Должностные обязанности Специалист по анализу данных (Data Scientist / Data Analyst)

Общие положения Специалист по анализу данных (Data Scientist / Data Analyst)

Специалист по анализу данных (Data Scientist / Data Analyst) — специалист, отвечающий за сбор, обработку, анализ и интерпретацию данных для поддержки принятия решений и развития продукта/бизнеса. Обеспечивает построение моделей, подготовку аналитических отчётов, создание ETL‑pipelines и визуализаций, а также внедрение ML/аналитических решений в бизнес‑процессы. Действует в рамках корпоративных аналитических стратегий, политик безопасности данных и под руководством Head of Data / руководителя аналитического направления.

Квалификационные требования Специалист по анализу данных (Data Scientist / Data Analyst)

• Высшее образование в области прикладной математики, статистики, информатики, экономики или эквивалентный практический опыт.
• Опыт работы в аналитике/ Data Science: от 1–2 лет (Data Analyst / Junior Data Scientist), от 2–4 лет (Middle), 4+ лет (Senior).
• Твердые навыки программирования: Python (pandas, NumPy, scikit‑learn), R — преимущество.
• Уверенное владение SQL для работы с реляционными базами данных (PostgreSQL, MySQL).
• Опыт работы с ETL/ELT, пайплайнами данных (Airflow, dbt или аналоги).
• Знание методов статистического анализа, A/B‑тестирования, мультифакторного анализа.
• Опыт построения и деплоя моделей машинного обучения (feature engineering, model validation).
• Навыки визуализации и презентации данных: Tableau, Power BI, Looker, Matplotlib/Seaborn.
• Опыт работы с Big Data инструментами: Spark, Hadoop — приветствуется для крупных продуктов.
• Понимание принципов MLOps и контейнеризации (Docker, CI/CD) — преимущество.
• Навыки работы с облачными платформами: AWS/GCP/Azure (BigQuery, S3, SageMaker и т.д.) — преимущество.
• Умение интерпретировать аналитические выводы для бизнеса, готовить отчёты и презентации.
• Английский — технический уровень для чтения документации и коммуникации в команде.

Должностные обязанности Специалист по анализу данных (Data Scientist / Data Analyst)

• Сбор, очистка и подготовка данных из внутренних и внешних источников (ETL/ELT).
• Проведение разведывательного анализа данных (EDA), выявление паттернов, аномалий и инсайтов.
• Построение и валидация моделей машинного обучения и статистических моделей для решения бизнес‑задач (прогнозирование, классификация, сегментация и т.д.).
• Разработка и поддержка регулярных отчётов, дашбордов и метрик для продуктовых и бизнес‑команд.
• Проведение A/B‑тестов: дизайн эксперимента, анализ результатов, рекомендации по внедрению.
• Оптимизация и автоматизация аналитических процессов и пайплайнов данных.
• Интеграция моделей и аналитики в продукт/бизнес‑процессы совместно с инженерами и DevOps.
• Документирование методик, моделей и процессов; подготовка технических спецификаций и README.
• Участие в формировании требований к данным, валидации источников и обеспечении качества данных (data quality).
• Поддержка stakeholders: презентация результатов, консультации по интерпретации и принятию решений.
• Менторство младших аналитиков и участие в код‑ревью аналитического кода.

Отчетность Специалист по анализу данных (Data Scientist / Data Analyst)

Специалист по анализу данных подотчётен руководителю аналитической команды / Head of Data и предоставляет:

• регулярные статус‑отчёты по задачам и экспериментам (ежедневно/еженедельно);
• аналитические отчёты и дашборды по ключевым метрикам продукта/бизнеса;
• результаты A/B‑тестов и рекомендации по внедрению;
• описания и метрики производительности ML‑моделей (accuracy, ROC‑AUC, precision/recall, drift);
• документы по качеству данных и инцидентам с данными.

Права Специалист по анализу данных (Data Scientist / Data Analyst)

• Запрашивать у продуктовых и технических команд необходимые данные и доступы для проведения аналитики.
• Инициировать и проводить A/B‑тесты, эксперименты и пилоты в согласованных рамках.
• Приостанавливать использование некорректных/спорных данных в аналитике до их верификации.
• Вносить предложения по улучшению качества данных, архитектуры хранилища и метрик продукта.
• Участвовать в выборе инструментов аналитики и инфраструктуры данных совместно с инженерной командой.

Критерии эффективности и ответственность Специалист по анализу данных (Data Scientist / Data Analyst)

• Основные KPI: точность прогнозов/моделей, время от запроса до аналитического результата (lead time), покрытие автоматизированных отчётов, влияние аналитики на бизнес‑метрики (uplift), качество данных.
• Примеры целевых значений:
  • Точность критичной модели (например, прогноз оттока) — целевое значение зависит от бизнеса (например, ROC‑AUC ≥ 0.80);
  • Время подготовки аналитического отчёта (standard request) — ≤ 3 рабочих дня;
  • Доля автоматизированных отчётов/дашбордов — ≥ 70%;
  • Эффект от внедрённых рекомендаций (uplift) — положительный и измеримый (зависит от кейса).
• Специалист несёт ответственность за качество аналитических выводов, корректность данных и моделей, соблюдение политик конфиденциальности и безопасности данных. За нарушение применяются меры согласно внутренним регламентам и трудовому законодательству.

Подбор Специалист по анализу данных (Data Scientist / Data Analyst) в кадровом агентстве ФАВОРИТ

• Поиск и подбор аналитиков и Data Scientist с проверкой практических навыков: SQL‑тесты, кейсы по обработке данных и задачам ML, ревью проектов.
• Оценка знания стека: Python/R, SQL, ETL, Big Data, инструменты визуализации и облачные сервисы.
• Проверка умения переводить бизнес‑задачи в аналитические задачи и защищать выводы перед стейкхолдерами.
• Помощь в адаптации кандидата, сопровождение probation‑периода и гарантийная замена при несоответствии.

Для оперативного подбора специалиста по анализу данных, способного строить прогнозы, автоматизировать отчётность и переводить данные в бизнес‑решения, обращайтесь в Международное кадровое агентство ФАВОРИТ. Поможем подобрать кандидата под ваш стек, объём данных и бизнес‑задачи. Свяжитесь с нами через контакты на сайте для расчёта сроков и стоимости подбора.