Senior adatelemző (LTV / prediktív analitika)

Stack

Feladatok

• ▹Az LTV-előrejelző algoritmus gondozása és fejlesztése: az előrejelzés pontosságát növelő paraméterek és tényezők keresése, fejlesztések prototipizálása SQL-ben, a nyereség mérése, majd a logika átadása az adatmérnököknek
• ▹Az előrejelzések validálása lezárt kohorszokon, az előrejelzés minőségének követése, annak magyarázata, hol tér el a modell a tényleges LTV-től
• ▹Az LTV-t befolyásoló tényezők kutatása: termékfunkciók, szegmensek, vásárlási források (például CRM-en keresztüli és más vásárlások), és az előrejelzési logika igazítása hozzájuk
• ▹Elemzői kutatás a homályos kérdéstől a dokumentált javaslatig a termék-, a felhasználószerzési és a pénzügyi csapatnak: hol javul a megtérülés, hol érdemes koncentrálni a médiavásárlást, mi változtatja meg a vállalati szintű egységgazdaságtant
• ▹Elemzési rutinok és a modellminőség-figyelés automatizálása az adatmérnökökkel

Elvárások

• ▹4+ év tapasztalat adatelemzői, senior adatelemzői vagy termékelemzői szerepkörben, termékanalitikai fókuszban: a tényezők üzleti mutatókra gyakorolt hatásának mérése, nem marketing-attribúció
• ▹Erős SQL: összetett lekérdezések, ablakfüggvények, optimalizálás
• ▹Szilárd matematikai statisztika és az ML-modellek működésének ismerete: előrejelzés építése és validálása, modellminőség megítélése (MAE, RMSE, MAPE, R2), tényezőelemzés
• ▹Termékháttér alkalmazáson belüli monetizációval és annak gazdaságtanával: LTV, kohorszok, retenció, ROI, CAC, ARPU, megtérülés; az előfizetéses modell ideális, más B2C modellek is megfelelnek, a csak reklámalapú monetizáció nem
• ▹Bizonyított képesség arra, hogy egy homályos kérdésből hipotézist alkosson, kiássa, és javaslatig vigye
• ▹Képesség a következtetések adatokkal való alátámasztására és közlésére műszaki és üzleti érdekelteknek

Előny

• ▹Python (pandas, numpy, scikit-learn) elemzéshez és modellezéshez
• ▹A/B-tesztelés és statisztikai hipotézisvizsgálat
• ▹BI-eszközök (Tableau, Looker, Power BI)
• ▹Felhős adattárház és nagy adatmennyiségek (Athena, BigQuery, Snowflake, Redshift vagy hasonló)
• ▹Feature engineering és modellértelmezés (SHAP, feature importance)
• ▹Mobiltermékek, játék- vagy előfizetéses üzletágak ismerete

Soft skillek

Amit kínálunk

• ▹Hatásos munka: a hozzájárulás közvetlenül alakítja a cég jövőjét
• ▹Innovatív környezet az oktatástechnológiában
• ▹Versenyképes fizetés
• ▹Rugalmas fizetett szabadság: 21 nap éves szabadság és 10 munkaszüneti nap
• ▹Együttműködő kultúra

A munkáltatóról

A StellarTech B2C mobilalkalmazás-kiadó az oktatástechnológiában: előfizetéses alkalmazásokat, alkalmazáson belüli monetizációt és nagy léptékű teljesítménymarketinget működtet.