Вакансия Стажер-аналитик Екатеринбург в компании Тинькофф. Зарплата: не указана.
Проще некуда
Моя подруга хотела заниматься спортом, и мы придумали, как друг друга поддержать. Мы заключили пари: я должна была каждый день откликаться хотя бы на одну вакансию, а подруга — присылать мне фото с тренировки. Если не выполняешь хотя бы раз, то платишь другому штраф 50 рублей. Мы взяли этот метод из книги «Экстремальный тайм-менеджмент». Обложка книги «Экстремальный тайм-менеджмент» Я откликнулась примерно на 50 вакансий. Первые две недели я не получала никаких ответов, ведь иногда рекрутеры не смотрят их неделю-две. Но мои отклики копились, и через месяц посыпались приглашения на собеседования, их было около 10.
Половина работодателей мне отказали. Возможно, причиной отказа было то, что я не всегда откликалась на релевантные позиции. Я хотела получить опыт прохождения собеседований, заведомо зная, что там требуется больше, чем я знаю и умею. Был случай, когда я устроила работодателя, но мы не сошлись по зарплате. Как я получила работу в «Тинькофф» Я изначально хотела работать в «Тинькофф», так как у меня уже был опыт работы в этой компании. Но попасть в банк никак не получалось, так что я начала искать работу в других местах.
В начале февраля я прошла три успешных собеседования, и меня позвали на работу в Skyeng. Я почти была готова согласиться, и тут в «Тинькофф» нашли мое резюме и спросили, хочу ли я у них работать. Я честно сказала, что у меня на руках оффер, но если они быстро проведут собеседование, то я готова рассмотреть предложение. До сих пор благодарна HR, которые ради меня всего за неделю провели три собеседования. На первом этапе нужно было решить математические задачки, на втором я общалась с несколькими тимлидами. Они гоняли меня по теории вероятностей, математической статистике и логике.
Задавали вопросы вроде «Сколько апельсинов поместится в автобус? На третьем этапе нужно было за час выполнить одну бизнес-задачу вместе с тимлидом и командой.
Я делала базу данных для составления маршрутов: искала координаты населенных пунктов на разных картах в интернете, указывала маршруты автобусов, самолетов, поездов. В основном это была ручная рутинная работа. Но иногда я что-то автоматизировала, занималась чисткой данных, корректировала ошибки, общалась с поставщиками информации. У нас были, например, «автобусники», которые часто открывали новые маршруты, и я уточняла новые остановки. Я пришла туда, чтобы получить опыт работы с данными. На этой работе мне было спокойно. Кроме того, я могла совмещать ее с обучением, чтобы развиваться и готовиться стать полноценным аналитиком.
Но мне хотелось больше свободы, экспериментов, работы с Python! Пыталась заниматься сама и думала, что смогу сменить область за счет самообразования, но не получилось. Поэтому летом 2020 года я поступила в SkillFactory на курс по аналитике данных , чтобы структурировать свои знания и получить сертификат. Станьте аналитиком данных и получите востребованную специальность Подробнее Зачем я откликалась на вакансии каждый день В конце 2020 года я стала рассылать резюме. Увидела одну вакансию в Telegram, написала рекрутеру в личку. Она мне резко ответила, что «люди с курсов ничего не умеют» и что она даже рассматривать меня не будет. Я сильно расстроилась и даже дополнительно записалась на профессиональную переподготовку по аналитике данных в НИУ ВШЭ. Затем было еще много отказов, это было тяжело. Моя подруга хотела заниматься спортом, и мы придумали, как друг друга поддержать.
Мы заключили пари: я должна была каждый день откликаться хотя бы на одну вакансию, а подруга — присылать мне фото с тренировки. Если не выполняешь хотя бы раз, то платишь другому штраф 50 рублей. Мы взяли этот метод из книги «Экстремальный тайм-менеджмент». Обложка книги «Экстремальный тайм-менеджмент» Я откликнулась примерно на 50 вакансий. Первые две недели я не получала никаких ответов, ведь иногда рекрутеры не смотрят их неделю-две.
Сейчас мы ищем усиление в лице Системных аналитиков.
