Шагит Б. , Senior, Data аналитик

Построение аналитической DWH-системы для сквозной аналитики мобильного маркетинга. Объединение данных из AppsFlyer, рекламных платформ и внутренних источников для анализа рекламных расходов, привлечения пользователей, пользовательских событий и финансовых показателей. Разработка многоуровневого процесса обработки данных: загрузка данных → RAW → staging и преобразование → обогащение → аналитические факты и витрины. Построение витрин для performance-маркетинга, acquisition, user events, Revenue, Spend, CPI, ROAS, LTV и cohort analytics.

1. Разработка и автоматизация ETL/ELT-процессов загрузки данных из внешних источников через API и Python.
2. Загрузка и обработка детализированных данных AppsFlyer: установки, пользовательские события, атрибуция, рекламные кампании, источники трафика, revenue и cost.
3. Интеграция данных из рекламных платформ и сопоставление рекламных расходов с пользовательскими событиями и результатами привлечения.
4. Написание SQL-преобразований для очистки, нормализации, дедупликации и подготовки данных к аналитике.
5. Проектирование фактов и витрин с учетом гранулярности данных и предотвращением дублирования метрик.
6. Обогащение данных через справочники и mapping-таблицы: каналы, типы рекламы, регионы, города, устройства, партнеры и другие бизнес-атрибуты.
7. Реализация Data Quality-проверок: контроль дубликатов и NULL, полноты загрузок, корректности дат и ключей, а также сверка показателей между источниками.
8. Автоматизация процессов с помощью Apache Airflow и cron, разработка DAG с зависимостями между этапами загрузки, обработки и формирования витрин.
9. Оптимизация PostgreSQL: materialized views, индексация, партиционирование и оптимизация тяжелых SQL-запросов.
10. Разработка Power BI-решений поверх DWH: модели данных, DAX, RLS, визуализация и автоматическое обновление через Gateway.
11. Документирование структуры данных и бизнес-логики расчетов, версионирование SQL/Python-кода и участие в code review.

Разработка и поддержка аналитической инфраструктуры для работы с большими объемами данных в сфере digital-маркетинга и недвижимости. Автоматизация сбора, обработки и подготовки данных для аналитики и отчетности. Работа с данными из BigQuery, PostgreSQL и внешних источников. Построение аналитических витрин, автоматизация ETL-процессов и разработка BI-отчетности для анализа рекламных и бизнес-показателей.

1. Обработка больших объемов сырых данных в BigQuery, включая извлечение данных из JSON и сложные SQL-преобразования.
2. Разработка SQL-запросов с использованием JOIN, CTE, UNION, оконных функций и агрегатов.
3. Создание аналитических витрин, функций и materialized views в PostgreSQL.
4. Автоматизация загрузки и обработки данных с помощью Python.
5. Разработка и поддержка Telegram-бота для автоматической загрузки файлов в PostgreSQL.
6. Разработка DAG в Apache Airflow для автоматического обновления витрин данных.
7. Автоматизация и мониторинг процессов парсинга данных с сайтов ЦИАН и Авито.
8. Разработка и поддержка аналитических дашбордов в Power BI, DataLens и Grafana.
9. Написание DAX-мер и подготовка моделей данных для Power BI.
10. Проведение ad-hoc аналитики и подготовка данных под различные бизнес-задачи.
11. Построение и анализ воронок конверсии — от общего объема обращений и звонков до заключенных сделок.
12. Подготовка технических заданий для разработчиков и младших специалистов.

Автоматизация расчета прибыли и ROI на основе данных из 1С. Цель проекта — заменить ручной сбор и обработку данных единым автоматизированным процессом с возможностью воспроизводимого расчета финансовых показателей в Power BI. Интеграция данных из 1С через OData, регулярная загрузка данных в корпоративную БД и построение SQL-витрин, воспроизводящих бизнес-логику отчетов 1С.

1. Настройка выгрузки данных из 1С через OData: маржинальность, остатки, себестоимость и количество товаров.
2. Разработка Python-скриптов для регулярной инкрементальной загрузки данных.
3. Реализация полной перевыгрузки исторических данных для восстановления и пересчета показателей.
4. Анализ структуры отчетов 1С, определение ключевых полей и связей между сущностями.
5. Разработка SQL-витрин «Маржинальность товаров» и «Запасы» на основе бизнес-логики отчетов 1С.
6. Подготовка данных для расчета прибыли, себестоимости и ROI.
7. Интеграция подготовленных витрин с Power BI.
8. Проектирование модели данных с разбивкой показателей по дням, неделям и месяцам.
9. Настройка связей между таблицами для корректного расчета финансовых показателей.