1 авг.
Исследователь-аналитик (Управление стратегии, исследований и аналитики)
ЗП не указана
Москва
Гибрид
Middle
Команда AVO Bank создает новый технологичный розничный банк на рынке Узбекистана. Основная концепция сервиса - клиент самостоятельно может получить все услуги банка через мобильное приложение и устройства самообслуживания.
Наш сегодняшний вызов - создать самый продвинутый digital банк в Узбекистане. Мы ищем Data Scientist в ML-команду.
Основной фокус роли — продуктовые и клиентские ML-задачи: CRM, churn/retention, propensity, uplift, LTV, клиентская сегментация и оптимизация коммуникаций.
Это позиция для человека, которому интересно не просто обучать модели, а помогать банку лучше понимать клиентов: кого удерживать, кому и когда делать предложение, какой клиент принесёт больше ценности, где коммуникация даст эффект, а где только создаст лишнюю нагрузку.
В команде есть собственная Feature Platform, которую мы используем для разработки и переиспользования признаков в обучении, batch-расчётах и production-инференсе.
• Разрабатывать модели и аналитические подходы для клиентских сценариев: propensity, churn/retention, uplift, LTV, next best offer / next best action, сегментация и таргетинг.
• Проектировать признаки на основе клиентского поведения, транзакций, продуктовой активности, коммуникаций и истории взаимодействия с банком.
• Проверять продуктовые гипотезы, выбирать корректные метрики и оценивать влияние моделей на бизнес: конверсию, удержание, доходность, экономию бюджета и эффективность коммуникаций.
• Разрабатывать и валидировать фичи так, чтобы они корректно работали в обучении, batch-процессах и на production-инференсе.
• Участвовать в запуске ML-решений вместе с engineering-командой: от пилота до регулярного production-расчёта и мониторинга качества после релиза.
Обязательные
• Опыт работы в Data Science / ML на продуктовых или клиентских задачах: propensity, churn/retention, uplift, LTV, сегментация, таргетинг, персонализация или близкие сценарии.
• Сильная база в прикладной статистике и машинном обучении: умение корректно формулировать таргет, выбирать горизонт прогноза, строить валидацию, оценивать качество модели и понимать ограничения результата.
• Уверенный Python и SQL для работы с данными: подготовка датасетов, feature engineering, анализ качества данных, обучение моделей и исследование гипотез.
• Практический опыт с табличными ML-моделями и современным DS-стеком: sklearn, CatBoost/LightGBM или аналогичные инструменты.
• Умение связывать качество модели с бизнес-метриками: конверсией, retention, revenue, cost saving, LTV или эффективностью коммуникаций.
• Опыт работы с временными и поведенческими данными: клиентская активность, транзакции, коммуникации, продуктовые события, история взаимодействия с клиентом.
• Способность доводить задачу до результата вместе с бизнесом, аналитиками, DWH и engineering-командами: от идеи и датасета до пилота, production-расчёта или регулярного использования модели.
Будет плюсом
• Опыт в fintech, banking, telecom, e-commerce, subscription-бизнесе или другом продукте с большой клиентской базой.
• Практика в uplift modeling, causal inference, A/B-тестах, инкрементальности и оценке реального эффекта ML-решений.
• Опыт работы с feature store / feature platform или понимание принципов production feature engineering: переиспользуемость фичей, offline/online consistency, версионирование, контроль качества.
• Понимание production ML-процессов: Git, Airflow/dbt, MLflow, Docker, API, мониторинг качества данных и моделей.
• Умение понятно объяснять результаты: что модель делает, где работает хорошо/плохо, какие есть риски и какое действие бизнес должен предпринять.
Ташкент, улица Нукус, 29А или удаленно в близком часовом поясе.
Для оформления и прохождения онбординга необходимо посетить наш офис в Ташкенте. Мы оплачиваем билеты и проживание на 2 недели.
Умножим шансы на каждом этапе поиска и поможем получить выгодный оффер
Узнать большеБудьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
Будьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
