Аналитик данных

Привет! Я Георгий, тимлид аналитиков данных в Драйви. Мы ищем старшего аналитика данных в команду, которая отвечает за incentives – систему мотивации водителей. Это одно из ключевых направлений в направлении Marketplace Efficiency: от того, насколько точно настроены цели и выплаты, зависит баланс спроса и предложения, экономика поездок и пользовательский опыт.

Наш стек:

• python: pandas, numpy, plt, sklearn, prophet, statmodels

  sql: clickhouse, apache superset

Чем предстоит заниматься:

• Развивать и оптимизировать систему incentives для водителей;

• Анализировать эффективность бонусов, субсидий, промо-кампаний и других механик мотивации;

• Строить и интерпретировать A/B-тесты (uplift, инкрементальность, долгосрочные эффекты);

• Работать с юнит-экономикой: влияние incentives на выручку, маржинальность, CAC, LTV, Sub/GMV;

• Исследовать поведение водителей: отклик на цели, эластичность, churn / retention;

• Участвовать в принятии продуктовых решений совместно с продуктом и бизнесом;

• Формулировать гипотезы и находить точки роста в сложной системе supply-demand баланса;

• Делать аналитику, которая влияет на реальные деньги, а не «живёт в дашбордах».

Почему это интересно:

• Прямое влияние на экономику продукта: решения отражаются на выручке и марже;

• Высокая скорость: гипотезы быстро проверяются и внедряются;

• Сильная команда и зрелая аналитическая культура.

Как мы работаем:

• Data-driven, но без фанатизма: решения принимаются людьми, а не только метриками;

• Минимум «дашбордов ради дашбордов» – фокус на действия;

• Аналитик – это партнёр продукта, а не сервисная функция;

• Ценим простоту, здравый смысл и умение выделять главное.

Наши ожидания:

• Опыт работы не менее 4 лет в должности аналитика данных;

• Понимание ключевых продуктовых метрик: GMV, ARPPU, AOV, CPO, MAU, CAC, LTV, Retention Rate;

• Продвинутое владение одним из диалектов SQL, умение читать и оптимизировать чужие запросы;

• Навыки сегментации пользователей, проведения когортного анализа;

• Глубокое знание математической статистики и теории вероятностей, понимание теории случайных событий, случайных величин, их распределений и свойств, а также умение применять методы математической статистики для анализа данных;

• Большой опыт самостоятельного проведения A/B/n-тестов, DnD, CausalImpact;

• Уметь выбирать нужный способ оценки данных - аналитика, исследования или использование внешних данных;

• Уметь оценивать трудозатраты задач и сопоставлять их с потенциальной выгодой от решения;

• Обладать аналитическим складом ума - способностью критически оценивать гипотезы, анализировать и структурировать данные, делать выводы и устанавливать взаимосвязи в данных и уметь грамотно интерпретировать их для заказчиков на языке бизнеса;

• Иметь продвинутые навыки коммуникации, уметь задавать уточняющие и наводящие вопросы для заказчиков по теме поставленной проблемы.

*Мы стараемся отвечать на все присланные нам резюме, но, если вам не поступил ответ в течение 2 и более недель, значит мы перешли к финальным этапам отбора. Спасибо за ваш интерес!