Аналитик данных

Ориентир по рынку≈ 140 000 – 300 000 ₽наш грубый ориентир по 195 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 140 000 – 300 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Сумму в объявлении не указали. Грубый ориентир: столько платят в 195 вакансиях уровня Middle по всему рынку, без учёта специальности.

платят меньше140 000 – 300 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Опубликована 5 дней назад. Раньше не выкладывалась: вакансия новая, а свежие почти всегда живые.

Свежая

Описание

Обязанности: 8, требования: 8. Понятно, что за работа, ещё до отклика.

Обещают: официальное оформление, ДМС, техника для работы и аккредитованная IT-компания
Известно: испытательный срок
Не сказано: условия испытательного срока

Подробно

Что требуют

ОбязательноSQLPostgreSQLOraclePythonPandasNumPyAirflowMLSupersetGrafana

Надбавка к зарплате на этом уровне: Python +40%, SQL +20%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Чем предстоит заниматься

Сбор, очистка и нормализация данных из внутренних систем ФНС

Формирование обучающих, валидационных и тестовых выборок для ML-моделей

Разработка и документирование схем данных, словарей метрик и признакового пространства

Контроль качества данных: дедупликация, проверка целостности, устранение аномалий и пропусков

Пайплайны ETL/ELT для регулярной подачи данных в ИИ-систему

Согласование бизнес-требований с налоговыми методологами и перевод их в технические спецификации

Первичный разведочный анализ (EDA) — поиск паттернов, выбросов, дисбалансов классов

Подготовка дашбордов и отчётов для проверки корректности данных до передачи в ML

Наши требования

Оконченное высшее образование

SQL на уверенном уровне — сложные аналитические запросы, оконные функции, оптимизация производительности (PostgreSQL, Oracle)

Python для работы с данными — pandas, numpy, sqlalchemy

Опыт построения ETL-пайплайнов (Airflow, Prefect, Apache NiFi или аналоги)

Понимание принципов машинного обучения: что такое разметка, фичеринг, утечка данных, смещение выборки, дисбаланс классов

Опыт работы с системами контроля качества данных (Great Expectations, Soda или аналоги)

Базовое понимание налогового учёта и налогового администрирования РФ — структуры выездных и камеральных проверок, понятий доначислений, пеней, штрафов

Навыки визуализации данных — Superset, Grafana, Power BI или аналоги