Data Scientist

Что предстоит делать

<p><strong>Fozzy Group</strong> — одна из крупнейших торгово-промышленных групп в Украине и один из ведущих украинских ритейлеров, насчитывающий более 700 торговых точек по всей стране. Компания также занимается электронной коммерцией, пищевой переработкой и производством, сельскохозяйственным бизнесом, доставкой посылок, логистикой и банковским делом. <br> </p><p>В <strong>Fozzy Group</strong> мы разрабатываем систему поддержки принятия решений нового поколения, которая объединяет операционные, коммерческие и инвестиционные данные для оптимизации финансовой эффективности и улучшения опыта гостей. В роли <strong>Data Scientist</strong> вы будете отвечать за слой измерений для получения аналитики эффективности инициатив и инвестиций. Роль организована вокруг трех направлений: <br>• <strong>Измерение эффекта и каузальный вывод: </strong>количественная оценка истинного инкрементального влияния инициатив с помощью A/B-тестирования и квазиэкспериментальных методов. Измерение прироста частоты покупок, расходов гостей, среднего чека и удержания по сравнению с правильно спроектированными контрольными группами, а также формирование четких выводов о том, работает ли инициатива и оправдывает ли она свои затраты. <br>• <strong>Анализ драйверов и гетерогенности:</strong> выявление наиболее значимых факторов эффективности проектов с помощью ML: структура и динамика профиля гостя, наличие технологий, ассортимент, расстояние до конкурентов — чтобы бизнес мог оценить потенциал проекта для каждого магазина, прогнозировать эффекты и масштабироваться более эффективно. <br>• <strong>Самодостаточная валидация и мониторинг:</strong> создание переиспользуемых автоматизированных фреймворков для валидации эффектов и мониторинга, которые позволят финансовому отделу и владельцам бизнеса получать проверенные ответы по запросу с полной прозрачностью источников и воспроизводимостью.<br>Вы присоединитесь к кросс-функциональной команде для проектирования и внедрения модуля принятия решений на основе данных, который напрямую влияет на финансовые результаты. </p><p><strong>Обязанности</strong> <br>• Проектирование и проведение экспериментов (A/B-тесты) и квазиэкспериментов (разность разностей, синтетический контроль, подбор по склонности), а также применение каузального ML для оценки инкрементальных и гетерогенных эффектов операционных, коммерческих и инвестиционных инициатив. <br>• Построение моделей прироста / гетерогенного эффекта лечения для определения того, какие гости, сегменты и магазины реагируют наиболее сильно, и количественная оценка эффектов на ключевые метрики — частоту покупок, долю кошелька / расходы гостя, средний чек, CLV и удержание (с помощью моделей выживаемости) — для пилотных групп по сравнению с контрольными. <br>• Разработка интерпретируемых моделей драйверов (градиентный бустинг с SHAP, каузальные леса), которые объясняют эффективность проекта, и ранжирование факторов с наибольшим влиянием на результаты. <br>• Построение моделей оценки потенциала магазинов и прогнозирования эффектов на уровне магазинов — вероятностное и иерархическое прогнозирование, трансферное обучение и эмбеддинги магазинов для заимствования сигнала по всей сети — для руководства и приоритизации решений о масштабировании. <br>• Разработка адаптивной логики досрочной остановки с использованием байесовского последовательного тестирования, многоруких бандитов и обнаружения точек изменения для перераспределения или остановки развертывания, как только экономический сигнал становится маргинальным. <br>• Перевод финансовых и коммерческих вопросов в статистически строгие дизайны измерений и связывание статистических результатов с экономической ценностью (инкрементальность, ROI, окупаемость). <br>• Создание пайплайнов на SQL и Python, переиспользуемых наборов признаков / feature store и самодостаточного фреймворка для экспериментов. <br>• Внедрение в production и мониторинг моделей (MLOps) — обнаружение дрейфа, автоматическая валидация, воспроизводимость и прозрачность источников. <br>• Партнерство с командами финансов, инвестиций, коммерции и операций для предоставления проверенных, готовых к принятию решений аналитических данных. <br> </p><p><strong>Требования <br></strong>• Степень бакалавра в области математики / количественной экономики / эконометрики / статистики / компьютерных наук / финансов; <br>• Не менее 2 лет практического опыта работы в Data Science; <br>• Прочная база в статистике, каузальном выводе и дизайне экспериментов — A/B-тестирование, проверка гипотез, анализ мощности; <br>• Подтвержденный опыт работы с SQL (оконные функции, CTE, объединения) и Python; <br>• Экспертиза в машинном обучении, анализе временных рядов; <br>• Способность работать самостоятельно и декомпозировать сложные проблемы. <br> </p><p><strong>Будет плюсом <br></strong>• Опыт работы с Airflow, Docker или Kubernetes для оркестрации данных; <br>• Практический опыт работы с Amazon SageMaker: обучение, развертывание и мониторинг ML-моделей в production-среде; <br>• Знание программного обеспечения для отчетности и бизнес-аналитики (Power BI, Tableau, Looker); <br>• Способность проектировать и поставлять готовые аналитические/ML-решения. <br> </p><p><strong>Что мы предлагаем <br></strong>• Конкурентная заработная плата; <br>• Возможности профессионального и личностного развития; <br>• Работа в динамичной команде молодых и амбициозных профессионалов; <br>• Корпоративные скидки на спортивные клубы и языковые курсы; <br>• Медицинская страховка.</p> <div> <a href="https://jobs.dou.ua/companies/silpo/vacancies/365994/#reply-btn-id">Откликнуться на вакансию</a> </div>