Продуктовый аналитик (удаленная работа)

18 июля 2026

Уровень зарплаты:
з.п. не указана
Требуемый опыт работы:
Не указан

Вакансия: Продуктовый аналитик

Описание вакансии

Twinby один из крупнейших российских дейтинг-сервисов с миллионами пользователей: реалтайм (лента, матчи, чаты), деньги (подписки, бусты, покупки), антифрод и модерация.

Сейчас мы в поиске Продуктового аналитика в департамент Data & ML человека, который превращает сырые данные в надёжные витрины и метрики, на которые опираются продукт и эксперименты.
Это роль индивидуального контрибьютора с владением моделью данных и метриками своего направления end-to-end от сырого события до цифры, которой доверяют. Ты не крутишь дашборды по чужим витринам: ты отвечаешь за то, как метрика считается, где она может соврать и почему ей можно верить.

Чем предстоит заниматься:

  • Строить модель данных своего направления в dbt слои raw staging core marts так, чтобы из сырого события получалась цифра, которую можно объяснить и воспроизвести.
  • Владеть определениями метрик воронок, ретеншна и когорт, матчинга, здоровья чата и монетизации: фиксировать, как считается каждая, и где определение начинает врать (дедупликация, мультиаккаунты, боты, таймзоны, что в знаменателе).
  • Поддерживать A/B-эксперименты данными : корректный расчёт метрик, guardrail, ratio-метрики и ловить подвохи (peeking, SRM, множественные сравнения, парадокс Симпсона, ошибка выжившего).
  • Держать доверие к данным : тесты dbt (uniqueness, not null, freshness), сверки с источником истины, мониторинг аномалий метрик чтобы расхождение ловилось до того, как на цифре приняли решение.
  • Доводить до ответа на почему : не приносить график выручка упала на 8% , а строить дерево гипотез сегмент, платформа, когорта, релиз, эксперимент, сломанный трекинг и копать до причины.
  • Отдавать результат в продукт : метрики и витрины в Yandex DataLens, на которые команды опираются в замкнутом цикле релиз выводы .


Что мы ожидаем:

  • Уверенный SQL и опыт построения слоистой модели данных (dbt или эквивалент): не беру готовую таблицу и группирую , а проектируешь измерение от сырого слоя до витрины.
  • Владение метрикой как зоной ответственности : можешь объяснить, как правильно считать ретеншн или конверсию и почему именно так, и где твоя любимая метрика врёт.
  • Статистика экспериментов как норма работы : MDE и мощность, множественные сравнения, peeking, SRM, guardrail-метрики развёрнутое зависит от , а не значимо, катим .
  • Инстинкт доверия к данным : тесты, сверки, мониторинг аномалий для тебя это часть работы, а не то, о чём напоминают.
  • Продуктовая интуиция : видишь за цифрой поведение пользователя и понимаешь, какое решение метрика должна поддержать.
  • Python для трансформаций и расчётов там, где SQL тесен.


Будет плюсом:

  • Опыт продуктовой аналитики на масштабе и в зрелой культуре A/B (платформа экспериментов, слой dbt/DWH).
  • ClickHouse, Airflow, оркестрация пересчётов; работа с событийными потоками и поздними событиями.
  • Домен дейтинга или другого двустороннего рынка приятный бонус, но не обязателен.


Чего НЕ требуем:

Идеального синтаксиса SQL наизусть и гочей конкретного диалекта, заученных формул статтестов без понимания, когда они врут, скорости письма у доски , знания именно нашего BI-инструмента или стека. Если ты строил измерение в другом стеке перенесёшь.

Технический стек

SQL, dbt (raw staging core marts), ClickHouse как хранилище, Python, Airflow для оркестрации, Yandex DataLens для BI. Источники PostgreSQL (OLTP) и событийные потоки. Инфраструктура российское облако (Yandex Cloud, managed ClickHouse).

Что предлагаем:

  • Реальное владение измерением направления :ты держишь модель данных и метрики end-to-end, а не собираешь графики по чужому ТЗ.
  • Настоящая инженерная система, а не лозунги : A/B как часть цикла, метрики потока вместо velocity, решения по данным, спека-закон, доверие к данным как инженерное свойство.
  • Влияние на то, как команды принимают решения : твои витрины и определения то, на что они опираются.
  • Автономия в том, как устроено измерение твоего направления; цели и направление обсуждаешь с архитектором и CTO.
  • Масштаб и богатая фактура дейтинга: воронки, когорты, матчинг, здоровье чата, монетизация где метрика стоит денег.
  • Формат: удалёнка, РФ.


Посмотрите похожие вакансии

Аналитик 1С (УХ)
Компания: Banks Soft Systems
Зарплата: от 200 000 до 340 000 руб.
Продуктовый маркетолог
Компания: ИП Землянский Кирилл Сергеевич
Зарплата: от 100 000 до 200 000 руб.
Продуктовый маркетолог
Компания: Центр психологии "Форсайт"
Зарплата: от 100 000 до 150 000 руб.
Старший продуктовый аналитик
Компания: АэроТур
Зарплата: от 100 000 до 150 000 руб.