Аналитика данных вакансии — в офисе

• Опыт работы бизнес-аналитиком или системным аналитиком. • Python и SQL, Power BI и Looker Studio, Excel/Google Sheets.

Опыт ETL-проектов. Уверенное знание SQL.

• Отличное знание Python и ML-стека: pandas, numpy, scikit-learn, бустинги (CatBoost/LightGBM/XGBoost), SHAP. • Хорошее знание deep learning и опыт с PyTorch/TensorFlow.

Сформировать единую структуру данных по компаниям, проектам, договорам, мерам поддержки, международным мероприятиям и результатам деятельности. Организовать корректное хранение данных.

анализ структур данных в разных источниках и форматов, оценка их пригодности для конкретных бизнес-задач. загрузка, обработка и преобразование больших объемов данных из разнородных хранилищ (Postgres, Clickhouse, Hadoop) в рабочие среды (Hadoop).

Обязанности: анализ и обработка данных, подготовка отчётов и дашбордов, автоматизация бизнес-процессов, работа с API и интеграциями, внедрение AI/LLM в рабочие процессы, разработка небольших внутренних веб-инструментов.

анализ данных существующих автоматизированных систем. разработка прототипов SQL и подготовка эталонных данных.

• Уверенный SQL. • Хорошее аналитическое и структурное мышление.

• От 2 лет опыта в роли Head of Data / Data Group Lead. • Уверенное владение SQL.

Location: Almaty, Kazakhstan Workplace: OnSite WHY WORK AT HIGGSFIELD AI? Higgsfield AI is the fastest-scaling generative AI company in history, hitting $1B in annual revenue run rate, 30M+ users worldwide, 6M+ generations per day, and powering 390 of Fortune 500 brands. We're building at the absolute frontier of AI-powered video creation and next-generation creative tools. Joining Higgsfield means becoming part of a high-impact team shaping the future of AI-native experiences, at a company that isn't just moving fast, but rewriting what fast looks like. WHAT THIS ROLE MEANS AT HIGGSFIELD Most subscription businesses lose a password. We lose GPU-seconds. When someone runs two hundred accounts off one card to harvest a per-account promotional grant, the cost lands on our compute bill the same hour, and it does not stop until somebody finds them. We have found operators doing exactly that — hundreds of accounts, synchronised signups, machine- generated emails, round-the-clock automation — and we have also found that most of our worst- margin accounts are not abusers at all, just heavy users on an unlimited plan. Telling those two apart, account by account, with evidence that survives being challenged, is this job. You are the person who finds them, proves it, and puts a number on it. You make sure: - Every enforcement action we take is backed by evidence a stranger could follow - We know what abuse cost us last month, on the same basis as last month - The detection system is measured against real cases, not against its own past decisions - When a ring changes shape, somebody notices this week — and that somebody is you WHAT YOU WILL DO Investigation & casework - Run ring investigations end to end: from a flagged account or a cost anomaly to a named cluster, its members, its signature, its lifetime economics and a recommended action. - Build the linkage yourself — shared payment instruments, IP and ASN concentration, email-stem families, registration bursts, behavioural and automation fingerprints — and know which links are evidence and which are coincidence. - Separate abuse from unprofitable-but-legitimate every single time. On an unlimited plan, negative gross margin is normal. Cost is a gate, never a trigger. - Triage the review queue the detection system produces, and feed what you learn back into it. Your adjudications are the only unbiased labels the scientist has. Evidence & defensibility - Produce evidence packages that hold up outside the company — to an external auditor, to a payment network, to a customer disputing a ban, to Legal enforcing our Terms. Our abuse work has already been used in all four contexts. - Write per-account, not per-ring, when the action is per-account. A ban list without a reason column is not evidence. - Know what our Terms of Use actually entitle us to do, and flag when the evidence supports the finding but not the action. Quantification & reporting - Own the abuse loss number: what it cost, on what basis, net of the revenue we reversed and the legitimate customers we caught by mistake. Same definition every month, written down. - Distinguish COGS burned, revenue at risk, revenue reversed and cash refunded — they are four different numbers and people will conflate them. - Build the recurring reporting that tells us whether the problem is growing, and the ad-hoc answer to "why did compute spike last Tuesday" that is due the same day. Monitoring & adaptation - Watch the detectors themselves. A rule that stops firing is a detection event, not a quiet week. - Check the instrument before explaining the movement: a missing upstream table, a silently dropped join, a vendor signal that went away. This has bitten us and it will again. - Spot new abuse patterns before they are in anybody's model — usually in a cost anomaly, a strange cohort, or a support ticket that does not fit. How we work - SQL and Python on raw payment, usage and identity data in BigQuery, without anyone preparing it for you. We use AI heavily — resourcefulness beats syntax. - Close partnership with the Antifraud data scientist (you validate what they build), Payments (chargebacks and processor signals), Support (the humans who meet your false positives) and Finance (the loss number goes in the accounts). WHO WE'RE LOOKING FOR - 2+ years doing investigative or risk analytics — fraud, abuse, trust and safety, AML, chargebacks, gaming or marketplace integrity. What matters is that you have chased real bad actors, not modelled them in the abstract. - Strong SQL, without help. Self-joins, window functions, cohort replay, and joining payments to usage to identity across messy keys. This is the single most-used skill in the role. - Python at working level for analysis — pandas, notebooks, a bit of graph work. - Investigative instinct: you follow the thread, you notice the thing that does not fit, and you can say when a pattern is a coincidence. - Evidentiary discipline: you can write up a finding so that somebody who distrusts you can check it, and you know the difference between "this looks like abuse" and "this is provable." - Unit-economics literacy: gross margin per account, what compute costs, and why a negative-margin customer may be entirely legitimate. - The judgment to escalate rather than act when the evidence is thin, and to say so in writing. - Clear written and spoken English, B2+. Backgrounds that often do well: - Fraud / risk analysts from fintech, payments, marketplaces, gaming, crypto or betting - Trust & safety investigators and platform-integrity analysts - Chargeback, dispute or AML analysts who write their own queries - Strong product or BI analysts who got handed the abuse problem and kept it WHAT THIS ROLE IS NOT This role is not a fit if you: - Want to build models full time — that is the Antifraud data scientist, and it is open - Want to do content moderation or NSFW classification - Would put an account on a ban list without being able to say why in one sentence - Treat every negative-margin account as an abuser - Need a labelled dataset or a clean table before you can start - Are uncomfortable that your work gets real people's accounts restricted, sometimes wrongly - Want predictable 9–5 workdays HIRING PROCESS - Screening call (30 min) - Hiring-manager screen (30 min) - Business case (1 hour) - Take-home with real-shaped data (7 days, ~10–12 hours of work) - Team interview (60 min) - Paid on-site trial (1 month) THE DEAL - Competitive salary in USD - Equity: participation in the company's stock option program - On-site role in Almaty, Kazakhstan - Relocation support (flight + temporary housing) - Flat structure, high autonomy, fast career growth

