Продуктовый аналитик, B2C Каналы, Ozon Bank

Ozon Банк — это отдельная часть Ozon, где тесно переплетается всё, что связано с финансами и IT. Мы создаём новые для рынка продукты и сервисы для физических и юридических лиц. Гордимся атмосферой в командах: каждый сотрудник может влиять на процессы и пути к результату.

Ищем продуктового аналитика в команду аналитики продуктов цифровых каналов. В рамках этой команды Вы будете работать над транзакционным направлением - исследовать качество и экономику платежей, переводов, пополнений в банке.

Вам предстоит:

• Исследовать качество транзакционных сценариев в банке и искать узкие места
• Оценивать потенциальное и реальное влияние на экономику транзакций от изменений внешних и внутренних
• Проводить множество (от 3х в месяц) аб тестов от дизайна до подведения итогов
• Активно участвовать в жизни направления и влиять на принимаемые решения
• Строить сложные многоуровненые дашборды в Superset
• Писать сложные запросы к Vertica, ClickHouse, Spark

Мы ожидаем:

• Высшее техническое, математическое, финансовое или экономическое образование;
• Опыт работы аналитиком более 2.5 лет;
• Уверенные знания математики и основ статистики;
• Умение общаться с заказчиками и выявлять бизнес-требования;
• Умение рассказать о полученных на основе работы с данными выводах понятным языком;
• Умение аргументированно отстаивать свою точку зрения и готовность слышать и учитывать точки зрения ваших коллег;
• Владение SQL на достаточном для написания сложных запросов уровне (вложенные запросы, оконные функции, методы оптимизации запроса);
• Знание Python на уровне, достаточном для анализа, визуализации и интерпретации данных (pandas, numpy, matplotlib, scilearn), пониманием синтаксиса "чистого" питона (работа со словарями, списками, и.т.д.);
• Имеете опыт визуализации в BI системах (Tableau, Power BI, Datalens, Superset и тд);
• Знаете статистическую базу АБ тестирования и имеете опыт проведения качественных АБ тестов от дизайна до подведения итогов

Будет плюсом:

• Опыт работы с инструментами оркестрации данных (Airflow, Git);
• Наличие реальных бизнес-кейсов, когда ваша личная инициатива принесла пользу бизнесу
• Опыт построения базовых ML моделей в условиях реального продукта (линейная или логистическая регрессия, случайный лес, catboost);
• Опыт применения различных методологий "АБ без АБ" (causal impact, PSM, Diff n Diff и тд)