Стандартный аналитический набор: SQL + Python + BI. Данные лежат в Vertica, ClickHouse и немного в MySQL. Сложные расчёты делаем в Python и сохраняем в репозитории на github. Дашборды делаем в Tableau и Metabase. У нас своя система сплитования и платформа для проведения A/B-тестов. Проводим А/А-тесты и тесты мощности методом Монте-Карло, используем линеаризацию, CUPED, switchback-тесты.

• Влиять на продукт. Аналитика — один из основных драйверов улучшений в кластере. Например, когда у нас родилась идея нового алгоритма ранжирования, мы собрали аналитическую команду, выделили ресурсы и после нескольких итераций смогли улучшить показатели «закрываемости» заказов на 10%!
• Заниматься тем, что интересно и важно. Аналитики в Профи — это полноценные участники продуктовых команд, которые помогают принимать решения. За счёт того, что основные бытовые аналитические проблемы решены (отчётность и дашборды автоматизированы и ad-hoc запросов почти нет), аналитики занимаются действительно интересными и ценными задачами.
• Творить вместе и решать задачи, которые никто в мире пока не решил хорошо. Идеального маркетплейса услуг пока не создали, поэтому есть шанс стать первопроходцем в решении многих аналитических задач.

В первые три месяца:

• Погрузиться в работу кластера: освоишься в данных, системах логирования и основных дашбордах. Позаботишься об аналитической составляющей для новых фичей.
• Понять особенности работы в каждой команде кластера, начать помогать в планировании задач, валидации результатов исследований и дизайна А/B-тестов.
• Сделать первый подход к улучшению инфраструктуры для продуктовых аналитиков кластера. Кажется, что текущие витрины и процессы логирования продуктовых фичей не оптимальны. Будет здорово, если ты проанализируешь то, что у нас есть и станешь активным заказчиком для команды BI. 

В ближайшие полгода-год будет два больших трека:

• Развитие аналитиков кластера.
• Обсуждать и ревьюить результаты работы аналитиков.
• Включиться в процессы найма.
• Расширять и развивать команду.
• Проектная работа.
• Контролировать качество данных.
• Самостоятельно вести одно из направлений кластера.
• Находить новые возможности и способы, как аналитика может приносить больше ценности.

• Опыт в продуктовой аналитике от четырёх лет. 
• Прикладной опыт в A/B-тестировании.
• Уверенное владение SQL, Python. 
• Опыт управления аналитиками: наём, обучение и развитие, постановка целей и планирование ресурсов.
• Знание статистики: фреймворк проверки гипотез, классические статистические критерии и условия их применимости, P-value, доверительный интервал, ошибки I и II рода, уровень значимости, мощность, нормальные и асимметричные распределения и т.д.
• Продуктовое мышление. На метриках ты видишь не только цифры, но и поведение пользователей, изменения в продукте. Не путаешь корреляцию с причинно-следственной связью, учитываешь введённые упрощения и предположения.