Аналитик данных

Что предстоит делать

Tranio — международная платформа для инвестиций в зарубежную недвижимость. С 2010 года мы закрыли более 2500 сделок по продаже недвижимости, а с 2016-го – профинансировали более 300 млн евро в проекты реконструкции и строительства в Европе и ОАЭ. Сегодня у нас 6 локальных офисов: в Греции, ОАЭ, Таиланде, Турции, Индонезии и на Кипре. В данный момент мы ищем опытного аналитика данных, который будет работать напрямую с собственником и руководителями команд и запросами в формате “конверсия упала – нужно разобраться”. Что нужно будет делать: • Формировать регулярную отчётность и отвечать на ad-hoc вопросы от руководителей отделов продаж, маркетинга и руководства компании, считать и объяснять лиды, сделки, комиссии, конверсии по воронке, план-факт по направлениям, командам и менеджерам, окупаемость маркетинга. • Разбираться в чужой базе, сейчас вся аналитика живёт в PostgreSQL — это зеркало CRM: около семидесяти таблиц, сотни тысяч лидов, миллионы действий по ним, при этом документация неполная, часть колонок не описана, отчётные правила ("какая дата считается датой лида", "что считать суммой сделки") существуют в головах – их придётся выяснять, фиксировать и превращать в общие правила. • Убирать ручную работу, так как часть отчётности до сих пор ведётся в Google-таблицах – мы от этого уходим, необходимо перевести регулярный расчёт в скрипт и в дашборд, договориться с теми, кто заполняет таблицы руками. • Собирать и поддерживать дашборды в Superset, чтобы за цифрой не приходили к вам каждый раз лично. • Разбирать выгрузки из внешних систем на Python: телефония, веб-аналитика, маркетинговые кабинеты (придется столкнуться с кривой кодировкой, вложенными скобками в полях и дублями строк). • Писать инструкции для внутреннего чат-бота – у нас есть бот, который отвечает на вопросы по базе обычным языком и сам ходит в неё за данными. Его знания – это карты источников (что где лежит и какие в данных ловушки) и “скиллы”: методики расчёта конкретных групп метрик. Аналитик их пишет, проверяет ответы бота на заведомо известных числах и правит, когда бот начинает врать. Что используется: • PostgreSQL – основной инструмент, большая часть расчётов — здесь; • Python (pandas) – разбор выгрузок, автоматизация регулярных отчётов; • Superset – дашборды и регулярная отчётность; • Google Sheets / Excel – наследство, от которого уходим, но пока читать и разбирать придётся; • ИИ – пользуемся ежедневно и открыто, плюс внутренний чат-бот над базой, для которого аналитик пишет скиллы. Что ожидаем: • опыт в аналитике от двух лет; • владение SQL: джойны, агрегаты, оконные функции; • владение Python на уровне рабочих скриптов – вы можете прочитать кривой CSV, разобрать текстовое поле, посчитать, собрать таблицу и оформить так, чтобы это можно было запустить повторно; • у вас есть опыт работы с недокументированной базой – умение выяснять смысл поля у данных и у людей, а не додумывать его; • у вас есть привычка задавать вопросы к постановке – наши задачи почти всегда формулируются набегу; • вы не верите ИИ на слово – пользуетесь регулярно и знаете, где он может ошибиться. Будет плюсом: • опыт с любым BI: Superset, Metabase, Tableau, Power BI, DataLens — инструменты близкие, конкретно Superset учится за неделю; • опыт перевода ручной отчётности из таблиц в автоматический процесс — целиком, вместе с договорённостями с людьми; • опыт выгрузки через API (веб-аналитика, рекламные кабинеты, телефония); • понимание аналитики продаж и CRM-воронки.

Что предлагаем