Задачи: — Участие в построении автоматизированной системы контроля качества данных (DQ): развитие проверок, покрытие ключевых потоков, автоматизация. — Обработка запросов внутренних заказчиков: выгрузки, сверки, проверка данных. — Контроль корректности отчётности: следить за загрузками, разбирать расхождения, проверять цифры до публикации. — Поддержка и развитие отчётов и дашбордов в Power BI. — Работа с данными: подготовка, трансформация, визуализация, контроль качества. — Документирование процессов, поддержка актуальности описаний. Требования: — SQL на уровне оконных функций, умение разобраться в незнакомой витрине. — Уверенное владение Power BI. — Опыт работы с реальными данными, а не только учебными примерами. — Честность, открытость, ответственность. — Умение самостоятельно разбираться в задачах и доводить до результата. — Готовность работать в офисе полный день. — Будет плюсом: опыт построения проверок качества данных (DQ, Great Expectations, dbt tests), Python для выгрузок и работы с API, понимание Airflow и dbt, опыт в ритейле или e-commerce. Условия: — График работы: 5/2 с 9:00 до 18:00. Офисный формат работы. После испытательного срока готовы предоставить гибридный формат. — Скидка на ДМС. — Ювелирные подарки сотрудникам в честь возрастания стажа работы в команде. — Скидки на покупку ювелирных изделий. — Спортивные мероприятия: баскетбол, футбол, настольный теннис, беговые марафоны, плавание и танцы. — Стабильную выплату заработной платы два раза в месяц без задержек. — Подарки в честь значимых событий в жизни сотрудников: День Рождения, подарки детям на Новый год. — Оборудованная кухня внутри офиса с кофемашиной. — Просторный и комфортный офис в шаговой доступности от метро Марьина Роща.

