Gnezdo представляет собой ведущую programmatic-платформу, специализирующуюся на эффективном размещении рекламы с применением собственной системы идентификации пользователей, DMP и технологий машинного обучения для индивидуального подбора рекламных объявлений. Мы аккредитованная IT-компания, состоим в реестре ПО и являемся резидентами Сколково. Описание роли: Мы ищем аналитика данных, который будет работать над проверкой и совершенствованием алгоритмов показа рекламы. Ваша работа будет включать анализ больших объемов данных, формулировку гипотез для A/B-тестов и тесное взаимодействие с продуктовой и инженерной командами. Эта роль идеально подойдет для тех, кто увлечен сложными задачами, связанными с AdTech, и готов внедрять инновации для улучшения пользовательского опыта. Обязанности: Анализ данных: Работа с большими массивами данных (логами рекламных показов, пользовательским поведением, метриками эффективности). Проверка алгоритмов: Анализ корректности работы алгоритмов показа рекламы и поиск возможных точек для их улучшения. Формулировка гипотез: Разработка и тестирование гипотез для оптимизации алгоритмов (например, улучшение CTR, CPM или других ключевых метрик). A/B-тесты: Постановка экспериментов, анализ их результатов и рекомендации по улучшению продукта. Визуализация данных: Создание отчетов и дашбордов для визуализации аналитических находок и представления их заинтересованным сторонам. Сотрудничество с командами: Тесное взаимодействие с продакт-менеджерами, разработчиками и data science-командой для реализации предложений и улучшений. Требования: Опыт работы: 2+ лет в области аналитики данных, предпочтительно в AdTech, eCommerce или смежных областях. Навыки работы с данными: Уверенные знания SQL для обработки и анализа данных. Опыт с большими данными: Понимание работы Clickhouse/MariaDB A/B-тестирование: Опыт постановки экспериментов и анализа их результатов. Знания статистики: Уверенные знания математической статистики и вероятностных методов. Инструменты визуализации: Опыт работы с Tableau, Power BI или аналогами. Внимание к деталям: Способность находить аномалии и неочевидные закономерности в данных. Мягкие навыки: Умение четко излагать свои выводы, аргументировать гипотезы и работать в команде.