Продуктовый аналитик, Каналы B2C, Ozon Банк

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 направлением Customer Experience и программой "Приведи друга".

Вам предстоит:

• Исследовать качество не монетизируемых фичей в банке;

• Оценивать долгосрочное влияние таких фичей на поведение пользователей в банке;

• Исследовать качество воронки программы "Приведи друга" в банке;

• Оценивать её экономическую эффективность;

• Проводить множество (от 4х в месяц) аб тестов от дизайна до подведения итогов;

• Активно участвовать в жизни направления и влиять на принимаемые решения;

• Строить сложные многоуровневые дашборды в Superset;

• Писать сложные запросы к Vertica, ClickHouse, Spark.

Мы ожидаем:

• Высшее техническое, математическое, финансовое или экономическое образование;

• Опыт работы аналитиком от года;

• 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);

• Имеете опыт визуализации в BI системах (Tableau, Power BI, Datalens, Superset и т.д.);

• Знаете статистическую базу A/B тестирования;

• Базовое знание Python.

Будет плюсом:

• Практический опыт проведения A/B тестов;

• Продвинутое знание Python;

• 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 "A/B без A/B" (causal impact, PSM, Diff n Diff и т.д.).