Старший аналитик / Senior Analyst

EMEX·г. Дзержинский·29 сент.

Старший аналитик / Senior Analyst

Ориентир по рынку≈ 225 000 – 375 000 ₽наша приблизительная оценка по 21 вакансии этой роли и грейда, у работодателя вилка не указана

🏢 ОфисSeniorПолная занятость

≈ 225 000 – 375 000 ₽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». 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

Наша компания

EMEX — международный холдинг: маркетплейс, информационный бизнес, фулфилмент, управление активами в РФ, ОАЭ и Японии. Более 20 лет прибыльной работы. В этой роли вы будете работать с контуром E-com EMEX — системой, которая соединяет покупателей и продавцов и охватывает весь цикл от привлечения пользователя и выбора товара до исполнения заказа, доставки, возврата и повторной покупки. E-com ежедневно генерирует большое количество данных о пользователях, заказах, товарном предложении, возвратах и качестве пользовательского опыта. Наша задача — связать эти данные в единую систему и сделать экономику и ключевые процессы бизнеса измеримыми и управляемыми.

Чем предстоит заниматься

Зачем эта роль

Мы ищем старшего аналитика, который усилит систему бизнес и продуктовой аналитики маркетплейса

Цель роли — построить сквозную систему аналитики, которая позволит бизнесу понимать, за счет чего формируются NMV, маржинальность и EBITDA, где контур E-com теряет пользователей, заказы и деньги и какие изменения дадут максимальный экономический эффект

Аналитик будет работать со всем E2E-контуром E-com: от трафика, активации и конверсии до заказов, торгового предложения, пользователей (поставщиков и покупателей), качества исполнения, возвратов, и финансового результата

Основные заказчики аналитики — CEO, руководитель продукта и руководитель системы управления качеством

Задача аналитика — не только показывать, что произошло, но и объяснять, почему это произошло, сколько это стоит бизнесу и что необходимо изменить

Что находится в контуре роли

Наши требования

Senior

Опыт в аналитике — от 5 лет

Опыт работы с e-commerce, маркетплейсами или другими транзакционными digital-продуктами будет преимуществом

Опыт работы одновременно с продуктовой и финансовой аналитикой будет преимуществом

Уверенный SQL, Python для анализа данных, автоматизации и моделирования

Построение систем бизнес- и продуктовых метрик

Продуктовая аналитика: conversion, activation, retention, cohorts, frequency

Финансовая и бизнес-аналитика, понимание unit-экономики и драйверов маржинальности

Построение BI-дашбордов, понимание принципов работы DWH

Опыт работы со Snowflake, MS SQL Server, Postgres, ClickHouse или аналогичными СУБД

Способность самостоятельно проводить аналитическое исследование от постановки гипотезы до рекомендации бизнесу

Системное мышление

Бизнес-ориентированность

Умение работать с неопределенностью

Самостоятельность

Приоритизация

Структурная коммуникация

Способность работать с большим количеством взаимосвязанных показателей

Способность влиять на решения через данные и аргументацию, а не через формальные полномочия

Хранилище: Snowflake

Источники данных: MS SQL Server, Postgres, ClickHouse, 1С

BI: Tableau, Metabase

Инструменты: SQL (основной), Python

Мы предлагаем

Оформление: ТК РФ

График: 5/2, гибрид (г. Дзержинский)

Поиск по заказу ООО «Емех»

Дополнительно

Информационный разрез — переходы по статусам и действия в системе на всём пути заказа: визиты, просмотры, поиск, корзина, оформление, оплата, сборка, отгрузка, выдача, отмена, возврат. Примеры метрик: конверсия по шагам воронки, длительность этапа, доля отмен и отказов

Товарный разрез — позиции заказа: артикул, категория, бренд, поставщик, склад, цена, срок поставки, наличие. Примеры метрик: покрытие спроса (match rate), доля выпавшего предложения , уровень возвратов по категориям и поставщикам

Документарный разрез — счета, УПД, накладные, акты расхождений, сертификаты и декларации, коды маркировки, претензии. Примеры метрик: доля заказов, закрытых документами в срок, время до закрытия, объём выручки в незакрытых документах, доля позиций без обязательных подтверждений

Сборка в единую систему — витрины связываются общим ключом заказа и пользователя, что даёт сквозную воронку от первого визита до повторной покупки и позволяет разложить просадку на причину: процесс, ассортимент или оформление. На этой основе строятся E2E-дашборды для управления бизнесом

Результат: руководство видит маркетплейс как единую систему, понимает динамику ключевых показателей и определяет, на каком этапе и по какой причине возникают отклонения

Экономика заказа и транзакции — из чего складывается результат по одному заказу: выручка, себестоимость исполнения, комиссия Emex. Примеры метрик: Cost per Transaction — совокупные издержки на одну транзакцию (логистика, обработка, платёж, поддержка)

Финансовый результат и его декомпозиция — разложение итога до драйверов, а не констатация суммы. Примеры метрик: NMV — оборот по исполненным заказам; Returned NMV — часть оборота, вернувшаяся возвратами и отказами; Total Margin — валовая маржа после прямых издержек; EBITDA — операционная прибыль до амортизации и процентов

Модель unit-экономики — расчёт и развитие модели, которая переводит поведение одного пользователя и одного заказа в финансовый результат целиком

Влияние факторов на экономику — как конверсия, частота, средний чек, возвраты и качество исполнения меняют маржинальность; какой из факторов даёт наибольший вклад в отклонение

Оценка эффекта изменений — расчёт финансового результата продуктовых и операционных инициатив, выявление источников потерь и зон роста маржинальности

Результат: бизнес понимает экономику заказов и основные драйверы финансового результата, а инициативы оцениваются через их влияние на маржинальность и EBITDA

Постановка задачи — перевод бизнес-вопросов и гипотез в измеримую аналитическую формулировку: что именно считаем, на каких данных, какой ответ считается достаточным

Оценка до запуска — расчёт потенциального эффекта инициативы: какую метрику она двигает, на сколько и что это даёт в деньгах

Рекомендация — вывод на данных с указанием допущений и границ применимости, а не только выгрузка цифр

Приоритизация — участие в отборе продуктовых и операционных инициатив исходя из ожидаемого эффекта и стоимости реализации

Замер после — сверка фактического результата с прогнозом и разбор расхождений

Результат: ключевые решения принимаются на данных, инициативы имеют рассчитанный ожидаемый эффект, а после реализации бизнес понимает их фактический результат

Работа с данными — SQL для исследования, проверки и трансформации данных; Python для моделирования и автоматизации регулярных расчётов

Единые определения — фиксация формул и границ каждой бизнес-метрики, контроль согласованности показателей между отчётами и источниками

BI-слой — создание и развитие дашбордов для регулярного управления: владелец, SLA обновления, регламент разбора отклонений

Результат: у бизнеса есть единый источник аналитической информации, определения метрик согласованы, а аналитика воспроизводима и масштабируема

Задача роли — не поддерживать набор показателей, а связать их причинно-следственными связями и экономикой, чтобы изменение операционной или продуктовой метрики переводилось во влияние на заказ, NMV, маржинальность и EBITDA