Должность: Product Analyst (Mid and Senior Level) - Transaction Enrichment Компания: Zopa Местоположение: Лондон / гибридный формат

Наша история

Здравствуйте. Мы — Zopa.

Мы начали свой путь в 2005 году, основав первую в истории компанию по одноранговому кредитованию. В 2020 году мы запустили Zopa Bank. Банк, который прислушивается к тому, что не нравится нашим клиентам в сфере финансов, и поступает наоборот. Мы переопределяем, каково это — работать в сфере финансов. Наше видение новой эры банковского дела ставит людей в центр — мы создали бизнес, который дает каждому возможность стремиться к большему каждый день, чтобы двигать финансы вперед. Узнайте больше о наших фантастических предложениях на Zopa.com!

Мы невероятно гордимся нашими достижениями, и ничего из этого было бы невозможно без нашей замечательной команды. Мы не только получаем отраслевые награды, но и входим в тройку самых любимых рабочих мест Великобритании.

Если вы готовы принимать нестандартные вызовы, не боитесь мыслить нестандартно и стремитесь оказать значительное влияние, вы преуспеете здесь, в Zopa, поэтому присоединяйтесь к нам и сделайте это значимым. Хотите увидеть нас в действии? Подпишитесь на нас в Instagram @zopalife

Мы ищем Senior Product Analyst в нашу команду Transaction Enrichment. По своей сути это работа, связанная с данными и аналитикой, но где сильное продуктовое мышление так же важно, как и технические навыки. Ожидается, что вы будете заботиться не только о том, что показывают данные, но и о том, что следует изменить в результате. Вы будете тратить время на понимание того, где наша основанная на ИИ обработка транзакций дает сбои, формировать гипотезы, создавать прототипы для их тестирования и определять, что мы будем строить дальше. Это не исследовательская роль — вы должны будете действовать быстро, делать прагматичные компромиссы и заботиться о том, что будет выпущено и как это будет воспринято, а не только о том, что выглядит хорошо в записной книжке. Вы будете комфортно писать код и напрямую использовать API LLM. Вам не придется каждый раз начинать с нуля — инструменты кодирования с использованием ИИ являются частью нашей работы, но вам потребуются базовые навыки, чтобы хорошо их использовать. Вашим результатом будут аналитические выводы и оценка — формирование того, что мы строим, и решений по реализации, стоящих за этим: какие запросы работают, как следует обрабатывать данные, где лежат компромиссы. Вы будете тесно сотрудничать с менеджером по продукту и инженерами, чтобы ваши выводы были учтены в дорожной карте и воплотились в реальные изменения.

О команде Transaction Enrichment

Команда находится в центре того, как Zopa превращает данные в интеллектуальные продукты. Мы создаем и развиваем возможности, которые преобразуют необработанные данные транзакций в надежную, структурированную информацию — чтобы клиенты могли лучше понимать свои деньги, а остальная часть бизнеса могла уверенно строить на ее основе. Основное внимание уделяется обогащению транзакций: маркировке продавцов, назначению категорий, обеспечению качества данных и обеспечению бесшовной интеграции всего в наши более широкие модели данных и клиентские продукты. По мере нашего движения к более ориентированным на ИИ способам работы, мы также переосмысливаем, как должны быть доступны и использоваться данные транзакций — не только аналитиками и продуктовыми командами, но и системами ИИ и инструментами на основе LLM. Эта работа имеет основополагающий и долгосрочный характер: улучшение систем, формирование стратегии и создание возможностей, которые со временем приносят растущую ценность.

Один день из жизни

• Анализировать данные обогащения (с использованием Python и SQL), чтобы понять, где и почему обогащение дает сбой — количественно оценить проблемы и собрать доказательную базу для того, что стоит исправить.
• Выявлять возможности, которые команда иначе не увидела бы: закономерности в данных, указывающие на пробел в продукте, повторяющийся сбой, предполагающий системное решение, или сигнал о том, что стоит построить что-то новое.
• Выяснять, как предложенное решение должно работать на практике — какие входные данные ему нужны, где оно может столкнуться с трудностями, какие компромиссы существуют между точностью, стоимостью и охватом.
• Создавать быстрые тестовые среды для проверки гипотезы на основе данных, прежде чем будут выделены какие-либо инженерные ресурсы.
• Проектировать и проводить оценки — включая подходы с использованием LLM в качестве судьи — чтобы дать команде реальный сигнал о том, улучшает ли изменение ситуацию и где оно создает новые проблемы.
• Превращать свои находки в четкие рекомендации: что строить, почему это важно и как выглядит успех — чтобы отделы продукта и инженерии могли принимать уверенные решения.
• Следить за разработками в области инструментов для работы с ИИ и качества данных — формировать мнение о том, какие новые методы стоит экспериментировать в контексте обогащения.

