Middle+ - Senior Аналитик/DS/MLE

Позиция: Middle+ - Senior Аналитик/DS/MLE Компания: Т-банк, команда эффективности [Нефинансовых сервисов]( https://www.tbank.ru/career/projects/nfs/ ) Формат работы: fulltime, гибрид, Москва, офис на Белорусской Вилка гросс: 400-700К + годовые премии (со звездами условия можем обсудить отдельно) Про нас: Мы создаём и внедряем алгоритмы, которые улучшают экономику экосистемы, делая её выгоднее для клиентов, прибыльнее для бизнеса и эффективнее для партнёров с помощью кешбэка, ценообразования и рекламы Основные направления : 1. Динамическое Ценообразование и Оптимизация Промо : определять кому, на что и сколько кешбэка / скидок дать, опираясь на цели бизнеса (например чтобы вырастить выручку без просадки маржи). Вам предстоит перейти от простых эвристик к алгоритмам, uplift-моделям и RL, а также выстроить инфраструктуру вокруг этих решений 2. Рекламные алгоритмы : развивать аукцион и алгоритмы принятия решений внутри него, а также внедрять CPA-модель в партнерских размещениях (рекомендовать ставку и лимиты на кешбэк) 3. Оптимизация маркетингового бюджета : развивать МММ, модели атрибуции и causal-подходы для оценки инкрементальности каналов, понимать реальный вклад маркетинга в рост и перераспределять бюджеты в точки с максимальным ROI 4. Поиск и создание новых механик роста : генерировать гипотезы на основе продуктовых исследований и A/B-экспериментов, лидировать создание новых фич и механик, доводить лучшие из них до прода Что предлагаем: — Сплоченная команда 30+ человек из ШАД/ФКН/МФТИ/РЭШ — Задачи с околонулевым легаси на стыке продукта, ML, оптов и разработки — Прямое влияние на ключевые метрики бизнеса и деньги, управление большими бюджетами (от 50+ млн в месяц) — Быстрый путь от гипотезы до продакшена — В некоторых направлениях есть возможность для роста в лида Что ожидаем от кандидата: — Хорошего знания математики и применения в рабочих задачах математической статистики — Хорошего знания ML (для аналитики/DS достаточно понимать базовые принципы) — Базовую инженерную грамотность — Уверенный SQL и Python Будет плюсом: — Опыт uplift-моделирования — Знание базовых RL-алгоритмов — Опыт внедрения ML-моделей в продакшн — Знакомы с дискретной оптимизацией — Понимание unit-экономики и PNL — Опыт работы в командах эффективности / рекламы / рексис Ответы на 10 вопросов: 1. Данные: В основном GreenPlum (все данные банка), мобильные события - ClickHouse 2. Железо: Коммунальные GPU и CPU сервера с большим выбором и количеством железа + MacBook Pro для разработки 3. Масштаб влияния на core-бизнес? Рост и выполнение OKR по продуктам бизнес линии зависит от работы нашего направления 4. Уровень развития Data Science в компании? Экспертиза в банке высокая, есть отдельные RnD команды, с которыми можно консультироваться, в рамках направления каждый проект частично или полностью связан с ML и оптимизацией 5. Роль дата сайентиста: Аналитики и MLE - двигатель и сердце направления, так как продактов в направлении практически нет. Занимаемся end-to-end проектами: от идеи и постановки задачи до реализации и обсуждения выкатки на прод с командой продукта 6. Бэкграунд у вашего руководителя? LinkedIn 7. Как часто вам будут мешать работать? - Созвоны с командой: 2 - 3 часа в неделю - Созвоны с продуктовой командой: 1 - 3 часа в неделю (в зависимости от позиции) 8. Карьерный рост: формализована матрица компетенций, есть возможность быстро расти по грейдам в силу начальной стадии направления, также есть возможность роста в лида 9. Prod/Research: Prod/Research 80/20 10. Функция сервиса или лидера? Сервис/лидер: 20/80 Если интересно или есть вопросы – пишите в @NikitaReznikov , расскажу подробнее