Продуктовый аналитик

Банки — команда продуктовых и аналитических решений в финансовой сфере. Мы работаем с продуктовой логикой и данными, чтобы понимать поведение пользователей и улучшать воронки: от первого касания до целевого действия и возврата.

Ключевые факты:

• Основной фокус — событийная аналитика и продуктовые метрики для продуктовых вертикалей
• Стек включает Greenplum, Python и BI-инструменты (Tableau, Superset, Power BI) + веб/мобайл аналитика (Яндекс Метрика, AppMetrica, AppsFlyer, Firebase)
• В процессах важны A/B-эксперименты end-to-end и контроль качества данных после релизов

Команда продуктовой аналитики отвечает за то, чтобы решения по улучшению продукта опирались на данные. Вы будете строить сквозные разрезы по вертикалям, выявлять точки потерь в пользовательских путях и формулировать гипотезы, которые можно проверять экспериментами.

Внутри роли важна связка аналитики и продуктовой команды: вы не просто собираете отчёты, а формируете выводы и рекомендации для продакта на основе воронок, когорт, retention и результатов A/B.

Отдельный пласт — событийная модель и качество данных: нужно описывать карту событий, писать технические требования для разметки и витрин, а после релизов контролировать корректность метрик.

Чем предстоит заниматься:

• Строить сквозные воронки по продуктовым вертикалям: путь пользователя от источника до целевого действия и повторного возврата
• Анализировать клиентские пути и выявлять места, где пользователи «выпадают», с предложением гипотез по устранению проблем
• Развивать систему продуктовых метрик: назначать ключевую метрику для вертикали и её драйверы, поддерживать карту метрик и единый подход к расчётам
• Проводить A/B-тесты полного цикла: от дизайна (MDE, MDE/мощность, длительность, размер выборки) до запуска, мониторинга и разборов результатов
• Выстраивать рабочий процесс для гипотез: бэклог, приоритизация, шаблоны дизайна и разборов экспериментов, база знаний
• Отвечать за событийную модель: карта событий, ТЗ на разметку, требования к витринам для дата-инженеров, контроль качества данных после релизов
• Делать дашборды в Tableau / Superset с мониторингом метрик и алертами на аномалии, чтобы быстрее приходить к решениям с продактом

Что мы предлагаем:

• Работа в гибридном стеке продуктовой аналитики: событийные данные + BI-дашборды + A/B-эксперименты
• Инструменты для экспериментов и документации: Git, Jira и Atlassian Confluence
• Практика с мобильной и веб-аналитикой: Яндекс Метрика, AppMetrica, AppsFlyer, Firebase
• Упор на качественные данные: контроль после релизов и согласование витрин/разметки с командами данных