#data #аналитика #спб #Okko
Всем, привет! Кто хочет принять участие в развитии крупнейшего онлайн-кинотеатра
Okko.tv, порешать интересные технические задачки, влиять на продукт и бизнес, присылайте резюме в личку.
Мы сейчас очень быстро растем, плюс в августе запускаем новый продукт Okko Sport, будем транслировать матчи английской премьер лиги.
ЗП 80-200 в зависимости от опыта (junior/middle/senior)
Location: Санкт-Петербург
Аналитики у нас много, поэтому можно будет попробовать свои силы в разных направлениях: product, marketing, content, operations, partnership
Мы не делаем аналитику ради аналитики, поэтому главная цель нашей команды - с помощью анализа данных генерировать гипотезы, помогать делать правильные выводы другим командам, закапываться в массивы данных и искать ответы на поставленные вопросы.
Что делать?• Тестировать различные гипотезы и проводить A/B тесты (их у нас будет много, продумываем каждый тест очень кропотливо);
Здесь нужно понимать, что такое стат.значимость, как правильно выбирать критерии для оценки
• Постоянный анализ пользовательского поведения с целью поиска «точек роста» и «узких мест» в сервисе; Это довольно творческая работа, когда ты берешь какой-нибудь кусок приложения и раскладываешь поведение пользователей на мельчайшие шаги, строишь воронки и пытаешься понять где есть проблемы, что можно улучшить.
• Помощь другим отделам (маркетинг/финансы/контент) по различным аналитическим запросам.
В аналитике нуждаются все отделы, поэтому придется взаимодействовать с другими командами и помогать им принимать правильные решения на основе анализа данных
Требования:• Высшее техническое образование (Прикладная математика / Информатика / Статистика);
• Опыт работы на аналогичной позиции от года;
• Отличное знание математической статистики;
• Знание базовых методов машинного обучения и опыт их применения в реальных проектах;
• Быстрая обучаемость, готовность постоянно изучать новые методы и подходы;
• Понимать и уметь оценивать, как изменение в сервисе повлияет на бизнес.
Что мы используем:• Базы данных: Impala, PostgreSQL, Redis, Couchbase, Cassandra;
• Python и основные ML библиотеки: Pandas, NumPy, SciPy, Scikit-Learn;
• BI среду Splunk;
Кому интересно может почитать наш хабр:
https://habr.com/ru/company/okko/, там мы рассказываем как делаем рекомендательную систему.