Наша аналитика помогает внутрикомам, DevRel, руководителям и владельцам медиа понимать свою аудиторию и принимать взвешенные решения. Данные — основа всех наших аналитических инструментов, и сейчас мы ищем стажёра, который поможет сделать этот фундамент лучше.

Какие задачи вас ждут

Навести порядок в хранении данных
Разобраться в текущем контуре витрин: что у нас есть, чем каждая пополняется и насколько критична. Настроить резервное копирование там, где его нет, и составить понятную карту данных.

Оптимизировать скрипты и настроить проверки данных
Разобрать конкретные пайплайны и привести их в порядок, завести валидацию данных на витрины там, где её пока нет.

Работать напрямую с DataLens
Находить баги в существующих дашбордах, предлагать улучшения и помогать решать запросы от заказчиков.

Помочь подготовить AI-ready-данные
Погрузиться в данные и подготовить семантический слой для агентов: описать домены, термины и то, как считаются метрики. Это база, на которую в будущем будут опираться AI-инструменты команды.

Мы ждём, что вы

— Учитесь на профильном направлении (анализ данных, прикладная математика, экономика, информационные системы) и готовы работать 30 часов в неделю

— Уверенно владеете SQL: JOIN, GROUP BY, CTE, оконные функции, подзапросы

— Знаете Python на хорошем уровне

— Понимаете, как устроено хранилище данных: таблицы, слои, зависимости между витринами

— Имеете опыт с любым BI-инструментом (DataLens, Форсайт, Tableau, Power BI) и представляете путь «витрина → датасет → чарт»

Будет плюсом, если вы

— Настраивали автоматизацию расчётов: планировщики и регулярные джобы (Nirvana, Airflow, cron), триггеры обновления, алерты на падение

— Работали с распределёнными хранилищами и SQL-движками над ними (YT, ClickHouse, Greenplum, Hive) или участвовали в проектировании схем и миграции в DWH

— Знаете матстат на рабочем уровне: описательные статистики, проверка гипотез, корреляции/регрессии