Аналитик-исследователь: данные, источники, ИИ-инструменты

Location: Москва В департаменте стратегии команда из 5 человек. Ищем аналитика, который вышел за рамки поиска в Google и работы «в чате с нейросетью»: умеет собирать разнородные первоисточники, превращать их в структурированную базу и выводы с проверяемыми ссылками — и автоматизирует этот процесс. Обязанности ### Обязанности: • собирать и структурировать первоисточники: корпус по рынкам, компаниям и регулированию - официальные публикации, статистика цб рф и росстата/емиис, спарк-интерфакс, гарант / консультантплюс, скан-интерфакс, отчётность компаний • парсинг документов (pdf -> markdown/json), извлечение структурированных данных через llm (gigachat api, json schema), мониторинг изменений источников • строить систему знаний: база на markdown + yaml под git, единые словари и таксономии, метаданные, поиск по корпусу (rag: эмбеддинги, гибридный поиск), регламент проверки качества данных • автоматизировать: python (pandas, duckdb/sql), скрейпинг (scrapy / playwright), оркестрация (n8n / airflow), версионирование промптов и схем • каждый ручной процесс - кандидат на автоматизацию • анализировать и структурировать выводы: деревья гипотез и драйверов (mece), decision analysis, финансовые модели в excel; выводы по пирамиде «ответ -> аргументы -> данные» в записках и презентациях для руководства • держать стандарт достоверности: факт, допущение и суждение разделены; каждое суждение прослеживается до ссылки; ключевые утверждения подтверждены двумя независимыми источниками; уровень уверенности назван. Требования ### Требования: * 1-3 года в research-, стратегической или data-аналитике: консалтинг, аналитический центр, корпоративная стратегия, investment research * python для данных и текстов (pandas, работа с api, скрипты сбора) и sql * уверенный excel, включая чтение чужих финансовых моделей * практика с llm за пределами чата: промпт-цепочки, структурированное извлечение, rag-поиск по документам; понимание, где модель ошибается и как это проверять * desk research с дисциплиной: первичные источники приоритетнее вторичных, воспроизводимый лог поиска (запрос, дата, ссылка), правило двух источников * структурирование: пирамида минто, mece, деревья гипотез; вывод на страницу за 2-3 часа из 5-10 разнородных источников. ### Будет плюсом: • опыт построения баз знаний, парсеров, мониторинга источников: obsidian, git, n8n, docling • знакомство с babok (document analysis, root cause analysis, data dictionary) или dama (измерения качества данных) • опыт с on-prem llm: gigachat enterprise, vllm / ollama. Условия ### Условия: • стабильный оклад и социальная поддержка сотрудников • официальное оформление •  расширенный ДМС с первого дня и льготное страхование для близких • корпоративное обучение в Виртуальной школе Сбера • подписка Прайм с возможностью совместного использования на трёх близких • корпоративная пенсионная программа • гибкий дисконт по ипотечному кредиту, равный ⅓ ключевой ставки ЦБ.