Аналитик данных (CVM)

В 2022 году Московской бирже исполнилось 30 лет. Мы появились вместе с современной Россией и за эти годы с нуля создали рынок инвестиций.

Сегодня миллионы людей и тысячи компаний доверяют нам и пользуются нашей инфраструктурой.

• Ежедневно на наших торговых платформах совершаются миллионы транзакций в минуту – без задержек, без перебоев.
• Мы храним в депозитарии цифровые записи о каждом активе, который торгуется на бирже.
• Мы следим за тем, чтобы все операции соответствовали правилам торгов и требованиям регуляторов.

А еще мы активно развиваемся и давно вышли за рамки классического биржевого бизнеса.

• Мы разрабатываем и поддерживаем платформы, которые соединяют финансовые компании и клиентов,
• Мы идем на внебиржевой рынок и создаем на нем удобные сервисы,
• Мы открываем новые возможности для инвесторов, корпораций, банков.
• Мы развиваем финансовую культуру страны.

В #moexteam уже больше 2200 человек: ИТ-специалисты и эксперты по развитию рынков, продуктовые и проектные менеджеры, финансисты и юристы, маклеры и многие другие. Мы разные, но всех нас объединяет общая цель – помочь людям и компаниям управлять деньгами, используя передовые технологии и знания.

В команде финансового маркетплейса "Финуслуги" открыта вакансия аналитика.

Чем предстоит заниматься:

Проектирование архитектуры аналитической системы:

• разработка методологии мониторинга оценки CVM и ML-моделей;

• проектирование сквозных ETL-пайплайнов для интеграции данных из DWH и ML-платформы;

• создание масштабируемых дашбордов (Fine BI) с акцентом на динамику CVM-стратегий и качество ML-моделей;

Экспертный анализ и диагностика:

• глубинный разбор причин изменений метрик для CVM и ML команд;

• оценка бизнес-воздействия ML;

• проведение A/B-тестов новых моделей и CVM-инициатив, оценка статистической значимости;

Разработка методологии и управление качеством аналитики:

• контроль качества и стандартизация анализа CVM и ML-метрик;

• разработка стратегических рекомендаций по оптимизации CVM на основе данных, развитие методологии, сценарное моделирование рисков.

Мы ожидаем, что у вас есть:

• Глубокое понимание CVP-метрик: LTV, Churn Rate, RFM-анализ, когортный анализ, ARPU, конверсия воронок;

• Знание метрик ML-моделей; принципы мониторинга ML;

• Статистические основы: методы A/B-тестирования, оценка статистической значимости результатов, работа с доверительными интервалами;

• Умение трансформировать сложные данные в инсайты через визуализации, выделяя влияние моделей на бизнес-метрики;

• Понимание, как CVM-стратегии и ML-прогнозы интегрированы в продуктовые циклы компании.