Обязанности: Сбор, анализ и формализация требований заказчика Ведение и поддержка документации в актуальном состоянии Постановка и спецификация задач разработчику новых сервисов, либо доработку уже существующих Уточнение требований в процессе разработки Обеспечение интеграционного взаимодействия систем Участие в построении архитектуры и схем взаимодействий Создание структур данных, описание алгоритмов обработки данных Взаимодействие с другими командами проекта Помощь QA в проработке тест-кейсов. Знание какого-либо языка программирования и умение разбираться в коде будет плюсом. Мы предлагаем: Возможность работы в аккредитованной ИТ-компании Работу в офисе или удаленно — по договоренности Платформу обучения и развития Тинькофф Апгрейд.
Стажировки оплачиваемые, работать можно удаленно или из офиса Тинькофф, а лучших приглашают на интервью в штат. Сейчас открыты направления: аналитика, QA, бэкенд-разработка Java, Scala,. Отбор будет в два этапа: экзамен и собеседование с куратором выбранного направления. Стажировка оплачивается, лучших пригласят на интервью в штат.
Ведущий аналитик (Collection)
Первый митап от команды системных аналитиков Тинькофф. Стартовать решили с Северной столицы: поговорим о том, как построить новый процесс поддержки пользователей и не утонуть в требованиях от 700 стейкхолдеров, почему SQL – не приговор и подискутируем, куда расти. Регулярные стажировки в Тинькофф Банк для студентов и выпускников вузов проводятся по четырем направлениям. На Tinkoff Internship сейчас открыт новый набор — записаться и пройти экзамены можно до 8 декабря на сайте
«Набрался опыта в реальных задачах»: 4 стажировки, которые положили начало успешной карьере
Доклады SQL — не приговор, или жизнь после ораклового пакета Мы меняем этот мир, но и мир порой меняет нас — иногда приходится догонять. Одно из средств: "И — импортозамещение". Дима расскажет про разрабатываемый нашей командой высоконагруженный продукт внутрибанковского процессинга, а также некоторые нетривиальные задачи, связанные с PL SQL, которые пришлось решать в процессе реализации. Дмитрий Сытников Тинькофф Как построить новый процесс поддержки пользователей при быстром росте компании и наличии имеющейся системы, работающей на пределе Цель у поддержки везде одинакова — помогать пользователю решать его проблемы, быть связующим звеном между ним и обслуживающей инфраструктурой.
Mobile: участники разрабатывали SDK, создавали масштабируемую дизайн-систему по макетам. Системный анализ: три кейса в командах — задача на интеграцию, проектирование пользовательского пути и оценку нагрузок. SRE: решить кейс-тесты с требованиями к разрабатываемым ими системами, усложненные и расширенные. Data Engineering: формирование набора данных по заданным требованиям на основе исходного датасета, содержащего информацию с платформы Steam. Большинство треков предполагало самостоятельное участие. Исключение — треки SRE и «Системный анализ», где за победу финалисты соревновались целыми командами до пяти человек. В перерывах между решением интересных задач участники могли расслабиться и отдохнуть в компании единомышленников: поиграть в настольные игры, пообщаться со специалистами из разных сфер, городов. В каждом треке были свои критерии оценки. Например, результаты отборочного тура оценивались автоматически в четырех треках: backend, frontend, data engineering. В зависимости от точности ответов и времени прохождения система выставляла баллы. Для SRE, mobile уже на этапе отборочного тура мы подключили проверку членами жюри, потому что решение задач требовало творческого подхода и демонстрации имеющихся навыков.
