On Shelf Availability (OSA) — это аналитический продукт, который помогает бизнесу находить причины недопродаж и выявлять слабые места в товародвижении. Мы анализируем весь путь товара: от логистики и поставок до ассортимента и наличия на полке в конкретном магазине.

Мы ищем Middle-аналитика, который поможет развивать продукт: находить новые фичи, опираться на бизнес-контекст, анализировать качество моделей и предлагать улучшения.

Технологический стек: SQL Trino Python PySpark Airflow Superset Qlik Sense S3

Чем тебе придется заниматься

  • Разобраться в архитектуре OSA-решения, пайплайнах данных и ML-моделях

  • Изучить ключевые источники данных: продажи, остатки, планограммы, данные магазинов, ценники, логи моделей

  • Понять, где и почему данные могут расходиться с физической реальностью в магазине

  • Участвовать в улучшении качества ML-моделей

  • Находить точки роста продукта: где система теряет точность и как её усилить

  • Проектировать и анализировать A/B-эксперименты в реальных оффлайн-магазинах, улучшать методологию экспериментов

  • Переводить аналитические выводы в понятные бизнес-рекомендации

Требования

  • Уверенное владение SQL и опыт работы с промышленными БД

  • Знание Python для анализа данных

  • Опыт проектирования и анализа A/B-экспериментов

  • Опыт работы с ML-моделями (классификация, регрессия, кластеризация)

Будет плюсом

  • Опыт работы с PySpark