Что нужно делать
— Руководить командой маркетинговых аналитиков и дата-сайентиста (4 человека): постановка задач, приоритизация, развитие команды
— Развивать и поддерживать инструменты BI-аналитики (Superset, ClickHouse, S3)
— Развивать и масштабировать маркетинговую отчетность, автоматизировать сбор и визуализацию данных
— Внедрять и развивать сквозную аналитику, выстраивать архитектуру аналитических решений
— Лидировать развитие и внедрение MMM-моделей и атрибуции: от сбора данных до интерпретации результатов для бизнеса
— Инициировать и проводить исследовательские проекты в области маркетинга и клиентского поведения, внедрять культуру AB тестов
— Строить и развивать Customer Data Platform (CDP)
— Поддерживать бизнес-единицы в принятии решений на основе данных
— Повышать качество данных и аналитической культуры в компании
Какие требования
— Высшее образование в области математики, статистики, экономики, информатики, Data Science или смежной технической/аналитической области
— Опыт в маркетинговой аналитике, бизнес-аналитике или data science с акцентом на прикладные задачи в маркетинге от 3х лет
— Опыт руководства командой аналитиков (хотя бы 2–3 человека) от 1 года
— Доказанный опыт построения инфраструктуры аналитики с нуля
— Знание SQL, опыт работы с BI-платформами (Superset), будет плюсом: Tableau, Power BI
— Знание принципов и методологий сквозной аналитики (например, MMM и Attribution), опыт работы с Яндекс.Метрикой
— Умение интегрировать данные из разных источников, знание процессов ETL
— Навыки визуализации данных: создание понятных дашбордов для разных уровней управления
— Владение SQL, Python, Airflow, BI Superset, DWH Clickhouse/MS SQL/S3
— Практический опыт построения и интерпретации MMM-моделей
— Понимание ценовой эластичности спроса и её использования в оптимизации бюджета и ценообразования
— Умение прогнозировать ROI маркетинговых активностей и рассчитывать оптимальный медиа-микс
— Владение специализированными MMM-инструментами (Bayesian, регрессионные) и/или умение строить кастомные модели в Python
— Знание прикладной статистики: A/B тестирование, дизайн экспериментов, проверка гипотез
— Сильные коммуникативные навыки, умение переводить бизнес-задачи в аналитические гипотезы и презентовать результаты