Всех тех, кто успешно справился с онлайн-этапом, приглашают на очные встречи с кураторами в офис. Встречи проходили в разных форматах: давали задачки на логику, язык программирования, спрашивали о предпочтениях в технологиях и обо всем том, что тебя интересует в мире ИТ. Спустя некоторое время тем, кто был принят на программу, пришло приглашение с условиями программы. И речь не только о деньгах. Интерны бесплатно обедают в Тинькофф Кафе и ходят в фитнес-зал в офисе. На нас также распространяются корпоративные скидки и предложения от партнеров компании. В отборе участвовали 1299 человек, из которых 412 были приглашены на финальный этап, 98 получили приглашения на программу. Итоговый конкурс — более 13 человек на место. Первое впечатление В первый день организаторы проводят ознакомительную лекцию, после которой интерны расходятся по своим командам. Их уже ждет ноутбук, монитор, мышь и внутренний телефон. При желании можно запросить любое нужное оборудование. Мы, например, просили дополнительный монитор, коврик для мыши, наушники и гарнитуру. Как только вы обосновались на новом месте, кураторы рассказывают о своих командах и проектах. Кстати нам сразу же дали «боевые» задачи. Каждый из соавторов статьи недавно завершил свое участие в программе Tinkoff Internship и расскажет о своем опыте. Направление — аналитика Я занимался улучшением ценообразования страховых полисов. У ментора возникла идея, что, проанализировав рынок, мы сможем ввести в модель цены новый параметр, который позволит в конечном счете повысить прибыль. Для этого нужно было собрать имеющиеся данные, получить информацию о рынке, провести конечную аналитику и выяснить, полезен ли новый параметр. В начале самым сложным было освоиться с SQL и библиотекой для работы с данными Pandas , так как до этого я мало их использовал. Целую неделю я писал скрипты для получения и складирования данных о рынке. Параллельно работал тест эластичности, где мы меняли наши цены и смотрели на конверсию — вероятность покупки полиса. Используя данные этого теста, мы смогли построить модель, предсказывающую конверсию по нашей цене и полям полиса, а новый параметр увеличил качество работы модели. ROC-кривая модели. Чем больше площадь под графиком, тем лучше модель Получать данные о рынке при каждом обращении пользователя слишком долго, поэтому мы попытались предсказывать новый параметр — и поначалу нам удавалось хорошо это делать. Но с какого-то момента модель на обновленных данных стала обучаться хуже и ошибаться сильнее. Оказалось, что причина тому — резкая «просадка» курса рубля к основным валютам, поэтому по одному набору параметров она должна была выдавать различные ответы, чего модель, конечно же, делать не могла. Логичным решением стало добавление курса валюты в модель. Уже казалось, что мы имеем хорошую конверсионную модель.
Также мы пытаемся предложить давать кредит не только на образование. Мы хотим, чтобы в образовательном кредите была часть, которую студент может тратить на образование, еще часть, которую он тратит на проживание, а еще часть — на оборудование. Лучшая инвестиция молодого человека в таком возрасте — это инвестировать в себя. И я рекомендую рассматривать такой кредит. Потому что при выборе, получить так себе образование, но недорого или качественное, но в кредит, лучше в кредит. Потому что ты сможешь погасить его через один-два года своей работы. Мы уверены, что наш студент будет востребован работодателями, я думаю, что не исключено, что за наших выпускников будут драться. Для этого у нас есть идея — губернаторский грант, когда губернатор может отправить учиться самых сильных школьников с условием возвращения домой. У нас в компании 15 тыс. IT-специалистов, половина из них в Москве, а другая половина в регионах. Мы тоже готовы в сотрудничестве с регионом выступать тем самым работодателем, который возьмет на работу в этом регионе молодого человека, который уехал, получил в любом вузе сильное образование и возвращается. Мы готовы его брать к себе центры разработки "Тинькофф" есть в 23 городах России , тем самым обеспечивать спрос. Их количество не ограничено. Полностью бесплатно смогут обучаться 50 лучших абитуриентов. Вместе с грантом победители конкурса сразу получают предложение об оплачиваемой стажировке в компаниях-партнерах.
IT's Tinkoff System Analysis Meetup #1
Рабочий график Тинькофф платит своим стажерам почасовую оплату труда в зависимости от выбранной программы стажировки и региона. Тинькофф Инвестиции создали собственного уникального и технологичного онлайн-брокера, сделали самый сложный финансовый продукт доступным и удобным для всех. Все это очень нужно аналитикам, которые исследуют и оптимизируют процессы в компании. Если вы любите математику, попробуйте свои силы на задачах, которые в Тинькофф дают кандидатам в аналитики. Первая стажировка. Как грамотно выбрать первую стажировку? Оплачиваемая стажировка в Tinkoff. Вопрос сколько платят на стажировке в Тинькофф: рассказывают о заработке на стаже.
Тинькофф Банк открыл набор на оплачиваемую летнюю стажировку
Длительность стажировки Длительность стажировки в Тинькофф зависит от программы и направления, в котором стажируется кандидат. Первая стажировка. Как грамотно выбрать первую стажировку? Сам «Тинькофф» с этой проблемой пока особо не столкнулся, но почувствует ее в перспективе трех-пяти лет, считает Близнюк. Регулярные стажировки в Тинькофф Банк для студентов и выпускников вузов проводятся по четырем направлениям.
Александр Сенаторов: Как стать успешным продуктовым аналитиком
Летняя (оплачиваемая) стажировка Tinkoff набирает студентов, аспирантов и выпускников на оплачиваемую стажировку в области аналитики или разработки. Зимний набор на оплачиваемую стажировку в «Тинькофф Старт»: какие задачи решают стажеры. Тинькофф Старт — программа стажировок от Тинькофф. Ее участники на протяжении трех месяцев в течение учебного года или двух месяцев фултайм работают над задачами компании. Стажировка длится от трех месяцев летом до шести месяцев в течение учебного года — за это время вы научитесь решать бизнес-задачи, прокачаетесь как начинающий специалист и получите шанс попасть в команду Тинькофф.
Search code, repositories, users, issues, pull requests...
Функциональные тестировщики. Интерны готовят сценарии и прорабатывают тест-кейсы, ищут слабые места в функционале приложений, проводят ручное функциональное тестирование веб-сервисов 2. Далее в рамках выбранного направления стажеру подбирают проект. Это происходит в результате общения с руководителями команд. Поэтому на этом этапе важно доступно рассказать про ваши интересы и достижения.
Ах да, и еще тренажерный зал с сауной, чтобы потом вернуть прежнюю форму. Все, лишь бы больше времени проводили в офисе хехехе. У тебя правда крутой опыт на разных позициях и в разных топовых компаниях. За что ты благодарен именно себе в своем карьерном пути? Скажем так, мне очень часто везло: со стажировкой, с командами, с интересными задачами. Мне открыли мир аналитики данных еще во время первой стажировки, за что я очень благодарен Ozon. Но если говорить про себя, то я очень рад, что научился слушать себя и рефлексировать. Часто тяжело признаться самому себе, что жизнь повернула куда-то не туда и еще сложнее — сделать шаг назад, рассчитывая потом сделать два вперед. Как ты видишь будущее области аналитики? Есть ли тренды или инновации, на которые стоит обратить внимание, может скиллы, которые сейчас супер редкие, но на них будет расти спрос? Сейчас многие аналитики видят, как ChatGPT по щелчку пальцев генерирует сложные скрипты на Python и SQL и сам анализирует данные, выдавая готовый ответ. Многие аналитики переживают, что их работу будет делать ИИ. Но если мы отойдем на 40 лет назад и взглянем на работу аналитика, то тогда у аналитиков даже не было Excel и на техническую рутину могло уходить в десять раз больше времени. Сегодня аналитики занимаются все менее технической и все более творческой работой: они генерируют гипотезы, дизайнят метрики, проектируют дашборды. Ты был активен в студенческой жизни, участвовал в студенческих сообществах, как думаешь, тебе это помогло в профессиональном плане? Что бы ты посоветовал студентам обязательно сделать во время обучения? Студенчество — это не только про учебу, это однозначно. Это лучшая база для развития софт скиллов и нетворкинга. Участвуйте в таком количестве активностей, кейс-чемпионатов, хакатонов, летних школ, конференций, сколько сможете в себя вместить — и придете на свою первую стажировку не просто со знаниями, но еще и с жизненным опытом.
Я занимался продуктом страхования путешествий , аналитическими задачами с применением ML. Команда хотела улучшить модель ценообразования страховых полисов, сделав ее более гибкой. Для этого мы собирали информацию о рынке, анализировали позиции конкурентов и продумывали методы оптимизации нашей стратегии. Итогом второй стажировки стала модель, предсказывающая вероятность покупки полиса на сайте. Здесь вновь встал вопрос о числе рабочих часов и учебной нагрузке. Команда очень хотела оставить меня у себя, поэтому через пару месяцев я смог выйти на работу, теперь уже на третью, полугодовую стажировку. Тогда я полноценно работал с продуктовыми задачами: строил отчетность, помогал разбирать клиентские случаи. Самым интересным проектом на третьей стажировке стали создание и интеграция в продуктовые процессы модели, помогающей принимать решение по ценообразованию. В итоге я перешел в штат на позицию джуна, работая 20 часов в неделю. Через год меня повысили до мидла. Сейчас в команде продуктовой аналитики Тинькофф Страхования большая часть людей работает неполный рабочий день. Сейчас я управляю небольшой командой аналитики нескольких страховых продуктов, занимаюсь построением отчетности, налаживанием мониторинговых процессов, проведением тестов и исследованием продуктовых гипотез с помощью ML-моделей. Жена говорит, что я человек-оркестр. Мой спектр задач широк: я выполняю функции технолога, разработчика и аналитика данных. Например, сейчас я занимаюсь защитой карт: в случае мошеннических действий у клиента есть возможность возместить некоторую сумму. Еще помогаю развивать новые каналы привлечения, делать коммуникации с клиентами эффективнее, приоритизировать свой продукт среди множества других в экосистеме. Недавно я проводил собеседования на стипендию Тинькофф — это программа финансовой поддержки талантливых студентов технических специальностей. Отбор проходит в несколько этапов. Сначала претенденты решают задачи, их принимает система. Потом заполняют анкету про достижения и мотивацию. Следом проходят собеседования, которые напоминают прием аналитиков и бизнес-технологов, с секцией продуктовой аналитики: кандидатам нужно решать математические задачи. Будущие стипендиаты определяются по результатам предыдущих этапов топ-менеджерами и специальным жюри.
Это производитель кофемашин. Она дала мне очень много, поскольку она была первая, я очень много нового узнал. О бизнесе в целом, о том, как общаются между собой коллеги, чем я могу быть полезен. Из личного архива — Также много дали взаимоотношения с менеджером — опытным человеком в сфере бизнес-задач. Там сформировалось прикольное комьюнити. Мы общались, помогали друг другу. Я многое осознал в плане коммуникации. На первых этапах самое главное — понять корпоративную жизнь. Первый — конкурентный анализ, бенчмаркинг benchmarking. Мне нужно было понять ценовую стратегию других брендов, посмотреть, где мы можем быть лучше, чем конкуренты. Второй проект — анализ продаж. Где мы растем, где мы падаем, как мы можем масштабироваться. Были и мелкие, рутинные задачи. Например, появляется на рынке какой-то новый продукт, и его нужно адаптировать под российские материалы. Этим я тоже занимался. Я попробовал податься на позицию. Искали джуна на бренд, с которым я не работал. В итоге я не попал. Туда попал мальчик, который работал с этим брендом. И это логично. Для меня важнее была учеба и студенческая жизнь. Я был также главным организатором двух общих университетских проектов. На третьем курсе у меня был первый кейс-чемпионат. Мы попали в полуфинал. Это был старт моей карьеры и понимания, что мне ближе. Маркетинговые проекты, разработка бренда, product development. И я начал двигаться в эту сторону. Кейс-чемпионаты Как успешно пройти кейс-чемпионат, и какие преимущества можно получить, одержав победу? Что стало причиной успеха? Первый кейс-чемпионат у многих успешный, потому что ты очень заряжен. Я вовлекал всех друзей. Мы с командой делали кейс довольно долго. Мы много анализировали, много смотрели предыдущие работ. Для нас это стало залогом успеха. А потом, на четвертом курсе, мы с командой попали в финал, но уже с другой спецификой. Там был всеми известный бренд Экzo. Нужно было придумать новую линейку бренда, выбрать любую нишу или продолжить нишу мороженого, возможно, диверсифицировать бизнес. И мы выбрали, на тот момент, довольно трендовую вещь — «экологически чистый продукт». Сделали мини-Экzо — мороженое с разными вкусами, в мини-баночках. Наше мороженое мы сделали вручную, в инсталляции, чтобы жюри могло его посмотреть. И прошли в финал. Я не задумывался, что я буду продвигать. Первый менеджер меня научил, что хороший специалист должен быть крут, даже если он сам не применяет данный продукт в жизни.
