Старший дата-аналитик

Ориентир по рынку≈ 173 000 – 245 000 ₽наша приблизительная оценка по 26 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 2,1 тыс.–3 тыс. $

ОфисMiddleПолная занятостьопубликовано 2 ч назад

≈ 173 000 – 245 000 ₽наша приблизительная оценка

Описание

Подготовить отклик

История

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе.

2 из 4 в норме

Чем предстоит заниматься

Спроектировать модель данных под OpenRTB-поток: bid request / bid response, win / loss notice (nurl, burl, lurl), показы, клики, конверсии. Связать их сквозными ключами (request id, imp id, user / device id)

Построить дашборды для монетизации и продаж: fill rate, bid rate, win rate, eCPM, bid density, таймауты, качество трафика, разрезы по DSP, форматам и плейсментам

Закрывать ad hoc запросы от продукта, продаж и менеджмента

Собирать рекламные сегменты: интересы, поведение в сторе (установки, категории, платежи), lookalike, правила обновления и выгрузки в DSP и DMP

Строить инструменты для анализа рекламных кампаний: self-service отчёты для менеджеров и рекламодателей, пересечение аудиторий, частота, post-click и post-install метрики, оценка инкрементальности

Управлять A/B-тестами и запуском продуктовых фич: дизайн экспериментов, расчёт мощности и длительности, контроль корректности сплитов, подведение итогов и рекомендации по раскатке

Наши требования

Опыт от трёх лет в programmatic: SSP, DSP, DMP, ad network или AdTech/BigData-подразделение телеком-оператора или банка

Понимание OpenRTB 2.5/2.6 на уровне логов: какие поля есть в запросе, где теряется аукцион, как считать воронку

Уверенный SQL на больших объёмах (ClickHouse обязательно, Hadoop/Spark будет плюсом)

Python для анализа и автоматизации (Pandas, оркестрация через Airflow или аналоги)

BI: Superset, DataLens, Grafana или аналоги

Опыт построения аудиторных сегментов и понимание ограничений по данным и 152-ФЗ

Имеете опыт проведения A/B-тестов: статистические критерии, MDE, CUPED или аналогичное снижение дисперсии, понимание проблемы peeking и множественных сравнений

Уже работали с платформой экспериментов или участвовали в её построении — будет оч круто

Разбираетесь в AppMetrica, AppsFlyer, Adjust