Спроектировать модель данных под OpenRTB-поток: bid request / bid response, win / loss notice (nurl, burl, lurl), показы, клики, конверсии. Связать их сквозными ключами (request id, imp id, user / device id)
Построить дашборды для монетизации и продаж: fill rate, bid rate, win rate, eCPM, bid density, таймауты, качество трафика, разрезы по DSP, форматам и плейсментам
Закрывать ad hoc запросы от продукта, продаж и менеджмента
Собирать рекламные сегменты: интересы, поведение в сторе (установки, категории, платежи), lookalike, правила обновления и выгрузки в DSP и DMP
Строить инструменты для анализа рекламных кампаний: self-service отчёты для менеджеров и рекламодателей, пересечение аудиторий, частота, post-click и post-install метрики, оценка инкрементальности
Управлять A/B-тестами и запуском продуктовых фич: дизайн экспериментов, расчёт мощности и длительности, контроль корректности сплитов, подведение итогов и рекомендации по раскатке
Требования
Опыт от трёх лет в programmatic: SSP, DSP, DMP, ad network или AdTech/BigData-подразделение телеком-оператора или банка
Понимание OpenRTB 2.5/2.6 на уровне логов: какие поля есть в запросе, где теряется аукцион, как считать воронку
Уверенный SQL на больших объёмах (ClickHouse обязательно, Hadoop/Spark будет плюсом)
Python для анализа и автоматизации (Pandas, оркестрация через Airflow или аналоги)
BI: Superset, DataLens, Grafana или аналоги
Опыт построения аудиторных сегментов и понимание ограничений по данным и 152-ФЗ
Будет плюсом
Имеете опыт проведения A/B-тестов: статистические критерии, MDE, CUPED или аналогичное снижение дисперсии, понимание проблемы peeking и множественных сравнений
Уже работали с платформой экспериментов или участвовали в её построении — будет оч круто