BI-аналитик (риски, портфели, кредитование)

Направление

Компания работает с большими массивами данных и аналитикой, которая помогает финансовым организациям принимать решения.

Отдел анализа данных и отчётности — BI-направление по рынку кредитования. Строим аналитические датасеты, чарты и дашборды в Apache Superset по портфелям, винтажам, заявкам, рискам, коллекшну и бенчмарку.

Новая позиция с широким охватом: ты будешь единственным профильным BI-специалистом и закроешь BI-направление целиком — от создания дашбордов до автоматизации отчётности.

Задачи

• Разработка и поддержание датасетов, чартов и дашбордов в Superset по рынку кредитования (портфели, винтажи, заявки, риски, коллекшн, бенчмарк), в основном создание новых.
• Построение ad-hoc отчётности и проведение B2C-аналитики (поведение на сайте, конверсия, воронка).
• Сбор и формализация требований: работа с бизнес-заказчиками, перевод бизнес-языка в ТЗ на отчёт.
• Приоритезация бэклога запросов, управление ожиданиями и согласование результата.
• Выстраивание прозрачной коммуникации: статусы, фиксация договорённостей, обратная связь по готовым дашбордам.
• Распределение времени (ориентир): ~30% SQL, ~40% дашборды, ~10% Python (трансформация данных для загрузки в Superset + автоматизация рутинных выгрузок), ~10% общение с заказчиком, ~10% ревью.

Что ожидаем от тебя

• Опыт работы от 3 лет в области аналитики и отчётности в домене кредитных продуктов (риск-аналитика / аналитика продаж).
• Apache Superset — уверенно: создание датасетов, чартов и дашбордов с нуля, настройка визуализаций, работа с параметрами и фильтрами.
• SQL — уверенно: написание скриптов для агрегации данных под дашборды, сложные запросы (JOIN, подзапросы, CTE, оконные и аналитические функции, агрегации), оптимизация запросов.
• Понимание реляционных БД и хранилищ данных (PostgreSQL или аналог, структура витрин, слои DWH) и умение готовить данные под отчёт: формировать витрину/целевой набор, проверять качество и актуальность исходных данных.
• Софты: точность и внимательность к данным (умение находить и обрабатывать аномалии) и общительность для работы с большим числом заказчиков из разных подразделений.

Будет плюсом:

• Python на уровне обработки данных (pandas, requests) — для трансформации данных и автоматизации рутинных выгрузок.
• Опыт работы с DWH/ETL-инструментами (Airflow, DBT).

Что мы предлагаем

• Работа с большой базой данных, которых нет у большинства игроков рынка.
• Широкий фронт и разнообразие: дашборды по портфелям, винтажам, заявкам, рискам, коллекшну и бенчмарку + B2C-аналитика — не узкая тема, а весь рынок кредитования.
• Высокая степень самостоятельности: сам выстраиваешь процесс от сбора требований до релиза дашборда.
• Простор для развития: от визуализаций до автоматизации отчётности на Python и участия в развитии BI-направления.
• Оклад + годовой бонус, оформление по ТК РФ в IT-аккредитованную компанию.
• Формат работы: мягкий гибрид в Москве (центр Москвы, 6 мин. пешком от метро) — приоритет; удалёнка по России возможна для сильного и релевантного кандидата.
• Удобный график: гибкое начало и окончание рабочего дня.
• Здоровье: расширенная ДМС со стоматологией и полисом путешественника с первого дня, дополнительные дни отпуска, компенсация фитнеса.
• Развитие: внешнее обучение, конференции, внутренние митапы и обмен опытом.
• Атмосфера: реферальная программа, командные активности, корпоративы, тематические встречи; работа с сильными специалистами Big Data, ML, IT.

Как мы проводим собеседования

Общение онлайн, с видео:

• HR-call — знакомство, рассказ о компании и вакансии, вопросы по опыту и мотивации.
• Техническое интервью (единственный технический этап) — проводят руководитель отдела и ведущий аналитик данных. Обсуждение опыта, подходов к работе, кейсов; проверка знаний SQL — задачи устные и, возможно, письменные. SQL — основа, поэтому знанию SQL уделяется ключевое внимание.
• Проверка документов (анкета в электронном виде, проверка обычно 1-2 рабочих дня).
• Оффер — обсуждение даты выхода на работу.