Аналитик данных в Команду качества и потерь

Ozon·Москва·26 сент.

Аналитик данных в Команду качества и потерь

Ориентир по рынку≈ 130 000 – 295 000 ₽наш грубый ориентир по 131 вакансии этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 130 000 – 295 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вместо вилки в объявлении «Достойный уровень заработной платы»: что это значит в цифрах, придётся выяснять. Объявление живое, и что за работа, понятно из текста.

3 из 4 в норме

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

Деньги

Вместо вилки в объявлении «Достойный уровень заработной платы». Грубый ориентир: столько платят в 131 вакансии уровня Middle по всему рынку, без учёта специальности.

платят меньше130 000 – 295 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Открыта 23 дня, и признаков фиктивного найма у неё нет. Раньше не выкладывалась.

Живая

Описание

Обязанности: 4, требования: 14. Понятно, что за работа, ещё до отклика.

Обещают: аккредитованная IT-компания

Подробно

Что требуют

ОбязательноSQLPythonPandasSupersetGrafanaHadoopKafka

ПлюсомAirflowgRPC

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

Наша компания

Мы — небольшая команда, отвечающая за ключевое направление в логистике — работу с потерями.

Чем предстоит заниматься

Собирать и формализовывать требования бизнеса, взаимодействовать с разработчиками систем‑источников данных, изучать контракты и регламенты, чтобы понять природу потерь

Ставить задачи дата‑инженерам на поставку сырых данных из источников (HDFS, Kafka и другие), затем самостоятельно чистить, обогащать и структурировать данные в аналитические витрины

Строить дашборды в BI (Superset, Grafana), настраивать автоматическую загрузку данных и расчёты, организовывать регулярные выгрузки отчётов в чат‑боты и на почту, чтобы бизнес оперативно получал актуальную информацию

Выполнять ad‑hoc запросы коллег из других отделов, помогать находить ответы на нестандартные вопросы и проверять гипотезы

Наши требования

Разбираем недостачи, брак, возвраты, «зависшие» запасы и другие аномалии

Наша задача — не просто зафиксировать факт потери, а понять её природу: сопоставляя данные с физическими действиями сотрудников на разных этапах логистической цепи, мы выявляем не только прямые потери, но и неэффективности процессов, которые к ним приводят

Наш процесс построен на глубоком погружении в данные

Уверенный SQL: опыт работы со сложными многоуровневыми запросами (CTE, JOIN, оконные функции) и оптимизации запросов на уровне СУБД

Опыт работы с Python (Pandas): обработка и трансформация табличных данных, автоматизация расчётов, оптимизация кода по памяти и времени выполнения

Опыт создания отчётов в BI‑инструментах с нуля — Superset и Grafana

Понимание принципов работы DWH с распределённым хранением; желательно знакомство с якорной моделью хранения

Аккуратность: чистый код, внимание к деталям и умение структурировать большой поток информации

Опыт дизайна и проведения А/B тестов, статистического анализа для проверки гипотез

Понимание логики / опыт работы с Airflow и GitLab

Понимание потоковой передачи данных через Kafka и взаимодействия сервисов через gRPC

Опыт в логистике, ритейле или e-commerce

Умение самостоятельно уточнять и структурировать бизнес-требования Заказчика

Навыки презентации результатов и формирования выводов для бизнес-заказчиков