Аналитик по рынку минеральных удобрений (прогнозирование цен)

Краткое описание роли

Мы ищем специалиста по рынкам минеральных удобрений, который в качестве основного инструмента будет использовать прогнозирование цен (Data Scientist / Quantitative Analyst) в тесной связке с ожидаемыми событиями в индустрии.

Основная задача состоит в разработке и совершенствование моделей долгосрочного прогнозирования цен на удобрения, а так же способности обосновать полученный результат.

Работа включает анализ исторических данных (цены на удобрения, продукты, энергоресурсы, валютные курсы и др.), выявление ключевых факторов, влияющих на цены, тестирование и сравнение различных подходов к прогнозированию.

Основная цель — создание устойчивой, интерпретируемой и бизнес-ориентированной системы прогнозов, которая станет полноценным продуктом для использования ключевыми стейкхолдерами компании при принятии стратегических решений.

Кандидат будет работать в тесной связке с дата-инженером для организации данных и построения эффективного пайплайна, а также взаимодействовать с экспертами по рынку для обогащения моделей дополнительными признаками.

Обязательные требования

Технические навыки:
∙ Владение Python или R для анализа данных и построения прогнозных моделей.
∙ Опыт работы с временными рядами: подготовка данных, обработка сезонности, трендов, автокорреляции.
∙ Знание классических методов прогнозирования (ARIMA, Prophet) и алгоритмов машинного обучения для временных рядов (например, CatBoost/LightGBM/XGBoost).
∙ Навыки выявления и использования влиятельных предикторов для повышения качества прогнозов.
∙ Знание статистических методов для долгосрочного прогнозирования: интеграция и коинтеграция временных рядов.
∙ Опыт тестирования и сравнения разных моделей (backtesting, метрики MAPE, RMSE и др.).
∙ Умение строить и представлять сценарные прогнозы («what-if analysis») для бизнес-заказчиков.

Опыт и образование:
∙ Высшее образование или обучение на последних курсах магистратуры/аспирантуры по математике, статистике, экономике, data science или смежным дисциплинам.
∙ Готовность рассматривать выпускников или аспирантов с сильным академическим бэкграундом и интересом к прикладному прогнозированию.
∙ Практический опыт применения прогнозных моделей приветствуется, но не обязателен.

Soft skills:
∙ Умение ясно представлять прогнозы в бизнес-ориентированном виде (отчёты, визуализации, презентации).

∙ Системность, аккуратность и внимательность к деталям при работе с данными.
∙ Работа с большими массивами информации (аналитическими отчетами).

∙ Готовность работать совместно с дата-инженером для организации данных.

Желательные требования

Технические навыки:
∙ Опыт применения ML/DL для временных рядов (LSTM, Transformer-подходы).
∙ Опыт построения автоматизированных пайплайнов (Airflow, Prefect, MLflow).

Отраслевые знания:
∙ Знание рынков коммодити (энергоресурсы, сельхозпродукция, химия).
∙ Опыт работы в агро, химической или энергетической индустрии.

Другие плюсы:
∙ Опыт разработки продуктовых решений на базе моделей (дашборды, интерфейсы для стейкхолдеров).
∙ Навыки визуализации данных (Power BI, Tableau, Plotly/Dash).

Ключевые задачи
∙ Работать совместно с дата-инженером над сбором и организацией данных, а также готовить доступные данные к использованию в прогнозировании.
∙ Проверять и сравнивать разные типы моделей (статистические, эконометрические, непараметрические, ML и др.) для выбора оптимальных решений.
∙ Выполнять сценарные анализы и анализ чувствительности для оценки устойчивости прогнозов.
∙ Создавать сценарные прогнозы («what-if analysis»), которые помогают бизнесу принимать стратегические решения.
∙ Проводить технические обсуждения: презентовать подходы, результаты и возможные улучшения команде.
∙ Подготавливать результаты в удобной форме для стейкхолдеров и лидеров компании.
∙ Постоянно совершенствовать подходы и расширять набор факторов по мере накопления информации и развития продукта.