ОБЗОР ПОЗИЦИИ И ПРОДУКТА:
Мы строим Customer Intelligence & Personalization Platform для экосистемы бизнесов в Армении на основе Golden Record (единый профиль клиента).
Вам предстоит спроектировать слой между сырыми данными core banking системы и витринами платформы.
Главный вызов — реверс-инжиниринг слабо документированного источника, восстановление бизнес-смысла данных и создание осознанной модели для Customer 360, сегментации и скоринга.
Мы используем AI-native подход и ожидаем того же от кандидата (применение AI для разбора legacy, написания SQL и документации).
Задачи:
• Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику;
• Идти от целевой витрины к источнику: определять таблицы и логику сбора атрибутов;
• Разделять случаи, когда одинаковые данные получены разными путями, фиксировать правила выбора;
• Описывать модель данных и метаданные (сущности, связи, grain, ключи, историчность);
• Формировать требования к витринам для сегментации, scoring и рекомендаций;
• Писать SQL-исследования, прототипы трансформаций и проверять гипотезы;
• Выяснять смысл данных напрямую у сотрудников банка.
Требования:
• Сильный SQL (оконные функции, сложные join-цепочки, анализ качества и распределений);
• Опыт реверс-инжиниринга плохо документированных источников;
• Опыт работы с банковскими / fintech-данными (Core banking, ArmSoft, legacy системы) и построения Customer 360;
• Понимание data modelling (сущности, grain, ключи, историчность, master entities);
• Уверенное владение Python на уровне исследования данных;
• Владение Git, Linux, опыт работы в закрытых Dev/UAT-контурах;
• Использование AI-инструментов для анализа схем и написания кода;
• Проактивность и самостоятельность в доведении задач от «сырья» до целевой витрины (отлично подойдет бэкграунд дата-инженера с опытом работы с сырыми источниками).
Будет плюсом:
• Знание армянского языка;
• Методологии матчинга и дедупликации;
• Опыт с Data Vault 2.0, DBT (или аналоги);
• Понимание PII, маскирования, RBAC;
• Опыт работы в регулируемом on-premise контуре;
• Экспертиза в ML, ML Ops.
Условия:
• Взаимодействие по договору ИП;
• Гибридный формат работы в Армении (готовность работать из офиса банка до 3 раз в неделю).
О компании OperAI — интерактивная система на базе ИИ для управления операционной деятельностью компании. Цель — создать «второй мозг для CEO», сделать процессы прозрачными и управляемыми, помочь руководителям видеть риски, договорённости и реальное состояние компании. Сейчас запускают пилоты с первыми командами и проверяют продуктовые гипотезы.
Требования:
— Опыт в продуктовой или data-аналитике от 3 лет
— Опыт проектирования архитектуры данных и построения аналитической инфраструктуры с нуля
— Умение создавать модели, схемы и пайплайны для сбора, обработки и хранения структурированных и неструктурированных данных, в том числе с AI
— Практический опыт работы с неструктурированными данными: переписками, расшифровками встреч, документами и корпоративными коммуникациями
— Опыт построения процессов разметки данных: разработка схем разметки, критериев качества и инструкций для разметчиков
— Уверенное владение SQL и Python для анализа и обработки данных
— Понимание ETL/ELT-процессов, требований к качеству данных и принципов Data Governance
— Глубокое понимание принципов работы LLM, embeddings, RAG и AI-агентов
— Умение проектировать метрики и системы оценки AI-функций: точность, полнота, галлюцинации и реальная польза для пользователя
— Готовность брать на себя ответственность и строить аналитическую функцию продукта с нуля
Задачи:
— Проектировать систему внутренней аналитики
— Проектировать структуру хранения данных: события, встречи, задачи, решения, коммуникации и связи между ними
— Помогать формировать единую модель данных для AI-функций продукта
— Оценивать качество работы LLM: точность извлечения фактов, полноту, галлюцинации и полезность результатов
— Разрабатывать подходы к разметке данных и созданию датасетов для тестирования AI-системы
— Участвовать в проектировании AI-пайплайнов, RAG, embeddings и систем поиска по корпоративным данным
— Находить закономерности в операционных процессах клиентов и превращать их в продуктовые решения
— Определять ключевые продуктовые метрики и строить дашборды для команды и фаундеров
— Анализировать поведение пользователей, пилотные запуски и продуктовые гипотезы
— Вместе с разработчиками улучшать качество, наблюдаемость и надёжность продукта
Будет большим плюсом:
— Опыт проектирования архитектуры AI- или ML-систем
— Работа с LLM API, векторными базами, LangChain/LangGraph или аналогичными инструментами
— Опыт построения систем мониторинга и оценки качества LLM
— Понимание операционной деятельности компаний: задач, встреч, решений, ответственности, сроков и отчётности
— Опыт работы с BI-инструментами и продуктовыми системами аналитики
— Опыт в B2B SaaS, стартапах или продуктах для руководителей и команд
— Опыт взаимодействия с data engineering, ML и backend-командами
Условия:
— Equity-модель компенсации на начальном этапе — опцион
— Возможность с нуля построить аналитику AI-продукта
— Высокое влияние на архитектуру, продуктовые решения и развитие компании
— Прямая работа с фаундерами
— Пилотные клиенты и реальные данные для проверки гипотез
— Гибкий формат работы и быстрый цикл принятия решений
— Возможность вырасти в Head of Data / AI Analytics по мере развития проекта
Компания edna — один из ведущих поставщиков решений в области цифровых коммуникаций, а также продуктов для обеспечения безопасного доступа и аутентификации пользователей.
ГибридmiddleМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Компания Symfa ищет Middle Data Quality Engineer / BA для удалённой работы из стран ЕС, Грузии или Сербии. В обязанности входит обеспечение качества данных, анализ бизнес-требований и взаимодействие с командами разработки. Кандидат должен обладать опытом работы с данными, навыками анализа и пониманием процессов контроля качества. Требуется умение работать с инструментами для проверки и валидации данных, а также способность выявлять и документировать проблемы с данными. Важны коммуникационные навыки для взаимодействия с различными отделами и понимание бизнес-процессов в сферах финансов, страхования, здравоохранения, недвижимости, туризма и HoReCa.
Задачи:
— Аналитика данных в компании Rambler
Требования:
— Опыт от 1 года
— Работа с Python и SQL
— Использование визуализаторов данных
Условия:
— Работа в Москве
— Гибридный формат работы
— Зарплата обсуждается индивидуально
• 2–3+ years of experience as a BI Analyst, Data Analyst, or in a similar analytical role. • Strong hands-on experience working with SQL-based data warehouses, particularly Google BigQuery.
Итак на эту позицию нужен data analyst, который глубоко работает с данными и это четко отражено в резюме. Прописаны обязанности, связанные непосредственно с данными в финтех области, раскрыт опыт Airflow, Oracle, service desk, ETL, PD, LGD, EAD, FineBI, SQL.
Будешь заниматься разработкой, оптимизацией и сопровождением SQL-кода наших систем: писать сложные SQL-запросы, разрабатывать процедуры, функции, триггеры и views, работать с индексами и создавать миграции. Также — анализировать execution plans, проводить code review и рефакторинг, участвовать в разборе production-инцидентов вместе с командой.
Задачи:
— Строить и улучшать автоматические процессы разметки данных, которые содержательно описывают сущности для рекомендаций и поиска в сервисах.
— Оценивать качество размеченных датасетов, включая анализ разметки, полученной от правообладателей, внешних источников и других команд, выявлять проблемные места и улучшать её.
Требования:
— Хорошо владеть теорией вероятностей и математической статистикой.
— Уметь делать выводы на основе данных.
— Уметь программировать на Python и SQL.
— Понимать, как работает интернет.
Будет плюсом:
— Опыт работы с распределёнными системами хранения и обработки данных MapReduce.
— Опыт работы с ML.
— Опыт написания парсеров.
— Опыт работы с платформами для краудсорсинга: Label Studio, Toloka, Amazon Mechanical Turk и др.
Условия:
— Ежегодные медицинские чекапы, йога и психотерапия.
— Другие бонусы, полный список доступен по ссылке https://yandex.ru/jobs/pages/benefits.
Разработка и сопровождение предиктивных моделей эффективности закупки трафика; Разработка регрессионных и классифицирующих моделей для различных задач маркетинга (прогноз плательщика, оттока и т.п.);
Задачи:
— Проектирование и разработка BI-дашбордов для бизнеса и продуктов;
— Работа с Superset и другими BI-инструментами;
— Контроль корректности данных и участие в выявлении расхождений;
— Взаимодействие с бизнес-заказчиками: оценка запросов, подбор альтернативных решений, подбор оптимальных визуализаций, срезы, фильтры;
— Работа с бизнес- и продуктовой аналитикой: выручка, маржинальность, воронки, метрики продукта и клиентского пути;
— Поддержка и развитие существующих дашбордов;
— Разбираться в источниках корпоративных данных и формировать функциональные требования в профильные отделы на их наполнение, изменение структуры и обеспечение доступа для решения поставленных задач.
Требования:
— Опыт работы на позиции BI-аналитика от 2 лет;
— Уверенный опыт построения дашбордов;
— Практический опыт работы с Superset;
— Понимание принципов визуализации данных;
— Понимание бизнес- и продуктовых метрик;
— Опыт постановки ТЗ дата-инженерам;
— Умение отстаивать свою точку зрения, аргументировать решения, предлагать несколько вариантов реализации задач.
Будет плюсом:
— Опыт в B2B / SaaS;
— Опыт работы с несколькими источниками данных (CRM, финансы (1С), продукт, маркетинг);
— Практический опыт применения Apache Airflow в задачах автоматизации работы с отчетами (выгрузки по расписанию, отправка результатов на электронную почту и т.п.);
— Навыки работы с SQL (PostgreSQL, ClickHouse) на уровне аналитика;
— Опыт работы с Trino;
— Опыт общения с топ-менеджментом или бизнес-лидерами.
Условия:
— График работы: 5/2;
— Удаленный формат работы только на территории РФ;
— Работа в аккредитованной IT-компании;
— Официальное трудоустройство по ТК РФ с первого дня;
— ДМС со стоматологией и психологом после испытательного срока.
Задачи:
— Работать с большим объемом данных
— Разрабатывать логику аналитических выборок и отчётов
— Работать с данными продаж, чеков, заказов, формировать агрегаты из транзакций, обогащать сырые данные
— Писать сложные SQL запросы
— Переводить бизнес-запросы в понятные технические задания для разработки отчётов, витрин
— Работать с расхождениями в данных, находить и анализировать ошибки
— Настраивать фильтры и метрики для BI.
Задачи:
— разбираться с данными из разных источников: проверять их качество, искать причины расхождений, создавать агрегаты данных и помогать подключать новые источники;
— развивать и поддерживать аналитическую инфраструктуру: работать с dbt-моделями, настраивать тесты и алерты, следить за корректностью ключевых данных и метрик.