Data Scientist

Чем предстоит заниматься

• Разработка предиктивных моделей жизненного цикла клиента: склонность к продукту (propensity), CLV/LTV, next-best-offer/next-best-action. Построение uplift-моделей для таргетинга CVM-кампаний ML-сегментация и скоринг клиентской базы, маркировка клиентов под кампании. Проектирование фичей и витрин в DWH под ML-задачи. Дизайн и статистическая оценка A/B-тестов новых механик (в т.ч. uplift/incrementality, проверка значимости, объём выборки). Анализ эффективности кампаний и моделей, расчёт бизнес-эффекта (инкремент, ROI/ROMI кампаний). Подготовка аналитики и BI-дашбордов для визуализации результатов моделей и кампаний.

Наши ожидания

• • Уверенное владение SQL: сложные выборки, оконные функции, опыт работы с DWH. • Опыт работы с Python, включая pandas и scikit-learn; понимание типовых алгоритмов: логистическая регрессия, бустинги XGBoost/LightGBM/CatBoost, кластеризация. • Знание прикладной статистики: проверка гипотез, дизайн и оценка A/B-тестов, базовое понимание uplift-моделирования. • Опыт feature engineering и работы с большими клиентскими данными. • Навыки работы с BI-инструментами, например Superset или Power BI, на уровне сборки дашбордов. • Будет преимуществом: знание MLOps-практик, включая версионирование и продакшн-скоринг; опыт в банке или финтехе; понимание CVM-метрик: MAU, NTB, retention, CAC. • Умение переводить бизнес-задачи CVM в аналитические и ML-постановки, а также понятно объяснять результаты нетехническим стейкхолдерам.

Мы предлагаем

• • Работу в одном из самых технологичных банков страны. • Официальное трудоустройство в соответствии с ТК РТ. • Конкурентную заработную плату. • Задачи, напрямую влияющие на развитие клиентской аналитики и продуктовых решений. • Взаимодействие с международными экспертами и участие во внедрении современных подходов в Data Science и CVM. • Возможности для профессионального и карьерного роста. • Современный офис и комфортные условия труда.

Скачать анкету кандидата