Старший Data Science / Analytics Engineering консультант

Что предстоит делать

Тип роли: Контракт / Консалтинговый проект с фиксированным объемом работ Длительность: 2–3 месяца (10–12 недель) Загрузка: Полная или почти полная занятость (предпочтительно 4–5 дней в неделю) Локация: Удаленно (обязательно пересечение по времени с Испанией / CET ± 6 часов) Языки: испанский (C1+) и английский (B2+) Возможность Мы ищем практикующего старшего консультанта по Data Science / Analytics Engineering для аудита, редизайна и перестройки наших ключевых моделей оценки чарджбэков и оценки выручки. Это критически важный сквозной проект. Вам предстоит превратить существующие прототипы в production-grade пайплайны в рамках нашего современного data-стека (dbt на Databricks и Python). Кроме того, вы спроектируете и создадите легковесный инструмент для бизнес-сценариев, который позволит заинтересованным сторонам из финансового и операционного отделов запускать симуляции выручки по принципу «что если». Наша техническая философия: Парсимония вместо черных ящиков Мы осознанно отдаем предпочтение простым, легко интерпретируемым параметрическим подходам. Если ваша первая реакция на задачу прогнозирования — применить ансамбль XGBoost, модель глубокого обучения или LLM, этот проект не для вас. Мы строим модели, в которых каждый параметр несет явный бизнес-смысл, который можно объяснить нетехническим заинтересованным сторонам простым языком (например: «Если цена вырастет на 10%, конверсия упадет на X%, потому что наша расчетная ценовая эластичность составляет −1,3»). Объем работ и результаты Этап 1: Discovery и аудит (недели 1–2): Проверка текущих моделей оценки (допущения, dbt-линейность, методы валидации). Сверка исторических результатов моделей с фактическими данными бухгалтерского учета за последние 12–24 месяца для количественной оценки смещения и ошибки. Подготовка письменного отчета с выводами. Этап 2: Редизайн (недели 3–4): Предложение целевой параметрической методологии для каждой модели (гранулярность, периодичность обновления, количественная оценка неопределенности) и получение одобрения заинтересованных сторон. Этап 3: Перестройка (недели 5–9): Вывод новых моделей в продакшн с использованием dbt, Databricks и Python. Применение формулировок на основе кривых с подобранными историческими параметрами и четкими доверительными интервалами. Внедрение строгого unit/dbt-тестирования и отслеживания в MLflow. Этап 4: Инструмент сценариев (недели 9–10): Создание легковесного бизнес-интерфейса (например, Streamlit на Databricks или параметризованного дашборда Databricks SQL). Пользователи должны иметь возможность вводить гипотезы (цена ±X%, объем ±Y%, изменения структуры) и мгновенно видеть прогнозируемое чистое влияние с диапазонами неопределенности. Этап 5: Передача (недели 11–12): Проведение сессий по передаче знаний, подготовка runbook'ов/модельных карт и предоставление 2-недельной поддержки по исправлению ошибок после передачи. Ваш профиль Опыт: 5–8+ лет в Data Science, количественной аналитике или старшем Analytics Engineering. Владение продакшном: Подтвержденный опыт полного цикла владения моделями финансовых оценок или прогнозирования в продакшне. Мышление «парсимонии»: Демонстрируемая экспертиза в параметрическом/криволинейном моделировании (ценовая эластичность, кривые выживаемости когорт, кривые спроса, GLM) в противовес ML-моделям типа «черный ящик». Инструменты для заинтересованных сторон: Опыт создания качественных инструментов «что если» или интерфейсов финансового планирования для бизнес-руководства. Стек: Продвинутый Python (pandas, numpy, scikit-learn, statsmodels и/или scipy.optimize), продакшн-dbt (инкрементальные модели, снапшоты, тесты) и Databricks (PySpark, Delta, workflows). Знание домена: Непосредственный опыт в платежных рисках, чарджбэках, моделировании возвратов/споров, прогнозировании выручки, LTV когорт или аналитике ценообразования. Коммуникация: Исключительная способность сопоставлять результаты Data Science со строгими данными финансового учета. Языки: испанский (C1+) обязателен для ежедневной синхронизации с локальными финансовыми/операционными командами; английский (B2+) требуется для технической документации. Желательно, но не обязательно Опыт в FinTech, подписочных моделях, платежах или высоконагруженной электронной коммерции. Глубокое знакомство с Unity Catalog, Databricks Workflows или Airflow. Подтвержденный опыт успешных независимых консалтинговых проектов (референсы запрашиваются).