О компании
EMEX — международный холдинг: маркетплейс, информационный бизнес, фулфилмент, управление активами в РФ, ОАЭ и Японии. Более 20 лет прибыльной работы.
В этой роли вы будете работать с контуром E-com EMEX — системой, которая соединяет покупателей и продавцов и охватывает весь цикл от привлечения пользователя и выбора товара до исполнения заказа, доставки, возврата и повторной покупки.
E-com ежедневно генерирует большое количество данных о пользователях, заказах, товарном предложении, возвратах и качестве пользовательского опыта. Наша задача — связать эти данные в единую систему и сделать экономику и ключевые процессы бизнеса измеримыми и управляемыми.
Обязанности
Мы ищем старшего аналитика, который усилит систему бизнес и продуктовой аналитики маркетплейса.
Цель роли — построить сквозную систему аналитики, которая позволит бизнесу понимать, за счет чего формируются NMV, маржинальность и EBITDA, где контур E-com теряет пользователей, заказы и деньги, и какие изменения дадут максимальный экономический эффект.
Аналитик будет работать со всем E2E-контуром E-com: от трафика, активации и конверсии до заказов, торгового предложения, пользователей (поставщиков и покупателей), качества исполнения, возвратов и финансового результата.
Основные заказчики аналитики — CEO, руководитель продукта и руководитель системы управления качеством.
Задача аналитика — не только показывать, что произошло, но и объяснять, почему это произошло, сколько это стоит бизнесу и что необходимо изменить.
Что находится в контуре роли
1. E2E-аналитика контура E-com
•Информационный разрез — переходы по статусам и действия в системе на всём пути заказа: визиты, просмотры, поиск, корзина, оформление, оплата, сборка, отгрузка, выдача, отмена, возврат. Примеры метрик: конверсия по шагам воронки, длительность этапа, доля отмен и отказов.
•Товарный разрез — позиции заказа: артикул, категория, бренд, поставщик, склад, цена, срок поставки, наличие. Примеры метрик: покрытие спроса (match rate), доля выпавшего предложения, уровень возвратов по категориям и поставщикам.
•Документарный разрез — счета, УПД, накладные, акты расхождений, сертификаты и декларации, коды маркировки, претензии. Примеры метрик: доля заказов, закрытых документами в срок, время до закрытия, объём выручки в незакрытых документах, доля позиций без обязательных подтверждений.
•Сборка в единую систему — витрины связываются общим ключом заказа и пользователя, что даёт сквозную воронку от первого визита до повторной покупки и позволяет разложить просадку на причину: процесс, ассортимент или оформление. На этой основе строятся E2E-дашборды для управления бизнесом.
Результат: руководство видит маркетплейс как единую систему, понимает динамику ключевых показателей и определяет, на каком этапе и по какой причине возникают отклонения.
2. Экономика заказов и финансовая аналитика
•Экономика заказа и транзакции — из чего складывается результат по одному заказу: выручка, себестоимость исполнения, комиссия Emex. Примеры метрик: Cost per Transaction — совокупные издержки на одну транзакцию (логистика, обработка, платёж, поддержка).
•Финансовый результат и его декомпозиция — разложение итога до драйверов, а не констатация суммы. Примеры метрик: NMV — оборот по исполненным заказам; Returned NMV — часть оборота, вернувшаяся возвратами и отказами; Total Margin — валовая маржа после прямых издержек; EBITDA — операционная прибыль до амортизации и процентов.
•Модель unit-экономики — расчёт и развитие модели, которая переводит поведение одного пользователя и одного заказа в финансовый результат целиком.
•Влияние факторов на экономику — как конверсия, частота, средний чек, возвраты и качество исполнения меняют маржинальность; какой из факторов даёт наибольший вклад в отклонение.
•Оценка эффекта изменений — расчёт финансового результата продуктовых и операционных инициатив, выявление источников потерь и зон роста маржинальности.
Результат: бизнес понимает экономику заказов и основные драйверы финансового результата, а инициативы оцениваются через их влияние на маржинальность и EBITDA.
3. Поддержка управленческих и продуктовых решений
•Постановка задачи — перевод бизнес-вопросов и гипотез в измеримую аналитическую формулировку: что именно считаем, на каких данных, какой ответ считается достаточным.
•Оценка до запуска — расчёт потенциального эффекта инициативы: какую метрику она двигает, на сколько и что это даёт в деньгах.
•Рекомендация — вывод на данных с указанием допущений и границ применимости, а не только выгрузка цифр.
•Приоритизация — участие в отборе продуктовых и операционных инициатив исходя из ожидаемого эффекта и стоимости реализации.
•Замер после — сверка фактического результата с прогнозом и разбор расхождений.
Результат: ключевые решения принимаются на данных, инициативы имеют рассчитанный ожидаемый эффект, а после реализации бизнес понимает их фактический результат.
4. Данные и аналитическая инфраструктура
•Работа с данными — SQL для исследования, проверки и трансформации данных; Python для моделирования и автоматизации регулярных расчётов.
•Единые определения — фиксация формул и границ каждой бизнес-метрики, контроль согласованности показателей между отчётами и источниками.
•BI-слой — создание и развитие дашбордов для регулярного управления: владелец, SLA обновления, регламент разбора отклонений.
Результат: у бизнеса есть единый источник аналитической информации, определения метрик согласованы, а аналитика воспроизводима и масштабируема.
Задача роли — не поддерживать набор показателей, а связать их причинно-следственными связями и экономикой, чтобы изменение операционной или продуктовой метрики переводилось во влияние на заказ, NMV, маржинальность и EBITDA.
Наш стек
•Хранилище: Snowflake
•Источники данных: MS SQL Server, Postgres, ClickHouse, 1С
•BI: Tableau, Metabase
•Инструменты: SQL (основной), Python
Требования
Уровень и опыт
•Senior
•опыт в аналитике — от 5 лет
•опыт работы с e-commerce, маркетплейсами или другими транзакционными digital-продуктами будет преимуществом
•опыт работы одновременно с продуктовой и финансовой аналитикой будет преимуществом
Hard skills
•уверенный SQL, Python для анализа данных, автоматизации и моделирования
•построение систем бизнес- и продуктовых метрик
•продуктовая аналитика: conversion, activation, retention, cohorts, frequency
•финансовая и бизнес-аналитика, понимание unit-экономики и драйверов маржинальности
•построение BI-дашбордов, понимание принципов работы DWH
•опыт работы со Snowflake, MS SQL Server, Postgres, ClickHouse или аналогичными СУБД
•способность самостоятельно проводить аналитическое исследование от постановки гипотезы до рекомендации бизнесу
Soft skills
•Системное мышление
•Бизнес-ориентированность
•Умение работать с неопределенностью
•Самостоятельность
•Приоритизация
•Структурная коммуникация
•Способность работать с большим количеством взаимосвязанных показателей
•Способность влиять на решения через данные и аргументацию, а не через формальные полномочия
Условия
•Оформление: ТК РФ
•График: 5/2, гибрид (г. Дзержинский)
•Испытательный срок: 3 месяца (цели описаны выше)
