Senior DE/DS (Кампейнинг)

Мы в поиске опытного специалиста по обработке и анализу данных, который поможет нам улучшать наши коммуникационные стратегии и повышать эффективность маркетинговых кампаний через разработку специализированных решений в области обработки данных и машинного обучения. Наша команда занимается проектированием витрин данных, созданием аналитических моделей и разработкой подходов к оценке эффективности кампаний. Основные направления работы: Обеспечение сбора, хранения и обновления данных в корпоративных хранилищах (ClickHouse, Greenplum, Oracle). Оптимизация процессов вычисления сложных характеристик клиентов и формирование профилей пользователей. Анализ экспериментальных данных и разработка алгоритмов прогнозирования поведения клиентов. Подготовка отчетов и визуализаций для принятия обоснованных управленческих решений. Обязанности Проектирование и сборка витрин данных, включая таблицы и атрибуты для анализа кампаний и сегментации аудитории. Создание аналитической инфраструктуры для проведения тестов, построения воронок коммуникации и управления контрольными группами. Построение классических ML-моделей и эконометрических оценок влияния различных факторов на результативность рекламных кампаний. Совместная работа с маркетологами над улучшением показателей бизнеса через глубокую аналитику и внедрение рекомендательных систем. Требования Data Engineering: Профильное владение SQL: работа с оконными функциями, Common Table Expressions (CTE), вложенными запросами, настройкой индексирования и партисией. Опыт проектирования реляционных структур баз данных для кампаний и сегментированных аудиторий. Применение инструментов оркестрации (Airflow): создание рабочих графиков выполнения задач (DAGs), обработка исключительных ситуаций, использование сенсоров и таймаутов. Использование библиотек Python для эффективной обработки больших объемов данных. Интеграция Python-кода с источниками данных, разработка загрузочных скриптов. Data Science (ML & эконометрика): Глубокое погружение в классический Machine Learning: знание методов классификации и регрессии (бустинг, деревья решений, линейные модели, кластеры). Способности разработки кастомизированных фичей (feature engineering) для специфичных задач бизнеса (предсказания покупок, оттока, оптимального предложения клиенту). Грамотная интерпретация результатов и детальная оценка ошибок моделей. Экспертиза в эконометрике: Оценивание каузального эффекта воздействий (Causal Impact, Diff-in-diff, синтетические контрольные группы). Умение строить uplift-модели и понимать смещения и скрытые факторы (instrument variables). Метрики, контрольные группы, эксперименты: Проведение экспериментов (A/B тесты): Организация рандомизации выборок и проверка корректности разбиения групп на SQL/Python уровнях. Проведение когортного анализа, расчет LTV, retention, conversion rate, ARPU и других продуктовых метрик. Пре-экспериментальная подготовка и пост-анализ (методы снижения дисперсии типа CUPED, bootstrapping, байесовский подход). Soft Skills: Внимание к деталям при анализе данных и выявлении аномалий. Отличное статистическое мышление и критичность подхода к принятию решений. Творческий подход к формированию гипотез и разработке новых данных для улучшения предсказательной способности моделей. Условия Гибридный формат работы, в современном офисе в Москве на Проспекте Мира (Олимпийский 14, БЦ Даймонд Холл) Выгодные ипотечные льготные условия кредитования Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Сбер Еаптека и другие ДМС с первого дня и льготное страхование для близких Корпоративная пенсионная программа Детский отдых и подарки за счет Компании Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию