Обязанности:
— собирать и структурировать первоисточники: корпус по рынкам, компаниям и регулированию - официальные публикации, статистика ЦБ РФ и Росстата/ЕМИСС, Спарк-Интерфакс, Гарант / КонсультантПлюс, Скан-Интерфакс, отчётность компаний
— парсинг документов (PDF -> Markdown/JSON), извлечение структурированных данных через LLM (GigaChat API, JSON Schema), мониторинг изменений источников
— строить систему знаний: база на Markdown + YAML под Git, единые словари и таксономии, метаданные, поиск по корпусу (RAG: эмбеддинги, гибридный поиск), регламент проверки качества данных
— автоматизировать: Python (pandas, DuckDB/SQL), скрейпинг (Scrapy / Playwright), оркестрация (n8n / Airflow), версионирование промптов и схем
— каждый ручной процесс - кандидат на автоматизацию
— анализировать и структурировать выводы: деревья гипотез и драйверов (MECE), decision analysis, финансовые модели в Excel; выводы по пирамиде «ответ -> аргументы -> данные» в записках и презентациях для руководства
— держать стандарт достоверности: факт, допущение и суждение разделены; каждое суждение прослеживается до ссылки; ключевые утверждения подтверждены двумя независимыми источниками; уровень уверенности назван
Требования:
— 1-3 года в research-, стратегической или data-аналитике: консалтинг, аналитический центр, корпоративная стратегия, investment research
— Python для данных и текстов (pandas, работа с API, скрипты сбора) и SQL
— уверенный Excel, включая чтение чужих финансовых моделей
— практика с LLM за пределами чата: промпт-цепочки, структурированное извлечение, RAG-поиск по документам; понимание, где модель ошибается и как это проверять
— desk research с дисциплиной: первичные источники приоритетнее вторичных, воспроизводимый лог поиска (запрос, дата, ссылка), правило двух источников
— структурирование: пирамида Минто, MECE, деревья гипотез; вывод на страницу за 2-3 часа из 5-10 разнородных источников
Будет плюсом:
— опыт построения баз знаний, парсеров, мониторинга источников: Obsidian, Git, n8n, Docling
— знакомство с BABOK (document analysis, root cause analysis, data dictionary) или DAMA (измерения качества данных)
— опыт с on-prem LLM: GigaChat Enterprise, vLLM / Ollama
Условия:
— стабильный оклад и социальная поддержка сотрудников
— официальное оформление
— расширенный ДМС с первого дня и льготное страхование для близких
— корпоративное обучение в Виртуальной школе Сбера
— подписка Прайм с возможностью совместного использования на трёх близких
— корпоративная пенсионная программа
— гибкий дисконт по ипотечному кредиту, равный ⅓ ключевой ставки ЦБ
