Аналитик данных
ТЕХНОНИКОЛЬ · Москва ·
- Work mode
- Remote
- Category
- Data analytics
Builds Power BI dashboards and ETL pipelines to automate reporting, forecasts demand with statistical models, and explores AI for data cleaning and anomaly detection in a construction-materials company.
Мы ищем не просто аналитика, а BI-архитектора с уклоном в Data Science. Сотрудника, который будет строить дашборды в Power BI так, что они заменят 50% ручных совещаний. Он автоматизирует ETL через Power Query, а прогнозы будет считать статистическими моделями. И главное — ему скучно просто считать, он хочет учить модели предсказывать проблемы до того, как они возникнут, и готов применять ИИ для очистки и интерпретации данных.
Цель: глубокая обработка данных служб подразделения, построение статистических моделей, расчет аналитический показателей, расчет мотивации (KPI), построение прогнозных моделей и автоматизация сводной отчетности.
- Требования (Hard Skills)
Инструментарий (владеть на уровне эксперта):
- Excel: не просто сводные таблицы. Обязательно: Power Query, а также сложные формулы массивов, создание дашбордов с активными элементами управления.
- Power Query: глубокая обработка данных служб из разных источников. Обязательно умение подключаться к внешним источникам (папки, файлы CSV/Excel, SQL-сервер) через Power Query (M-язык), очистка "мусорных" данных, слияние запросов без потери производительности. Сложные формулы и VBA — приветствуются, но основной упор на ETL-процессы через PQ.
- Построение многомерных моделей данных (звездообразная схема, связи «один-ко-многим», вычисляемые столбцы и меры на DAX — включая Time Intelligence).
- Разработка многостраничных дашбордов с единой точкой входа (навигация, закладки, всплывающие подсказки). Визуализация должна быть не просто «красивой», а управленческой.
- Опыт внедрения отчетности из систем CRM систем с поиском «белых» пятен, а также тестированием, выявлением и устранением ошибок.
2. Продвинутая аналитика (Прогнозы и ИИ)
- Прогнозные модели: умение прогнозировать не просто «в лоб», а с учетом сезонности строительства, выпадов и других внешних факторов.
- Интерес и опыт внедрения ИИ в аналитику:
- Понимание основ машинного обучения (кластеризация, регрессия).
- Желание развиваться: Активное изучение нейросетей (LLM) для внедрения в аналитику, например, автоматическое комментирование отклонений.
Условия:
- Работа в слаженной команде, заряженной на результат;
- Структура оплаты: оклад + премия;
- Оформление по трудовому договору у партнеров ТЕХНОНИКОЛЬ (Аутстаффинг) или по договору ГПХ;
- Работа предполагается полный день, но можем рассмотреть и неполный при желании.