Data Scientist, Senior Analyst

Кому це буде цікаво

Є аналітики, які давно вміють більше, ніж від них просять. Вони закривають дашборди й регулярні звіти за півдня, бачать у даних те, про що ніхто не питав, — і рік за роком відповідають на питання «що сталося», а не «чому» і «що з цим робити».

Якщо ви колись вчили статистику й математику і шкода, що вона лежить без діла — ця роль про те, щоб її нарешті застосувати. Тут потрібно не просто помітити зміну метрики, а довести її причину: сформулювати гіпотезу, перевірити, показати, що результат не випадковість.

І головне — довести до рішення. Аналіз, яким ніхто не скористався, ми вважаємо незробленим.

Про роль

Ми фінтех, будуємо P2P-платіжну інфраструктуру для ринку Індії.

Формулювання задачі тут не приходить готовим. Ніхто не скаже «побудуй EDA, подивись кореляцію, вибери топ-10 метрик». Є проблематика — і потрібна людина, яка розбереться в ній сама: знайде, де саме болить, сформулює гіпотезу, перевірить її й доведе результат мовою математики, а не «ну мені так здається». А потім презентує й захистить його перед бізнесом.

Чим будете займатися

Шукати причини змін ключових метрик — доходити до механізму, а не констатувати факт. Проектувати метрики стану системи з логіки процесу, а не з набору наявних колонок. Будувати прогнози навантаження й системи раннього попередження про аномалії: пороги, детекція рідкісних подій, чесний бектест. Перевіряти продуктові гіпотези статистично й доводити висновки до рішень.

Система живе в реальному часі, і завдання — розуміти її стан наперед, а не постфактум.

Що ми очікуємо

• сильний аналітичний бекграунд: досвід самостійного пошуку проблематики, а не виконання поставлених задач
• математичний апарат: розподіли, дисперсія, перевірка гіпотез, p-value, коректний поділ на train/test
• впевнений Python і сильний SQL, ClickHouse
• pandas, scikit-learn, statsmodels
• часові ряди: SARIMAX, Prophet, gradient boosting або аналоги — з розумінням, коли який доречний
• досвід із рідкісними подіями та незбалансованими даними: пороги, ціна хибного спрацювання
• вміння презентувати й захистити результат перед людьми без технічного бекграунду

Буде плюсом

• FinTech, Payments, Marketplace або суміжні домени
• інженерний або фізико-математичний бекграунд
• LLM API, FastAPI

Чим ця роль відрізняється від нашої вакансії аналітика

Тут потрібен не лише аналітичний склад мислення, а й математичний апарат: ви маєте вміти довести гіпотезу статистично, а не аргументувати графіком. Глибина інструментів більша, і відповідальність теж — ви самі вирішуєте, що і як міряти. Вилка відповідно вища.

Вам буде некомфортно, якщо

• ви віддаєте перевагу задачам із готовою постановкою
• ваша відповідь на будь-яку задачу — навчити модель. Тут найкращим рішенням регулярно виявляється просте правило, і ми цінуємо вміння вчасно зупинитись
• вам не близька ідея захищати свій висновок перед бізнесом і доводити його до застосування

Процес

Скринінг → тестове завдання (4−6 годин) → технічна співбесіда з Head of Analytics.

Умови

• повністю віддалений формат роботи;
• соц пакет + зарплатня у $
• свобода у виборі підходів, технологій та розвитку моделей;
• реальні ML-продукти, які впливають на операційні рішення, а не PoC у шухляді.