Дата-аналитик / Аналитик-разработчик (A/B платформа)

Что предстоит делать

Циан — публичная IT-компания, крупнейший в России сервис для поиска недвижимости, входит в мировой топ-10. Больше 20 лет мы помогаем быстрее решать вопросы с жилой и коммерческой недвижимостью: найти, оценить, купить, снять, продать, сдать и оформить сделку без рисков. Мы делаем сервисы, которые помогают владельцам недвижимости, застройщикам, агентам и обычным людям оптимизировать рутину поиска и продаж. О роли Мы ищем Дата-аналитика/Аналитика-разработчика в команду, которая отвечает за развитие внутренней A/B платформы. Роль включает поддержку сервисов автоподсчёта результатов, исследовательскую аналитику, разработку аналитических бэкенд-сервисов и библиотек, а также создание визуализаций для аналитиков/продактов. Задачи, которые нужно решать • Поддержка A/B платформы как внутреннего сервиса для продуктовых команд: решение инцидентов, обеспечение стабильности пайплайнов расчётов (Airflow), поддержка расчётных библиотек и метрик; • Развитие логики автоматических расчётов: масштабирование, оптимизация вычислений, улучшение удобства использования; • Поддержка и развитие внутренних библиотек для расчёта A/B-тестов Контроль корректности статистических методов, реализованных в платформе (power, MDE, корректировки, guardrail-метрики и др.); • Разработка и поддержка мониторингов и health-checks платформы (качество данных, SRM, полнота расчётов, аномалии метрик); • Участие в проектировании аналитической архитектуры платформы, взаимодействие с Data Engineering и ML Platform командами по вопросам данных, витрин и пайплайнов; • Консультации и обучение продуктовых аналитиков работе с платформой, интерпретации результатов и выбору метрик; • Поддержка документации, гайдлайнов и best practices. Наш будущий коллега • Имеет опыт работы от 2х лет в роли Дата аналитика/Аналитика-разработчика/Data Scientist'а; • Владеет SQL и любой из BI систем (FineBI, Tableau, QlikSense, и т.п.); • Уверенно владеет Python для аналитических задач: разработка библиотек, написание модульного и повторно используемого кода (PySpark, Pandas, NumPy, Matplotlib/Plotly/Seaborn, SciPy, Statsmodels); • Базовое понимает A/B тестирование и причинно-следственный анализ: постановка гипотез, uplift, доверительные интервалы, корректные выводы; • Знает теорию вероятностей и математической статистики на уровне, достаточном для реализации расчётных методов и корректной интерпретации результатов.

Что предлагаем