Аналитик данных / Data Analyst (Финуслуги)
Московская Биржа
Москва
🏢 Офис
Middle
Полная занятость
Россия
Описание вакансии
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.
