Группа Компаний Орбита - ведущий разработчик цифровых решений, российская аккредитованная ИТ-компания
Масштабный технологический проект с глубокой экспертизой в цифровизации бизнеса. Ключевые отрасли: государственный сектор, FinTech, HR Tech, коммуникации и медиа, услуги, рынок недвижимости, travel.
Нам доверяют крупнейшие компании РФ, среди них: Т1, ВТБ, Иннотех, Альфа Банк, ОИС и другие.
Более 6 лет мы ведем собственную продуктовую и заказную разработку высокоэффективных цифровых решений.
Задачи:
- Сбор, согласование и формализация требований бизнеса к отчетности и метрикам;
- Написание SQL витрин данных и запросов;
- Настройка сбора данных, анализ данных хранилища и источников данных;
- Документирование данных и процессов, функционала
- Построение, развитие и автоматизация интерактивных дашбордов (BI);
- Исследование данных (EDA) для поиска точек роста бизнеса и аномалий;
- Трансформация и подготовка сырых данных из DWH в плоские аналитические таблицы;
- Проверка качества и валидация данных перед запуском аналитических моделей;
- Участие в анализе результатов экспериментов и формировании продуктовых гипотез;
- Презентация результатов исследований и подготовка регулярной бизнес-отчетности
Требования:
- Опыт работы в продуктовой или коммерческой аналитике от трех лет;
- Опыт работы с витринами данных DWH и понимание принципов их по-строения;
- Владение SQL на продвинутом уровне (сложные оконные функции, оптимизация тяжелых запросов);
- Опыт постановки ТЗ инженерам данных на сборку новых витрин и выгрузок;
- Опыт проектирования метрик и дизайна A/B-тестов;
- Понимание логики работы колоночных СУБД для работы с большими массивами данных.
- Языки программирования: Python (библиотеки Pandas, NumPy) для ав-томатизации рутинных задач, сложной трансформации данных и EDA.
- Бизнес-анализ и визуализация: опыт работы с BI-системами; готовность быстро освоить и работать во внутренней самописной BI-системе компа-нии; навыки проектирования UI/UX для дашбордов.
- Математическая статистика: знание методов проверки статистических гипотез, теории вероятностей и методологии проведения A/B-тестирования.
- Архитектурное понимание: базовые знания принципов построения хра-нилищ данных (DWH), понимание структуры слоев данных (Staging, ODS, DDS, marts).
Мы предлагаем: