Продукт Forecasting от inDrive преобразует масштабные данные маркетплейса в ежедневные и ежемесячные прогнозы ключевых показателей компании по предложению, спросу и финансам. Эти прогнозы являются основой для постановки целей, финансового планирования и сценарного анализа для бизнес-команд и руководства.

Мы ищем старшего аналитика, который будет отвечать за этот продукт: за качество и достоверность цифр, за планирование, в котором они используются, и за объяснение каждого отклонения. Вы возьмете на себя существующее рабочее решение (Python, BigQuery) и будете обеспечивать его надежную работу на благо бизнеса — но суть роли заключается не в самом моделировании. Важно понимать, как работает бизнес: как ценообразование, стимулирование, маркетинг и рыночные события влияют на метрики, как эти метрики связаны между собой и что нужно лицам, принимающим решения, от прогноза, чтобы планировать с уверенностью.

Бизнес и планирование

• Отвечать за прогноз как продукт для принятия решений: отслеживать план/факт, декомпозировать отклонения по бизнес-драйверам (сезонность, ценообразование, стимулирование, маркетинг, внешние события) и объяснять в бизнес-терминах, почему изменились цифры.
• Поддерживать циклы корпоративного планирования: предоставлять базовые прогнозы для постановки целей и бюджетирования, согласовывать допущения с финансовыми и бизнес-стейкхолдерами.
• Строить и проводить сценарный («что-если») анализ запланированных мероприятий: изменение цен, стимулирование и маркетинговые расходы, запуск продуктов, расширение рынка.
• Поддерживать логику зависимостей, связывающую показатели спроса, предложения и финансов, чтобы прогнозы оставались взаимно согласованными и корректно агрегировались по рынкам.
• Преобразовывать неоднозначные бизнес-вопросы в измеримые задачи прогнозирования; четко доносить допущения, неопределенность и ограничения как до бизнес-, так и до технических аудиторий.

Производство прогнозов

• Запускать и контролировать регулярные ежедневные и ежемесячные прогнозы: полнота данных, проверки на адекватность, отклонение от предыдущего периода.
• Расследовать аномалии от начала до конца — от входных данных и бизнес-преобразований до выходных данных прогноза — выясняя бизнес-причину, а не просто техническое исправление.
• Прагматично улучшать модели: базовые показатели, честная валидация и выбор моделей, основанные на измеримой ценности для планирования, а не на сложности.
• Поддерживать решение в работоспособном состоянии: читаемый Python, документация, версионирование изменений.

Требования

• Опыт работы в аналитике, прогнозировании или планировании от 4 лет — например, аналитика маркетплейса или продукта, планирование спроса или наука о решениях.
• Глубокое понимание принципов бизнес-планирования: циклы план/факт, постановка целей, драйверные модели, юнит-экономика. Вы видите бизнес-метрики как связанную систему, а не как изолированные временные ряды.
• Практическое знание прогнозирования временных рядов — сезонность, праздники, внешние регрессоры, структурные сдвиги, пропущенные данные — достаточное для управления и улучшения производственных моделей.
• Уверенное владение Python (экосистема pandas): способность поддерживать и расширять существующую производственную кодовую базу.
• Продвинутый SQL и опыт работы с большими наборами данных в облачном хранилище данных.
• Строгие методы валидации: соответствующие базовые показатели, отсутствие утечки данных, метрики ошибок, связанные с влиянием на бизнес.
• Мышление собственника: комфортное расследование проблем, выходящих за границы данных, моделей и интеграции.
• Профессиональное владение английским языком и способность отстаивать свои расчеты перед старшим руководством.

Желательно:

• Опыт работы в сфере мобильности, маркетплейсов или других систем спроса и предложения.
• Опыт поддержки процессов финансового планирования, S&OP или бюджетирования.
• Эконометрика и причинно-следственный анализ; модели отклика на маркетинговые кампании (adstock, насыщение, окупаемость инвестиций).
• Иерархическое прогнозирование по нескольким рынкам.
• Опыт управления или поддержки пакетных конвейеров производства; BigQuery, рабочие процессы на основе Git, CI/CD.

Технологическая среда Python (pandas, NumPy, scikit-learn, Prophet), BigQuery, Databricks, Git и GitHub Actions. Это роль аналитика в дружественной к инженерам среде: вы должны чувствовать себя комфортно с этим стеком, но глубокая инженерия ML не является основной частью работы.

Льготы

• Помогите нам бороться с несправедливостью, создавая справедливые возможности для миллионов людей в 48 странах.
• Развивайте свои профессиональные навыки, имея доступ к наставничеству, карьерному консультированию и программам обучения.
• Сотрудничайте с командами по всему миру и получайте международный опыт в рамках нашей Программы глобального обмена талантами.
• Участвуйте в общекорпоративных испытаниях, конкурсах, спортивных мероприятиях, проектах социального воздействия и волонтерских проектах под руководством сотрудников.
• Работайте вместе с людьми, которые проявляют инициативу, открыто высказываются и стремятся к росту.
• Совершенствуйте свои языковые навыки с помощью курсов с частичной оплатой и внутренних разговорных клубов.

Окончательный список льгот может варьироваться в зависимости от местоположения.