.

Задачи:

• Изучать строительные и производственные процессы, нормативные документы и существующие практики работы.
• Выявлять потребности и ограничения заказчиков, пользователей, инженеров, технологов и других экспертов.
• Описывать бизнес-процессы и формализовать сложную бизнес-логику: правила, ограничения, исключения и сценарии работы.
• Исследовать источники данных, их структуру, качество и полноту.
• Анализировать данные с помощью SQL, проверять гипотезы и выявлять расхождения.
• Определять бизнес-показатели и правила их расчёта, описывать ключевые сущности и связи между данными.
• Преобразовывать бизнес-потребности в согласованные требования, описывать пользовательские сценарии и критерии приёмки.
• Взаимодействовать с архитекторами и разработчиками, проверять реализованную функциональность и участвовать в приёмке.

Будет преимуществом:

• Опыт работы с нормативной и технической документацией в строительстве или промышленности.
• Опыт анализа больших массивов данных, выявления аномалий и проверки гипотез.
• Опыт работы с BI-инструментами, построения отчётов и визуализаций.
• Знание Python или других инструментов обработки данных.
• Опыт описания интеграций, проектирования хранилищ данных или обсуждения выбора СУБД.

Условия:

• Работа в аккредитованной Минцифры компании.
• Официальное оформление, полностью «белый» доход, ДМС.
• Оклад обсуждается по результатам собеседования.
• Профессиональный и финансовый рост, нестандартные задачи и значимый проект для портфолио.
• 8-часовой рабочий день.
• Гибридный формат: три дня в неделю в офисе, два дня удалённо.
• Офис в центре Москвы: Малая Сухаревская площадь, д. 12.
• Испытательный срок — 3 месяца.
• 8-часовой рабочий день, начало в 10:00–11:00 (МСК).
• Продукт уже прошёл пилоты на крупных строительных проектах.
• Сильная инженерная команда с опытом реализации федеральных проектов.

Обязанности

• Находить и готовить данные: выгрузки, стыковка источников, обработка аномалий
• Проверять качество данных до того, как на них построен вывод, — это отдельная и обязательная часть работы
• Считать, проверять гипотезы и самим оценивать результат на правдоподобность
• Собирать прототип: расчётную модель, таблицу, черновой дэшборд
• Описывать логику расчёта так, чтобы его можно было повторить без вас

Требования

• Опыт работы от 2 лет в анализе данных
• Уверенный SQL: сложные соединения, оконные функции, понимание причин медленных запросов
• Python с Pandas либо KNIME или похожий инструмент подготовки данных
• Excel на уровне расчётных моделей и сводных таблиц
• Базовая статистика: доли, динамика, сопоставимость периодов, понятие контрольной группы
• Привычка оставлять за собой расчёт, который можно запустить повторно

Будет плюсом: опыт работы с BI-платформами, работа с большими таблицами клиентского уровня, знакомство с системами контроля версий, использование языковых моделей для ускорения рутинной части работы

Обязанности

• Делать дизайн контролируемых экспериментов (A/B-тестов), интерпретировать результаты
• Проводить аналитику на больших данных и находить полезные инсайты
• Делать Ad-hoc выгрузки и отчёты по требованиям от заказчиков
• Разрабатывать и оптимизировать регулярные пайплайны
• Работать в команде с Data Scientist, Data Analyst, Data Engeneer, PM
• Участвовать в создании ML-продуктов

Требования

• Базовый опыт работы с продуктовой документацией (Notion, Confluence или аналоги) и таск-трекерами
• Аналитическое и структурное мышление, умение работать с данными
• Интерес к данным и Machine Learning, понимание принципов работы ML-моделей
• Знание основ SQL. Способность написать запрос с применением JOIN и подзапроса
• Владение Python на базовом уровне (структуры данных, циклы, функции, исключения)
• Способен освоить построение несложных визуализаций в BI-инструментах
• Знание основных принципов теории вероятности
• Базовые знания об АБ-тестировании и проверке гипотез
• Знание продуктовых фреймворков и понимание жизненного цикла продукта (опыт работы с ними – преимущество)
• Умение использовать ИИ-инструменты для простых вспомогательных задач. Понимание, что ответы ИИ требуют проверки