Аналитик данных

Требования: Опыт работы с: Python, PySpark, SQL / ClickHouse;
Работа с данными: Глубокое понимание методов Feature Engineering, опыт работы с временными рядами;

Машинное обучение: опыт промышленного внедрения градиентного бустинга (CatBoost / LightGBM / XGBoost);

Опыт работы с Git.

Будет преимуществом:
Знание процессов Demand Planning и прогнозирования спроса в ритейле/FMCG;
Опыт с инструментами MLOps.

Обязанности: Мониторинг качества прогнозов на различных уровнях агрегации (SKU, магазин, распределительный центр, категория, регион). Оценка прогнозов на бизнес-метриках: WAPE, BIAS на разных горизонтах планирования;
Анализ причин отклонения прогнозов и взаимодействие с бизнес-пользователями (планирование, коммерческий блок, категорийный менеджмент) для поиска причин снижения качества прогнозирования;
Формирование и проверка гипотез по повышению точности моделей прогнозирования;
Разработка новых признаков и совершенствование алгоритмов прогнозирования временных рядов;
Анализ влияния промо, цен, сезонности, праздничных дней, ассортимента, открытия/закрытия магазинов, OOS, изменений матрицы, логистических ограничений и других факторов на продажи;
Переобучение моделей, управление жизненным циклом моделей и контроль деградации качества прогнозов;
Проведение backtesting и оценка эффективности новых алгоритмов;
Работа с большими объёмами данных с использованием PySpark и распределённых вычислений;
Подготовка аналитических материалов и рекомендаций для развития процессов прогнозирования спроса;
Участие в выборе архитектуры решения и планировании Roadmap развития системы совместно с вендором.