Senior Data Analyst (Marketing Analytics / Сквозная аналитика)

Мы ищем сильного аналитика данных, который будет отвечать за цифровую эффективность маркетинга. В фокусе — работа с большими объемами данных, построение сложных воронок и атрибуция. Вы станете мостом между маркетингом, продуктом и данными: минимальная работа с опросами, максимальная — с автоматизированными инсайтами из CRM, веб-аналитики и рекламных кабинетов. При отклике в резюме или в сопроводительном письме кратко опишите ваш опыт работы с одним из ключевых направлений: эконометрика (MMM), построение сквозной аналитики или разработка сложных дашбордов для маркетинга. Будет плюсом, если вы пришлете ссылку на портфолио или примеры визуализаций. Обязанности: сбор и структурирование данных: очистка и подготовка данных из множества источников. Интеграция UTM-меток, офлайн-данных и событий для построения end-to-end (сквозной) аналитики; построение дашбордов и воронок: разработка и поддержка интерактивных дашбордов. Ключевая задача — визуализация воронок продаж, анализ LTV, CAC, ROI с возможностью drill-down по любым сегментам пользователей; эконометрика и продвинутый анализ: применение маркетинг-микс моделей (MMM), регрессионный анализ для оценки влияния каналов на результат, прогнозирование оттока клиентов и удержания; атрибуция и A/B-тесты: углубленный анализ сквозной аналитики. Требования: высшее образование в математике, экономике, статистике или IT; опыт работы от 3-х лет в аналитике данных, обязательно с фокусом на маркетинг или продукт; стек технологий: Python или R для эконометрического моделирования и обработки данных; SQL уверенное владение для написания сложных запросов к базам данных; Tableau / Power BI — для создания дашбордов; знание метрик и методологий: глубокое понимание ROAS, ROMI, LTV, CAC, конверсионных воронок, когортного анализа и метрик customer journey; опыт работы с моделями атрибуции и сквозной аналитикой, понимание принципов интеграции данных из разных источников; опыт автоматизации процессов отчетности и пайплайнов данных (Airflow, dbt), владение методами машинного обучения для прогнозирования, опыт работы в Agile-командах банков или крупных digital-продуктов, опыт внедрения систем сквозной аналитики с нуля или миграции между платформами (будет преимуществом).