Аналитик данных в логистике (возвратный поток)

Вам предстоит погрузиться в анализ складской и транспортной логистики, чтобы напрямую влиять на снижение издержек и повышение качества сервиса.

Ключевые направления вашей работы:

• Глубокий анализ возвратного потока и складских потерь: выявление причин возникновения дефектов, боя, брака и прочих потерь на всех этапах складской логистики.
• Выявление "узких мест": анализ полного цикла обработки товара — от приемки до отгрузки — для поиска и верификации слабых мест в процессах.
• Работа с большими данными: самостоятельный сбор, обработка и анализ огромных массивов данных из различных источников.
• Разработка и поддержка отчетности: создание новых и развитие существующих дашбордов и регулярных отчетов для мониторинга ключевых метрик (KPI) логистики.
• Тесное взаимодействие с бизнес-заказчиками: работа непосредственно с технологами, руководителями смен и менеджерами складов для сбора требований, проработки гипотез и внедрения улучшений.
• А/B тестирование и оценка эффективности: проверка гипотез для новых проектов, анализ их пилотных запусков и полномасштабная оценка результатов после внедрения.

Наш стек технологий:

• Языки: SQL, Python (Pandas, NumPy, Jupyter) для анализа и автоматизации.
• Базы данных: Vertica, ClickHouse
• Инструменты: Airflow (оркестрация ETL-процессов), Git (контроль версий)

Мы ищем кандидата, который:

• Имеет опыт работы аналитиком данных от 2-х лет.
• Видит за цифрами бизнес-процессы и обладает развитым аналитическим мышлением.
• Свободно владеет SQL (сложные запросы, оконные функции, оптимизация).
• Имеет уверенный опыт работы с Python для анализа данных (Pandas и сопутствующие библиотеки).
• Имеет опыт работы с системами визуализации данных (например, Tableau, Power BI, Superset, Redash) — будет большим плюсом.
• Обладает навыками работы с большими данными и пониманием колоночных СУБД (например, Vertica, ClickHouse).
• Имеет опыт взаимодействия с техническими и нетехническими командами.

Будет преимуществом:

• Опыт в логистике, складской или производственной аналитике.
• Понимание принципов работы складов и логистических процессов.
• Опыт работы с API для выгрузки данных.
• Знание основ A/B тестирования и статистики.