Аналитик данных | Data scientist

Чем предстоит заниматься:

Это роль-гибрид: вы будете одновременно AI-лидером (проработка гипотез, работа с подрядчиками) и Data Scientist'ом (модели, данные, ML).

🔬 1. Бизнес-гипотезы

• Взаимодействовать с бизнес-заказчиками (маркетинг, продажи, продукт, HR, логистика), выявлять точки применения AI

• Формулировать и тестировать гипотезы: «А что, если мы автоматизируем / предскажем / кластеризуем / порекомендуем вот это?»

• Проводить оценку эффективности гипотез (стоимость разработки vs выгода)

🤖 2. Работа с LLM и YandexGPT

• Развивать текущую интеграцию с LLM (Яндекс) — уже используем её, нужно масштабировать

• Проектировать RAG-решения (Retrieval-Augmented Generation) для ответов по корпоративным данным

• Разрабатывать AI-ассистентов для: Ad-hoc запросов по анализу данных - ответы на типичные вопросы по данным виесто формирования типовых дашбордов, внутренних процессов — поиск по документам, генерация отчётов, интерпретация показателей

📊 3. Data Science (модели и данные)

• Разрабатывать ML-модели (классификация, регрессия, кластеризация, прогнозирование временных рядов)

• Собирать и подготавливать данные для моделей из DWH и других корпоративных источников

• Проводить EDA, feature engineering, валидацию, A/B-тесты

• Подтверждать качество моделей — формальная метрика качества (business metrics, а не только ML-метрики)

• Документировать результаты (отчёты, презентации для стейкхолдеров)

🤝 4. Работа с подрядчиками и пилотами

• Искать на рынке внешние AI-решения, отвечающие запросам бизнеса

• Формировать ТЗ для подрядчиков, оценивать их компетенции

• Управлять пилотами: сроки, KPI, приёмка результатов

• Готовить фактуру для принятия решения: build (делаем сами) vs buy (покупаем готовое решение vs partner (берём подрядчика)

• Текущий пул: LLM-проекты с Яндексом; в планах — AI-ассистенты для данных, NLP-решения, Computer Vision (если есть потребность)

🛠️ 5. Интеграция и внедрение

• Доводить модели до продакшена — встраивать их в существующую…