
аналитикой по направлению CVM розничных продуктов:
↑ Вакансия с автоподнятием·Чем предстоит заниматься
Наши ожидания
Мы предлагаем
Хочешь стать частью команды Уралсиба? Откликайся прямо сейчас!
Наша вакансия тебе подойдет, если ты ищешь:
аналитик CRM, анализ A/B-тестов, розничный бизнес, анализ воронки, SQL
Сформировать управляемую модель данных организации и обеспечить внедрение MDM
Проектировать домены данных, их границы, канонические сущности, владельцев и правила ответственности
Определять состав золотых слоёв и правила золотой записи: сопоставление, дедупликация, слияние, приоритет источника на уровне атрибута, происхождение и разрешение расхождений
Формировать и вести каталоги НСИ, метаданных, бизнес-терминов, показателей качества и критичных элементов данных
Собирать требования и проектировать логические модели каталогов MDM, сценарии согласования и интеграционные контракты
Профилировать данные ведомственных информационных систем и внешних источников; готовить маппинги, правила очистки, миграции, сверки и архивного переноса
Внедрить process mining: определять event log, проверять соответствие фактических траекторий регламентам, выявлять узкие места и повторные операции
Организовывать анализ неструктурированных данных с применением OCR/NLP/LLM: извлечение сущностей и фактов, классификация, поиск и контроль качества результатов
Проектировать и валидировать алгоритмы выявления признаков нарушений: признаки, разметка, тестовые выборки, метрики, объяснимость, мониторинг и обязательная проверка человеком
Координировать аналитические решения с владельцами данных, бизнес-подразделениями, архитекторами, разработчиками и ДИТ; вести документацию и критерии приёмки
Высшее образование: ИТ, прикладная математика, анализ данных, экономика/статистика или смежное направление
Опыт: не менее 4 лет в аналитике данных, системной аналитике или data engineering; практический опыт MDM/Data Governance, миграции либо создания корпоративных моделей данных
Уверенный SQL и профилирование больших наборов данных; практическая работа с Oracle и PostgreSQL
Понимание MongoDB и документных моделей, REST/JSON, событийного обмена, контрактов данных и межсистемных интеграций
Сильное владение моделированием данных: доменная и каноническая модели, MDM/RDM, НСИ, метаданные, data lineage, DQ-правила, match/merge и survivorship
Python для анализа данных (pandas или аналоги); практическое понимание ML/NLP/LLM, извлечения сущностей, классификации и семантического поиска
Умение оценивать ИИ-алгоритмы по precision/recall/F1, выявлять утечки и смещения, обеспечивать объяснимость, воспроизводимость и human-in-the-loop
Знание process mining и требований к event log; опыт Celonis, Process Mining в BI/low-code или аналогичных инструментов будет преимуществом
Понимание архитектурного контекста Java-сервисов и React-интерфейсов; программирование на Java/React не является требованием
Работа в динамично развивающейся организации Правительства Москвы
Официальное оформление
Высокопрофессиональная команда
Стабильная заработная плата
Офис м. Красные ворота
График работы- гибридный, 3 дня из офиса, 2 дня из дома (офисный формат на период испытательного срока)
•••••••• ищет сразу 2 специалиста
Местоположение: Казахстан
Формат работы: Удаленно
Опубликована: ••••••••
Открытые роли:
• Senior Data Analyst with Product Analytics, Learning Platform
• Senior Analytics Engineer with dbt, Data Team
Контакт: ••••••••
•••••••• в LinkedIn
Это национальный бренд, который стал символом социальной ответственности. Мы гордимся тем, что за 12 лет работы нам удалось создать мощное волонтерское движение, увеличив долю участия россиян в социальных проектах до 37%.
Наша миссия — делать добро нормой жизни. Для этого мы создаем инфраструктуру, развиваем проекты и сервисы, которые помогают людям находить единомышленников, получать поддержку, реализовывать собственные инициативы и участвовать в развитии страны.
В основе нашей культуры и ежедневной работы лежат ценности: милосердие, созидание, ответственность и #МЫВМЕСТЕ. Мы создаём проекты со смыслом и с заботой о людях, берём ответственность за результат и умеем работать как одна большая команда. Из этих ценностей рождаются проекты, которые развивают культуру участия, становятся точками роста для целых сообществ, организаций и регионов, создавая долгосрочные изменения далеко за пределами отдельных инициатив.
Мы приглашаем продуктового аналитика, который возьмёт на себя управление продуктовыми данными: от проектирования событийной разметки до юнит-экономики и построения экспериментальной культуры. Работа предполагает прямое взаимодействие с продуктовой командой. Путь от идеи до реализации занимает короткое время. Аналитические выводы внедряются в продукт, а не остаются в отчётах.
Построение системы продуктовых метрик. Разработка и поддержка дерева метрик, расчёт юнит-экономики.
Управление данными. Проектирование событийной разметки в мобильном приложении и на веб-платформе. Обеспечение полноты и качества сбора данных.
Организация A/B-тестирования. Полный цикл: дизайн эксперимента, определение размера выборки, выбор статистических критериев, интерпретация результатов, подготовка рекомендаций для команды.
Анализ пользовательского поведения. Сегментация, воронки, когортный анализ. Выявление барьеров, препятствующих достижению пользователем ценности продукта.
Мониторинг и диагностика. Отслеживание отклонений метрик, установление причин, формулирование гипотез для коррекции пользовательского поведения.
Визуализация и отчётность. Создание дашбордов и отчётов, служащих основой для продуктовых решений.
Участие в стратегическом планировании. Формирование продуктовых планов. Аналитик участвует в принятии решений наравне с командой, а не ограничивается функцией поставщика данных.
Опыт в продуктовой аналитике от 3 лет в B2C-продуктах (онлайн-сервисы, e-commerce, маркетплейсы, контентные проекты).
Юнит-экономика. Понимание структуры экономики продукта, умение декомпозировать метрики до драйверов роста.
A/B-тестирование. Практический опыт полного цикла: дизайн, статистическая мощность, учёт эффекта множественных сравнений и проблем подглядывания.
SQL на уверенном уровне: сложные соединения, оконные функции, расчёт продуктовых метрик запросами.
Python для анализа данных: Pandas, NumPy, SciPy.
Трекинговые системы. Понимание принципов работы, опыт проектирования событийной разметки (AppMetrica, Google Analytics, Яндекс.Метрика).
Коммуникация. Способность переводить данные в выводы, выводы — в решения и понятно доносить их до команды.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.