Мы команда CORE-аналитики в штабе CX, выстраиваем работу с данными по характеристикам и действиям клиентов банка. Ключевая роль данной позиции – создать и поддерживать слой данных (сырые данные → агрегированные → слой метрик) для работы дата аналитиков и автоматизации поставки данных в BI. Мы ищем человека, который: писал скрипты по расчёту метрик, процедуры и пайплайны обновления данных на SQL+Python — и при этом хорошо понимает бизнес-смысл того, что считает. Обязанности проектирование и разработка аналитического слоя: архитектура DWH, модели данных для Greenplum и Hadoop, разработка и поддержка SQL-скриптов для расчёта продуктовых и клиентских метрик, создание новых расчётов метрик «под ключ» автоматизация и оркестрация: разработка Airflow DAG, оптимизация пайплайнов, автоматизация рутинных ETL-операций (трансформации, загрузки, очистка, отчёты) качество и валидация данных: внедрение DQ-проверок (аномалии, null, типы, логические противоречия), построение мониторинга качества поддержка, масштабирование и документация: сопровождение ETL и витрин, расширение системы под новые источники/метрики, документирование архитектуры, трансформаций и бизнес-правил аналитическая составляющая: понимание смысла метрик, поиск инсайтов, клиентская аналитика (сбор, группировки, выводы, документирование), сотрудничество с BI-командой обмен знаниями: передача знаний смежным аналитикам, разработка best practices для команды. Требования продвинутый SQL: опыт написания больших сложных скриптов по расчёту метрик, процедур и пайплайнов обновления данных на SQL; уверенная оптимизация запросов и работа с большими объёмами (window functions, CTE, сложные джойны, агрегации) опыт построения ETL/ELT-пайплайнов от 2 -х лет опыт работы с Airflow или аналогами уверенный Python (pandas, numpy, генераторы, ООП) опыт работы с OLAP-хранилищами (Greenplum, ClickHouse, Vertica и пр.) и Hadoop-экосистемой (Spark, Hive, HDFS), понимание spark-конфигураций понимание концепций DWH (витрины, измерения, факты, нормализация) базовые знания DQ-проверок и валидации данных владение Git навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки статистика и математика: проверка гипотез, нормальное распределение, базовые статистические тесты A/B-тестирование: теория, интерпретация результатов, проектирование клиентская аналитика: сегментация, портреты пользователей, когортный анализ, расчёт retention/churn способность находить инсайты в данных и объяснять их бизнесу. Условия комфортный современный офис рядом с м. Кутузовская формат работы - офис ежегодный пересмотр зарплаты, годовая премия корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.
Похожие вакансии