Middle Data Analyst (SQL, Python, DWH)

Дата-аналитик (SQL / Python / DWH / A/B-тесты / МТС)

Грейд: Middle.

Загрузка: Full-time (полная занятость).

Срок привлечения: 6 месяцев.

Формат: Удалённо из РФ.

Часовой пояс: не более ±1 часа от московского времени (UTC+3).

Локация/Гражданство: РФ.

Ищем дата-аналитика для работы с продуктовой и коммерческой аналитикой в МТС. Предстоит собирать и формализовать требования бизнеса, писать SQL-витрины данных, настраивать сбор данных, строить и автоматизировать интерактивные BI-дашборды, проводить EDA для поиска точек роста и аномалий, а также участвовать в анализе A/B-экспериментов и формировании продуктовых гипотез. Роль для аналитика с продвинутым SQL, знанием Python и пониманием архитектуры DWH.

Ключевые задачи:

• Сбор, согласование и формализация требований бизнеса к отчётности и метрикам.
• Написание SQL-витрин данных и запросов.
• Настройка сбора данных, анализ данных хранилища и источников данных.
• Документирование данных, процессов и функционала.
• Построение, развитие и автоматизация интерактивных дашбордов (BI).
• Исследование данных (EDA) для поиска точек роста бизнеса и аномалий.
• Трансформация и подготовка сырых данных из DWH в плоские аналитические таблицы.
• Проверка качества и валидация данных перед запуском аналитических моделей.
• Участие в анализе результатов экспериментов и формировании продуктовых гипотез.
• Презентация результатов исследований и подготовка регулярной бизнес-отчётности.

Обязательные требования:

Опыт:

• Опыт работы в продуктовой или коммерческой аналитике от 3 лет.
• Опыт работы с витринами данных DWH и понимание принципов их построения.
• Опыт постановки ТЗ инженерам данных на сборку новых витрин и выгрузок.
• Опыт проектирования метрик и дизайна A/B-тестов.

SQL и базы данных:

• Продвинутый SQL: сложные оконные функции, оптимизация тяжёлых запросов, сложные JOIN, CTE.
• Опыт работы с СУБД для аналитики больших данных.
• Понимание логики работы колоночных СУБД для работы с большими массивами данных.

Языки программирования:

• Python (библиотеки Pandas, NumPy) для автоматизации рутинных задач, сложной трансформации данных и EDA.

Бизнес-анализ и визуализация:

• Опыт работы с BI-системами.
• Готовность быстро освоить и работать во внутренней самописной BI-системе компании.
• Навыки проектирования UI/UX для дашбордов.

Математическая статистика:

• Знание методов проверки статистических гипотез.
• Знание теории вероятностей и методологии проведения A/B-тестирования.

Архитектурное понимание:

• Базовые знания принципов построения хранилищ данных (DWH).
• Понимание структуры слоёв данных (Staging, ODS, DDS, marts).

Инструменты и инфраструктура:

• Уверенная работа с Git.

Будет плюсом:

• Базовые навыки работы с распределёнными системами (Hadoop/Spark).
• Опыт работы с оркестраторами задач (Airflow).