IT’s Tinkoff Solution Cup: свыше 4000 участников, собственное IT-комьюнити и «метод утёнка»
Для этого требовалось погрузиться в продукт, пообщаться с продуктовой командой, изучить технологическую составляющую. После того как мы поняли, какую инфу давать оператору, нужно было оформить ее в читабельный вид. У нас есть инструмент, который генерирует контакты людей и страховые полисы для тестов. Но на момент начала моей стажировки он был очень неудобным: не было ручной настройки, все было захардкожено, и из-за этого все полисы были однотипные и одинаковые. Нужно было сделать возможным задание параметров полиса вручную, это позволит точечно генерировать сущности и тестировать любой кейс.
Чтобы решить задачу, мне потребовалось: Собрать требования с заказчиков и выяснить, какое наполнение необходимо тестовому страховому полису. Это нужно было узнать, во-первых, у разработчиков тестовых процедур и тестировщиков, во-вторых, со стороны продукта и логики. Понять, можем ли с помощью действующего инструмента выполнять необходимые задачи. Если нет, определить методы реализации и поставить задачу на разработку.
В колл-центре Тинькофф Страхования есть маршрутизация: мы направляем клиента на группу операторов, которые проконсультируют его по части вопросов. Была задача сделать так, чтобы мы предугадывали, по какому вопросу звонит клиент. Мы сегментировали по роли в полисе, наличию убытков. Но всегда оставалась большая масса не сегментированных клиентов.
Нужно было понять, что это за люди, и попытаться в них тоже выделить сегменты. Понять, не задает ли эта группа однотипные вопросы, чтобы уменьшить серую зону. Я провел анализ, сегментировал клиентов и понял, что большая часть — неизвестные для страховой люди. Теперь предстояло выяснить, что делать с такими клиентами.
В итоге поняли, что текущей информации недостаточно и надо собирать ее из других каналов. Решили обогатить методы информацией и на ее основе доучить Smart-маршрутизацию, чтобы выделить новые сегменты. После стажировки я прошел собеседование в команду страхования как технолог. Сейчас занимаюсь маршрутизацией обращений в страховую.
Придумываю, как можно превентивно определить, по каким вопросам звонит клиент. Мы занимаемся привлечением клиентов в раздел кэшбэков. На старте мне предложили выбор из шести проектов. Я остановился на задаче предсказать, сколько клиент получит кэшбэка от магазинов мерчантов , мы это называем LTV lifetime value клиента.
Задача нужна была для того, чтобы оптимизировать траты на привлечение клиентов в раздел кэшбэка. Предсказание нужно было сделать для клиентов, пришедших месяц назад, на как можно более долгий срок, но в первой итерации договорились, что прогноз сделаю на ближайшие 11 месяцев. Для того чтобы решить задачу, мне нужно было: Понять ключевую метрику, по которой будем смотреть качество. Остановились на MAE — этот средняя абсолютная ошибка.
В первом приближении взять в качестве предсказания среднее значение LTV на тренировочной выборке. Собрать и обработать данные о клиентах пол, траты, статистики. Первые несколько недель я собирал все возможные данные. Выбрать признаки для модели.
Я обрезал данные, стандартизировал признаки, чтобы уменьшить размерность пространства признаков. Выбрал только 100 признаков, чтобы сократить время отработки модели. Потом проверил без обрезания признаков и убедился, что модель не становится точнее, значит, все сделал верно. Подобрать модель для предсказания.
Некоторым отделам, чтобы согласиться на нашу инициативу, нужен был более детальный анализ, эту задачу я взял на себя тоже. Кроме магистральной задачи было много более мелких задачек. Например, доработать отчет или выяснить, какой тип пуш-уведомления куда ведет при нажатии. К концу моей стажировки по одному типу мы полностью перешли на пуш. По всем остальным выбранным типам начали работу в этом направлении, создали потребность у владельцев бизнес-линий для переноса своих типов на пуш, был отлажен процесс. Аналитика по акции «Приведи своих» Денис мехмат МГУ Мы предлагаем юридическим лицам порекомендовать сервисы своим знакомым и получить за это бонусы.
Это называется «Приведи своих». По проспекту акции нельзя было понять, сколько компания потратила на фактические выплаты, на звонки. Все проводимые тесты по акции хранились в разных местах и со временем терялись. Из-за этого было трудно и ресурсозатратно оценить успех проведения акции. Возникла необходимость сегментировать юридические лица, попытаться выделить тех, кто приводит друга чаще, а также собрать все данные о костах и результаты тестов в одну таблицу, добавить значения present value. Для начала я попытался сегментировать юридические лица.
Коммуницировал с другими аналитиками, и мы вместе рассуждали, имеет ли смысл делать сегментирование. Сегментирование не выявило особых аномалий, поэтому сделали вывод, что дальнейшая работа в данном направлении не особо продуктивна. Дальше проработали структуру таблицы для хранения данных. Протестировали обновление, добавили новые тесты. Теперь все проводимые тесты хранятся в одном месте, это позволило все практически онлайн отслеживать в виде красивых дашбордах. По ходу дела поправили многие баги и неточности.
На следующем шаге посчитал косты и present value, то есть число вложенных средств на заявку по акции. По ходу проекта решал еще много коммуникационных и технических задач. Например, многие аналитики имели неоптимальные процессы сбора данных по задаче. Все эти процессы доработали и подстроили под задачу. В дальнейшем можно еще оптимизировать запросы при сборке таблицы для быстрой работы. Для работы над проектом мне нужны были основы SQL, оптимизация запросов и Python.
Из софт-скиллов главными оказались коммуникабельность, умение выстроить быстрый процесс передачи информации. Подобного в Тинькофф не было, и я взялся этим заниматься. В итоге мы с командой придумали несколько метрик, измеряющих качество экосистемы, а затем их визуализировали. Моя команда называлась product quality, занимается измерением качества продуктов Тинькофф, по отдельности и в целом. Я измерял метрику «экосистемность» — она показывает профит от использования нескольких продуктов Тинькофф. Сама по себе метрика непонятная.
Поэтому для начала нужно было придумать другие параметры, которые бы отражали метрику, а затем все подсчитать и визуализировать. Работал я более-менее автономно, по всем возникающим вопросам спрашивал своего куратора и ребят из команды. Так как работал я с несколькими продуктами, нужно было плотно взаимодействовать с ребятами из команды, у кого были задачи со связанными продуктами. На проекте нужно было много придумывать, писать на SQL, писать на Python. Визуализация была в Tableau. Почти все из инструментов я знал, но набрался опыта в запросах на SQL, научился общаться с людьми это основное, наверное , расширил свои знания о работе банка, какие продукты развивает и т.
За экосистемой необходимо следить.
Они гоняли меня по теории вероятностей, математической статистике и логике. Задавали вопросы вроде «Сколько апельсинов поместится в автобус? На третьем этапе нужно было за час выполнить одну бизнес-задачу вместе с тимлидом и командой. Я успешно прошла все испытания, и меня выбрали сразу два тимлида: из команды кросс-продаж и команды маркетинга. Я выбрала маркетинг. Читайте также: Чем занимается Data Scientist в «Тинькофф»?
Что я делаю сейчас В «Тинькофф» я работаю уже два месяца маркетинговым аналитиком. Мои задачи связаны со средним и малым бизнесом. В мои обязанности входит создание выборок клиентов, которым я отправляю различные рассылки, электронные письма, сообщения в чате, push-уведомления, SMS. Плюс, я выполняю задачи по различным отчетам и исследованиям, связанным с рассылками, провожу AB-тесты. Половина времени уходит на работу в SQL, отчеты и рассылки. А вторую часть времени я общаюсь с внутренними заказчиками — мы обсуждаем, как реализовать задачу, когда и в каком объеме. Я сделала таблицу, где указаны самые распространенные инструменты, которыми пользуются аналитики Через 2—3 года мне бы хотелось дорасти до руководителя — сначала команды, а потом, может быть, и отдела.
Если говорить о горизонтальном росте, то в будущем я бы хотела попробовать себя на другом проекте, например перейти в продуктовую аналитику. У нас есть возможность менять проекты, если сотрудник хочет развиваться. Советы Очень важно общаться с людьми, которые уже работают в интересующей вас области. Иногда полезные знакомства заводятся сами собой. Однажды я смотрела онлайн-лекцию по аналитике , и в комментариях один парень написал, что он работает аналитиком в «Тинькофф» и что к нему можно обращаться с вопросами. Я ему написала, и мы подружились! Он мне скидывал математические задачки, статьи по аналитике.
Впервые увиделись мы, уже когда меня приняли на работу в «Тинькофф».
Нужно было понять, что это за люди, и попытаться в них тоже выделить сегменты. Понять, не задает ли эта группа однотипные вопросы, чтобы уменьшить серую зону.
Я провел анализ, сегментировал клиентов и понял, что большая часть — неизвестные для страховой люди. Теперь предстояло выяснить, что делать с такими клиентами. В итоге поняли, что текущей информации недостаточно и надо собирать ее из других каналов.
Решили обогатить методы информацией и на ее основе доучить Smart-маршрутизацию, чтобы выделить новые сегменты. После стажировки я прошел собеседование в команду страхования как технолог. Сейчас занимаюсь маршрутизацией обращений в страховую.
Придумываю, как можно превентивно определить, по каким вопросам звонит клиент. Мы занимаемся привлечением клиентов в раздел кэшбэков. На старте мне предложили выбор из шести проектов.
Я остановился на задаче предсказать, сколько клиент получит кэшбэка от магазинов мерчантов , мы это называем LTV lifetime value клиента. Задача нужна была для того, чтобы оптимизировать траты на привлечение клиентов в раздел кэшбэка. Предсказание нужно было сделать для клиентов, пришедших месяц назад, на как можно более долгий срок, но в первой итерации договорились, что прогноз сделаю на ближайшие 11 месяцев.
Для того чтобы решить задачу, мне нужно было: Понять ключевую метрику, по которой будем смотреть качество. Остановились на MAE — этот средняя абсолютная ошибка. В первом приближении взять в качестве предсказания среднее значение LTV на тренировочной выборке.
Собрать и обработать данные о клиентах пол, траты, статистики. Первые несколько недель я собирал все возможные данные. Выбрать признаки для модели.
Я обрезал данные, стандартизировал признаки, чтобы уменьшить размерность пространства признаков. Выбрал только 100 признаков, чтобы сократить время отработки модели. Потом проверил без обрезания признаков и убедился, что модель не становится точнее, значит, все сделал верно.
Подобрать модель для предсказания. Я попробовал линейную регрессию и модели классификации, чтобы отфильтровать нули, но эти методы не дали хороших результатов. В итоге лучше всего сработал CatBoost.
Результат приемлемый — средняя ошибка стала в 4 раза меньше в сравнении с бейзлайном. Составить регламентный ноутбук, который будет обновлять базу раз в неделю. Оформить отчет о проекте на Wiki в конце стажировки.
У меня была еще небольшая задачка в середине стажировки. Нужно было найти регионы, в которые отделу кэшбэков нужно проникнуть лучше. Я искал те регионы, где обороты высокие, а количество мерчантов, которое есть в таргете, низкое.
Сейчас вернулся к задаче и обнаружил там подводные камни. У продавцов не всегда корректно поставлены регионы. Сейчас я работаю в штате и решаю исследовательские задачи: ищу причины расхождения в данных, настраиваю регулярные отчеты.
Одна из моих задач — разработать инструмент для определения, насколько полно мы покрываем корзину клиента кэшбэком. Мы умели отслеживать, за какие покупки он точно получил.