Задачи: — Анализ бизнес- и операционных данных — SQL-запросы и работа с PostgreSQL, MongoDB — Подготовка отчётности и дашбордов в Power BI — Расчёт KPI, ad-hoc аналитика, поиск закономерностей и аномалий — Обработка и автоматизация данных с помощью Python Требования: — Опыт Data Analyst от 2 лет — Уверенный SQL — Практический опыт с PostgreSQL и MongoDB — Python (pandas), Power BI — Аналитическое мышление и понимание бизнес-метрик — MongoDB Aggregation Pipeline будет плюсом Условия: — Собственные IT-продукты в логистике и e-commerce — Реальные возможности карьерного и профессионального роста. — Корпоративные мероприятия, льготная программа Invictus GO и динамичная корпоративная культура.

Обязанности: • сбор и выгрузка данных по запросу вышестоящего руководства из базы данные (SQL); • информирование сотрудников IТ-отдела о необходимости внесения изменений в программу по складским операциям или выгрузки данных из операционной БД; • ведение отчетности в Bi системе (Finebi) - если не было опыта, обучим. Требования: • образование: ИТ, математическое, техническое, экономическое; • базовое знание Exсel; • навыки чтения и анализа сложных SQL-запросов; • знание языка SQL (SELECT, INSERT, UPDATE, DELETE, JOIN, оконные функции), ClickHouse; • желание узнавать новое и развиваться. Условия: • график работы 5/2 с 8.30-до 17.30 (обговаривается); • офис в центре города; • оформление по ТК РФ (официальное трудоустройство, оплачиваемые отпуск и больничный, все прочие соц. гарантии и компенсации); • возможность посещения за счет компании групповых спортивных мероприятий; • корпоративные скидки и бонусы.

Обязанности: • Проектировать, разрабатывать и сопровождать ETL/ELT-процессы для загрузки, преобразования и контроля качества данных; • Разрабатывать и оптимизировать сложные DAG в Apache Airflow; • Проектировать архитектуру пайплайнов данных с учетом надежности, масштабируемости и производительности; • Интегрировать данные из различных источников: PostgreSQL, внешние API, webhook, S3-совместимые хранилища и другие системы; • Разрабатывать и сопровождать пайплайны обработки данных на Python и Apache Spark; • Работать с lakehouse-архитектурой и таблицами Apache Iceberg; • Оптимизировать SQL-запросы, ETL/ELT-процессы и инфраструктуру обработки данных; • Писать тесты для пайплайнов данных, обеспечивать качество и стабильность решений; • Проводить code review и участвовать в развитии инженерных стандартов команды; • Взаимодействовать с аналитиками, BI-специалистами и разработчиками для реализации бизнес-требований к данным; • Участвовать в сопровождении инфраструктуры и разборе инцидентов. Требования: • Опыт работы дата-инженером / ETL-разработчиком / backend-разработчиком от 1 года; • Уверенное знание Python; • Уверенное знание SQL, опыт написания и оптимизации сложных запросов; • Практический опыт работы с PostgreSQL; • Опыт работы с Apache Airflow, умение самостоятельно создавать и сопровождать сложные DAG; • Понимание архитектуры пайплайнов данных и умение проектировать технические решения; • Опыт разработки ETL/ELT-пайплайнов; • Опыт оптимизации производительности обработки данных; • Навыки написания тестов; • Опыт проведения code review; • Опыт работы с различными источниками данных и интеграциями; • Самостоятельность, системное мышление, ответственность. Условия: • Зарплата: 250 – 280 тыс на руки (полностью белая); • Ненормированный график, но без переработок (любые переработки компенсируются дополнительными выходными днями, но нужно быть готовым в случае необходимости поработать и поздно вечером, и в выходной день); • Офис в центре города (м. Трубная/Цветной бульвар).

