Data Engineer/Scientist/Analytic (в архиве)

27 Ноября

Партнерские Вакансии

Компания "VIVAT"

О компании

Мы — успешный fashion-бренд с 15-летней историей и собственным производством женской одежды. Полный цикл: от закупки ткани до продажи на маркетплейсах. Наш основной оборот идёт через Wildberries и Ozon (входим в топ-1% продавцов одежды на Ozon).

Сейчас мы запускаем проект по построению аналитической/рекомендательной платформы с нуля. Цель — сделать управление ассортиментом, ценами, закупками, производством и рекламой максимально прозрачным и основанным на данных.

Если внутренняя система покажет результат, мы планируем вывести её на рынок как отдельный SaaS-продукт для других продавцов маркетплейсов. Это возможность присоединиться на старте и влиять на архитектуру продукта.(уже есть заинтересованные селлеры)

Задачи

1. Сбор данных и интеграции

• Подключение API Wildberries, Ozon и других площадок.

• Получение данных:

  • Продажи (выручка, заказы, выкупы, возвраты, статусы).

  • Остатки на складах, логистика.

  • Рекламные метрики (показы, клики, CTR, CPC, CPA, ROI).

  • Цены, динамика скидок, участие в акциях.

  • Позиции в поиске, отзывы, рейтинг.

• Интеграция данных из 1С (по ODATA).

• Загрузка данных из Excel/CSV.

• Парсинг маркетплейсов для конкурентного анализа.

2. Построение хранилища данных

• Проектирование и реализация Data LakeHouse.

• Хранение данных в S3 или аналогах, первичная обработка.

• Создание структуры данных (сырые → очищенные → витрины).

• Использование ClickHouse или других колоночных БД.

• Настройка базовых ETL/ELT-процессов.

3. Аналитика и прогнозирование

• Прогноз спроса и продаж (по товарам и категориям).

• Оптимизация остатков и распределение поставок по складам WB/Ozon.

• Автоматизация рекламных кампаний:

  • динамические ставки,

  • удаление неэффективных ключей и кластеров,

  • анализ CTR/конверсий.

• Расчёт маржинальности и прибыли.

• Оценка эффективности SKU, поставок и логистики.

4. Визуализация и отчётность

• Построение дашбордов в Yandex DataLens.

• Создание таблиц и аналитических отчётов.

• Возможна разработка части аналитики в самописном веб-приложении.

Требования

• Опыт работы с данными: ETL, SQL, Python.

• Знание API: работа с REST API маркетплейсов, интеграция с 1С ODATA.

• Опыт с БД: PostgreSQL, ClickHouse (или аналогами).

• Инструменты: Docker, Git.

• Библиотеки: pandas, requests, airflow (или опыт других пайплайн-менеджеров).

• BI: DataLens (обязательно), понимание метрик аналитики.

• Умение строить прогнозы (time series, ML — плюс).

• Умение самостоятельно доводить задачи до результата.

Плюсом будет

• Опыт проектирования Data LakeHouse.

• Опыт работы с маркетплейсами (WB/Ozon).

• Знание MLOps.

• Опыт работы в e-commerce или производстве.

• Навыки FastAPI/Flask для интеграций и сервисов.

Мы предлагаем

• Участие в проекте с нуля — ключевая роль.

• Возможность влиять на архитектуру и решения.

• Рост вместе с продуктом.

• Гибкий график, гибридный формат (после ИС — частично удалёнка).

• Реальная свобода выбора технологий и решений.

• Долгосрочная работа над продуктом, а не «таск-менеджмент».

Важно — перед откликом

Мы ищем самостоятельного специалиста, а не стажёра или начинающего уровня.
На старте у нас нет ресурсов учить с нуля, поэтому:

❗ Если вы не умеете или не готовы быстро научиться:

• работать с API WB/Ozon,

• ETL,

• Python,

• работать с ClickHouse/PostgreSQL,

• строить дашборды в DataLens(или других системах) —
  — не откликайтесь на вакансию.

В сопроводительном письме укажите:

Ваш уровень по навыкам: Python / SQL / API / ClickHouse / DataLens (по 10-балльной шкале).

Реальный опыт: 2–3 проекта или задачи, которыми вы гордитесь.

Желательный уровень дохода и формат работы (офис/гибрид).
— на испытательный срок мы ищем сотрудников исключительно в офис!!! , не откликайтесь на вакансию если это вас не устраивает!

p.s.: Мы не хотим делать копию существующих на рынке продуктов, мы тестировали многие, но они не отвечают нашим задачам и задачам селлеров с кем мы знакомы, у нас уже есть некоторые наработки, поэтому это скорее гибрид нескольких продуктов, чтобы максимально автоматизировать рутинные задачи и быстро принимать управленческие решения.