BI-аналитик (риски, портфели, кредитование)
Описание
Направление Компания работает с большими массивами данных и аналитикой, которая помогает финансовым организациям принимать решения. Отдел анализа данных и отчётности — BI-направление по рынку кредитования. Строим аналитические датасеты, чарты и дашборды в Apache Superset по портфелям, винтажам, заявкам, рискам, коллекшну и бенчмарку. Новая позиция с широким охватом: ты будешь единственным профильным BI-специалистом и закроешь BI-направление целиком — от создания дашбордов до автоматизации отчётности. Задачи Разработка и поддержание датасетов, чартов и дашбордов в Superset по рынку кредитования (портфели, винтажи, заявки, риски, коллекшн, бенчмарк), в основном создание новых. Построение ad-hoc отчётности и проведение B2C-аналитики (поведение на сайте, конверсия, воронка). Сбор и формализация требований: работа с бизнес-заказчиками, перевод бизнес-языка в ТЗ на отчёт. Приоритезация бэклога запросов, управление ожиданиями и согласование результата. Выстраивание прозрачной коммуникации: статусы, фиксация договорённостей, обратная связь по готовым дашбордам. Распределение времени (ориентир): ~30% SQL, ~40% дашборды, ~10% Python (трансформация данных для загрузки в Superset + автоматизация рутинных выгрузок), ~10% общение с заказчиком, ~10% ревью. Что ожидаем от тебя Опыт работы от 3 лет в области аналитики и отчётности в домене кредитных продуктов (риск-аналитика / аналитика продаж). Apache Superset — уверенно: создание датасетов, чартов и дашбордов с нуля, настройка визуализаций, работа с параметрами и фильтрами. SQL — уверенно: написание скриптов для агрегации данных под дашборды, сложные запросы (JOIN, подзапросы, CTE, оконные и аналитические функции, агрегации), оптимизация запросов. Понимание реляционных БД и хранилищ данных (PostgreSQL или аналог, структура витрин, слои DWH) и умение готовить данные под отчёт: формировать витрину/целевой набор, проверять качество и актуальность исходных данных. Софты: точность и внимательность к данным (умение находить и обрабатывать аномалии) и общительность для работы с большим числом заказчиков из разных подразделений. Будет плюсом: Python на уровне обработки данных (pandas, requests) — для трансформации данных и автоматизации рутинных выгрузок. Опыт работы с DWH/ETL-инструментами (Airflow, DBT). Что мы предлагаем Работа с большой базой данных, которых нет у большинства игроков рынка. Широкий фронт и разнообразие: дашборды по портфелям, винтажам, заявкам, рискам, коллекшну и бенчмарку + B2C-аналитика — не узкая тема, а весь рынок кредитования. Высокая степень самостоятельности: сам выстраиваешь процесс от сбора требований до релиза дашборда. Простор для развития: от визуализаций до автоматизации отчётности на Python и участия в развитии BI-направления. Оклад + годовой бонус, оформление по ТК РФ в IT-аккредитованную компанию. Формат работы: мягкий гибрид в Москве (центр Москвы, 6 мин. пешком от метро) — приоритет; удалёнка по России возможна для сильного и релевантного кандидата. Удобный график: гибкое начало и окончание рабочего дня. Здоровье: расширенная ДМС со стоматологией и полисом путешественника с первого дня, дополнительные дни отпуска, компенсация фитнеса. Развитие: внешнее обучение, конференции, внутренние митапы и обмен опытом. Атмосфера: реферальная программа, командные активности, корпоративы, тематические встречи; работа с сильными специалистами Big Data, ML, IT. Как мы проводим собеседования Общение онлайн, с видео: HR-call — знакомство, рассказ о компании и вакансии, вопросы по опыту и мотивации. Техническое интервью (единственный технический этап) — проводят руководитель отдела и ведущий аналитик данных. Обсуждение опыта, подходов к работе, кейсов; проверка знаний SQL — задачи устные и, возможно, письменные. SQL — основа, поэтому знанию SQL уделяется ключевое внимание. Проверка документов (анкета в электронном виде, проверка обычно 1-2 рабочих дня). Оффер — обсуждение даты выхода на работу.