AppMagic – сервис, который помогает компаниям по всему миру анализировать мобильные приложения и игры: от доходов и скачиваний до глубокой игровой и рыночной аналитики. Наш продукт уже используют 300+ компаний, включая NetEase, Google и PlayVentures.

Мы на рынке более 8 лет и за это время выстроили сильную экспертизу в аналитике. При этом внутри команды мы сохраняем атмосферу стартапа: быстро принимаем решения, много автономии, минимум бюрократии и фокус на результате.

Сейчас мы развиваем новое направление – аналитическую платформу для рынка PC-игр и Steam. Продукт находится на стадии MVP: базовые метрики уже работают и получают позитивный отклик от пользователей. В команду ищем Junior / Middle Data Analyst, который будет работать с аналитической моделью и качеством данных.

С какими задачами будешь работать:

• Поддержка и улучшение аналитической модели Steam
• Поиск причин аномалий и расхождений в расчетах
• Анализ входных данных, логики метрик и коэффициентов
• Сбор и анализ данных из публичных и внешних источников
• Оценка качества и точности данных

Что для нас важно:

• Уверенное владение SQL (выше базового уровня)
• Python для аналитики данных (pandas, numpy, polars или аналогичные библиотеки)
• Базовое понимание статистики и теории вероятности
• Аналитическое мышление, внимательность и аккуратность в работе с данными
• Интерес к аналитике и готовность к ручной, вдумчивой работе

Что будет плюсом:

• Математическое / техническое образование
• Опыт работы с публичными источниками данных
• Понимание рынка PC-игр / платформы Steam
• Опыт парсинга данных или понимание принципов сбора данных

Что мы предлагаем:

• Полностью удаленная работа из любой точки мира
• 100% компенсация больничных и отпусков без лишних бумаг
• Частичная компенсация ДМС, курсов английского, консультаций психолога, техники, спорта и курсов
• Атмосферу стартапа внутри зрелой компании: быстро, гибко и без лишних согласований

Если тебе интересна работа с аналитическими моделями, приближенными данными и вдумчивый разбор логики метрик - добавь сопроводительное письмо. Напиши пару предложений о кейсе, где тебе приходилось искать причину расхождений в данных, и почему тебе интересна эта роль:)