Ավագ տվյալների վերլուծաբան

ITQuick-ը Հայաստանում փնտրում է Ավագ տվյալների վերլուծաբան՝ Հաճախորդների հետախուզության և անհատականացման հարթակի համար։ Կառուցել տվյալների շերտ բանկային հիմնական տվյալների և մարտերի միջև։ Հիբրիդ, լրիվ դրույք, 300-400 հազար ռուբլի։

Մենք կառուցում ենք Հաճախորդների հետախուզության և անհատականացման հարթակ Հայաստանում բիզնեսների էկոհամակարգի համար։ Դրա հիմքում Ոսկե գրառումն է՝ միասնական հաճախորդի պրոֆիլ, որը համատեղում է բանկային տվյալները, էկոհամակարգի արտադրանքի տվյալները և արտաքին աղբյուրները։ Դրա վրա կառուցված են Հաճախորդ 360, սեգմենտավորում, գնահատում և անհատականացված առաջարկներ։ Դերը ներառում է շերտի նախագծում բանկային հիմնական համակարգի հում տվյալների և հարթակի տվյալների մարտերի միջև։ Աղբյուրը վատ փաստաթղթավորված է. որոշ արժեքներ կոդավորված են, բիզնես տրամաբանության մի մասը իրականացված է կոդում և պահվող ընթացակարգերում, և երկու արտաքնապես նույնական գրառումներ կարող են հավաքվել տարբեր ալգորիթմներով տարբեր աղյուսակներից։ Մեզ անհրաժեշտ է մեկը, ով կվերլուծի այս աղբյուրը և կվերածի այն իմաստալից տվյալների մոդելի. ինչն որտեղից է գալիս, ինչն ինչի վրա է ազդում, ինչ է նշանակում յուրաքանչյուր դաշտ։ Պարտականություններ. ● Ուսումնասիրել բանկային հիմնական համակարգը, ժառանգական և արտաքին աղբյուրները, վերականգնել դրանց իմաստաբանությունը։ ● Անցնել թիրախային մարտից դեպի աղբյուր. որոշել, թե որ աղյուսակներն ու տրամաբանությունն են հավաքում յուրաքանչյուր հատկանիշ։ ● Տարբերակել դեպքերը, երբ նույնական տվյալները ստացվում են տարբեր ուղիներով և փաստաթղթավորել ընտրության կանոնները։ ● Նկարագրել տվյալների մոդելը և մետատվյալները. սուբյեկտներ, հարաբերություններ, հատիկ, բանալիներ, պատմականություն։ ● Ձևակերպել պահանջներ տվյալների մարտերի համար սեգմենտավորման, գնահատման և առաջարկությունների համար։ ● Գրել SQL հետազոտական և փոխակերպման նախատիպեր, փորձարկել վարկածները տվյալների վրա։ ● Պարզաբանել տվյալների իմաստը ուղղակիորեն բանկի աշխատակիցների հետ՝ աշխատանքի մշտական մաս։

● Ուժեղ SQL. պատուհանի ֆունկցիաներ, բարդ միացման շղթաներ, որակի և բաշխման վերլուծություն։ ● Փորձ վատ փաստաթղթավորված աղբյուրների հակադարձ ինժեներիայում։ ● Տվյալների մոդելավորման ըմբռնում. սուբյեկտներ, հատիկ, բանալիներ, պատմականություն, հիմնական սուբյեկտներ։ ● Փորձ բանկային կամ ֆինտեխ տվյալների հետ (Core banking (հատկապես ArmSoft) / ժառանգական բանկային համակարգեր, Հաճախորդ 360) կամ փորձ հում բանկային տվյալների վերլուծության մեջ հաճախորդների և արտադրանքների վերաբերյալ վատ փաստաթղթավորված համակարգերից մարքեթինգային և ֆինանսական վերլուծության համար։ ● Python տվյալների հետազոտության մակարդակով։ ● Կարողություն ինքնուրույն հասցնել առաջադրանքը «ահա հում տվյալներ, ահա թիրախային մարտ» արդյունքի։ ● Նախաձեռնողականություն. պատրաստակամություն պարզաբանել տվյալների իմաստը մարդկանց հետ, այլ ոչ թե սպասել փաստաթղթերի։ ● Git, Linux, փորձ փակ Dev/UAT միջավայրերում։ Լրացուցիչ. · Հայերենի իմացություն · Համընկնման և կրկնօրինակների վերացման մեթոդաբանություններ · Փորձ Data Vault 2.0-ի հետ · Փորձ DBT կամ նմանատիպի հետ · PII, դիմակավորում, RBAC · Փորձ կարգավորվող on-premise միջավայրում · Փորձ ML, ML Ops ոլորտում

Համագործակցություն անհատ ձեռնարկատիրոջ (ИП) միջոցով Վայր - Հայաստան Աշխատանքի ձև - հիբրիդ, պատրաստակամություն աշխատել բանկի գրասենյակից շաբաթական մինչև 3 անգամ։ Աշխատավարձ՝ 300-400 հազար ռուբլի։