Обязанности: • проведение углубленного анализа данных розничного кредитования • разработка, совершенствование и поддержка дашбордов и регулярной отчетности по ключевым метрикам риска • автоматизация рутинных процессов и аналитических задач • интерпретация результатов анализа для руководства и смежных подразделений, формулирование рекомендаций для управленческих решений Требования: • глубокие практические знания в области управления розничными кредитными рисками. Обязателен успешный опыт работы на всех этапах жизненного цикла кредита: от скоринга заявок до управления проблемной задолженностью и работой с дефолтами. • продвинутое владение SQL (написание и оптимизация сложных запросов, построение и поддержка структур данных для аналитики). • опыт применения Python для анализа данных (Pandas, NumPy, SciPy и т.д.). • навыки визуализации данных и презентации аналитических выводов. Способность ясно и структурированно доносить сложную информацию до различной аудитории, включая технических специалистов и топ-менеджмент • навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимущество • опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов • инструментальное владение AI для анализа, генерации и автоматизации Условия: • комфортный современный офис • офисный формат работы • 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 • бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров • вознаграждение за рекомендацию друзей в команду Сбера.

Обязанности: • Проектировать, разрабатывать и сопровождать ETL/ELT-процессы для загрузки, преобразования и контроля качества данных; • Разрабатывать и оптимизировать сложные DAG в Apache Airflow; • Проектировать архитектуру пайплайнов данных с учетом надежности, масштабируемости и производительности; • Интегрировать данные из различных источников: PostgreSQL, внешние API, webhook, S3-совместимые хранилища и другие системы; • Разрабатывать и сопровождать пайплайны обработки данных на Python и Apache Spark; • Работать с lakehouse-архитектурой и таблицами Apache Iceberg; • Оптимизировать SQL-запросы, ETL/ELT-процессы и инфраструктуру обработки данных; • Писать тесты для пайплайнов данных, обеспечивать качество и стабильность решений; • Проводить code review и участвовать в развитии инженерных стандартов команды; • Взаимодействовать с аналитиками, BI-специалистами и разработчиками для реализации бизнес-требований к данным; • Участвовать в сопровождении инфраструктуры и разборе инцидентов. Требования: • Опыт работы дата-инженером / ETL-разработчиком / backend-разработчиком от 1 года; • Уверенное знание Python; • Уверенное знание SQL, опыт написания и оптимизации сложных запросов; • Практический опыт работы с PostgreSQL; • Опыт работы с Apache Airflow, умение самостоятельно создавать и сопровождать сложные DAG; • Понимание архитектуры пайплайнов данных и умение проектировать технические решения; • Опыт разработки ETL/ELT-пайплайнов; • Опыт оптимизации производительности обработки данных; • Навыки написания тестов; • Опыт проведения code review; • Опыт работы с различными источниками данных и интеграциями; • Самостоятельность, системное мышление, ответственность. Условия: • Зарплата: 250 – 280 тыс на руки (полностью белая); • Ненормированный график, но без переработок (любые переработки компенсируются дополнительными выходными днями, но нужно быть готовым в случае необходимости поработать и поздно вечером, и в выходной день); • Офис в центре города (м. Трубная/Цветной бульвар).

Location: Chișinău Workplace: onsite The international technology company Ajax Systems opens a full-cycle production. Ajax Systems is the largest developer and manufacturer of security systems in Europe. The back office, R&D department, and two full-cycle production facilities are located in Ukraine. The company has branch offices worldwide: UAE (Dubai), Italy, Spain, Germany, Poland, Canada, and many other regions. Ajax team has more than 2,200 employees, including 500 developers and 1,200 production workers. Attracting local expertise in each key market enables us to scale the product globally and grow fast. Responsibilities: Data collection and extraction: working with databases, ERP systems, Google Sheets, and APIs. Data cleaning and transformation: Data Cleaning / Wrangling. Report and dashboard development. Data visualization: selecting the most appropriate visualizations to communicate information effectively. Ad-hoc business support: responding to ad-hoc requests from different departments and supporting report users. Documentation: documenting analysis methodologies, data sources, and KPI calculation logic. Report automation: automating regular reporting, reducing manual operational work, and building data pipelines using ETL tools or scheduling features in BI tools. Requirements: Advanced SQL analysis: writing complex queries using JOINs, CTEs, and window functions to retrieve and analyze the required data. Building data pipelines and ETL processes: designing and implementing reliable processes for extracting, transforming, and loading data from various sources into a centralized storage system (Data Warehouse, Data Lake). Working with cloud platforms: hands-on experience with Google BigQuery. Data Storytelling: ability to go beyond simply presenting charts and tell a clear, compelling story based on data that leads to specific business decisions. This includes structuring presentations and effectively communicating insights. Strong knowledge of Power BI. Tech Stack: SQL, Power BI, Google BigQuery, Python. Ajax Systems is a big team of professionals and open-minded people who share ambitious goals. Join in!