О вас

• Уверенное владение кодом на SQL и/или Python (или готовность изучить Python и использовать его с современными инструментами, ассистируемыми ИИ) для исследования данных, очистки выходных данных, вызова API и прототипирования идей.
• Опыт работы с API LLM (это может быть на работе, личные проекты или учеба): вызов их, составление запросов, структурирование их выходных данных и понимание того, почему они иногда дают ерунду.
• Вы мыслите экспериментально: вы формируете гипотезу перед тем, как посмотреть на данные, разрабатываете что-то, что могло бы опровергнуть вас, и интерпретируете результаты с соответствующим скептицизмом.
• Естественное любопытство к запутанным, несовершенным системам — вы хотите понять, почему что-то ломается, а не просто констатировать факт поломки, и придумывать идеи для его улучшения.
• Вы держите в поле зрения цель продукта: вас волнует, что меняется для клиентов и бизнеса.
• Умение решать неоднозначные проблемы: вы можете определить объем работы, расставить приоритеты в том, что тестировать в первую очередь, и знаете, когда «достаточно хорошо» действительно достаточно.
• Четкий коммуникатор — вы можете объяснить то, что вы создали, что вы обнаружили и что это значит, инженерам, менеджерам по продукту и заинтересованным сторонам, которые не заботятся о деталях реализации.
• 1–3 года работы на аналитической или технической должности; опыт работы в финтехе, банковском деле или быстро меняющей среде, основанной на данных, является плюсом, но не обязателен.

В Zopa мы ценим гибкие подходы к работе. Мы ценим личное сотрудничество и хороший баланс между работой и личной жизнью. Эта гибридная роль требует, чтобы вы посещали наш офис в Лондоне 2-3 дня в неделю. У вас также будет возможность работать из-за границы до 120 дней в году!* Но независимо от того, где вы находитесь, мы позаботимся о том, чтобы у вас было все необходимое для достижения успеха как в работе, так и в личной жизни, с первого дня. *При условии наличия права на работу в выбранной стране.

Заявление о многообразии

Zopa гордится тем, что предлагает рабочее место, свободное от дискриминации. Разнообразие опыта, точек зрения и происхождения приводит к созданию лучших продуктов для наших клиентов и уникальной корпоративной культуры для наших сотрудников. Мы представлены почти 50 национальностями, у нас есть форум по вопросам DE&I, состоящий из зупианцев, желающих внести изменения, и мы гордимся нашей культурой, где каждый может быть самим собой на работе. Наш подход к DE&I отражен в нашем процессе найма, поэтому, пожалуйста, сообщите нам, если вам требуются какие-либо разумные приспособления.

Наш подход к ИИ на собеседованиях

В Zopa ИИ — это не то, что мы тестируем — это часть нашей повседневной работы. Как гордый партнер Jobs 2030, мы стремимся развивать ИИ-грамотность среди нашей рабочей силы, и мы ожидаем, что зупианцы будут использовать ИИ в своей работе. Поэтому мы хотим быть прозрачными в отношении того, как мы подходим к использованию ИИ в процессе найма. Поведенческие и компетентностные интервью: пожалуйста, не используйте ИИ. Эти беседы предназначены для того, чтобы понять вас — ваш опыт, вашу оценку и то, как вы подходили к реальным ситуациям. Сгенерированный ИИ ответ не может нам этого сказать. Он может помешать нам выяснить, подходим ли мы друг другу. Технические интервью: зависит от роли. Некоторые технические этапы активно приветствуют использование ИИ, другие — нет. Ваш Talent Partner сообщит вам, что ожидается на каждом этапе. Там, где ИИ является частью оценки, нас будет интересовать не только результат, но и то, как вы его использовали — выбранные вами инструменты, ваши рассуждения и решения, которые вы принимали.