Senior data analyst (scientist)

👋 Привет! Я Ира, рекрутер компании Циан, крупнейшего в России сервиса для поиска недвижимости.

В рамках Циан функционирует Центр моделирования. ЦМ состоит из аналитиков, совмещающих в себе сразу несколько функций - data scientist, продуктового аналитика, bi и в части инженера данных.

Задачи ЦМ

• разработка и поддержание моделей онлайн-оценки недвижимости Циан;
• разработка витрин для формирования аналитики по рынку недвижимости;
• разработка аналитических продуктов по рынку недвижимости, как для внешних так и для внтуренних пользователей;
• предоставление данных о рынке недвижимости партнерам Циан - именно для поддержания этой истории мы ищем кандидата.

Задачи старшего аналитика (ds)

• Поддержка и оптимизация алгоритмов оценки недвижимости (модели оценки стоимости, ликвидности, конкурентного окружения) с использованием методов машинного обучения;
• Разработка, поддержание и развитие аналитических и b2b витрин данных Циан;
• Построение аналитических моделей по запросу;
• Продуктовая аналитика - подведение результатов экспериментов, построение продуктовых аналитик.

Условия

• Мы ищем старшего аналитика с прицелом на то, что в дальнейшем отдадим ему задачи лидирования всего ЦМ, поэтому это супер-шанс прокачать свой грейд в экспертной команде;
• Мы привыкли говорить на языке целей, а не конкретных проектов, поэтому у тебя будет много свободы, как впрочем и ответственности;
• Гибридный режим работы: можно в офисе в Москве или Петербурге, можно — удалённо;
• 5 d-off в год дополнительно к отпуску;
• Компенсация спорта;
• ДМС с первого рабочего дня (со стоматологией, госпитализацией, страховкой выезжающего за пределы нашей страны).

Что важно знать и уметь

• SQL на уверенном уровене;
• Теорию вероятности, владеть приемами математического моделирования и статистического анализа. Знать принципы математической статистики и построения статистических моделей (регрессионный, дисперсионный и логит-регрессионный анализ. как минимум), многомерного анализа (кластерный, факторный анализ, метод главных компонент), проверки статистических гипотез, построения временных рядов (ARMA, ARIMA и т.п.). Уметь интерпретировать качество полученных моделей;
• основные подходы многомерного анализа;
• принципы работы распределенных БД экосистемы Hadoop (Hive, Presto);
• работать с большими объемами данных (в экосистеме Hadoop - как преимущество), писать оптимальный SQL-код.