ФУНКЦІОНАЛЬНІ ОБОВ’ЯЗКИ

визначати потреби бізнесу в моделях персоналізації та формувати задачі для їх розробки;
спільно з командами маркетингу та Revenue розробляти сценарії застосування моделей у клієнтських комунікаціях, мобільному застосунку та партнерських пропозиціях;
забезпечувати вимірювання бізнес-ефективності моделей, оцінювати їхній вплив на результати компанії;
формувати та пріоритезувати портфель моделей з урахуванням очікуваного бізнес-ефекту та ресурсних витрат;
управляти беклогом дата-команди та організовувати її роботу за Scrum;
координувати повний життєвий цикл моделей: від підготовки даних і навчання до впровадження, моніторингу та перенавчання;
формувати вимоги до якості даних, вітрин та наборів ознак, контролювати їхню актуальність і повноту;
узгоджувати рівні сервісу для команд-споживачів та контролювати стабільність роботи моделей;
забезпечувати дотримання вимог щодо захисту персональних даних;
виступати сполучною ланкою між дата-командою та бізнесом, транслювати потреби бізнесу в технічні задачі;
презентувати результати роботи моделей керівництву через бізнес- та фінансові показники, обґрунтовувати довгострокові технічні інвестиції.

ВИМОГИ ДО КАНДИДАТІВ

досвід роботи від 5 років у сфері Data Science, аналітики даних, управління data-продуктами або суміжних напрямках;
вища освіта за напрямами прикладної математики, статистики, комп'ютерних наук, економетрики, економіки або інженерії;
розуміння принципів роботи та обмежень моделей персоналізації: NBO, uplift, крос-продажу, допродажу та прогнозування відтоку клієнтів;
розуміння різниці між прогнозною точністю моделі та її реальним бізнес-ефектом;
знання методів проведення експериментів: A/B-тестування, контрольні групи, оцінювання приросту та статистична значущість;
розуміння життєвого циклу моделей машинного навчання та базових принципів MLOps;
впевнене володіння SQL та розуміння коду на Python;
навички постановки бізнес-задач для Data Science команди, аналізу результатів моделей та оцінювання їхньої достовірності;
досвід пріоритезації задач з урахуванням очікуваного бізнес-ефекту та вартості реалізації;
уміння ефективно комунікувати з технічними та бізнес-командами, адаптувати інформацію до різних аудиторій;
системне й аналітичне мислення, критичний підхід до оцінювання результатів та уважність до даних;
здатність відстоювати методологічно обґрунтовані рішення та дотримуватися принципів етичного використання персональних даних.