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!