Analytics Engagement Consultant

О позиции

Public Partnerships LLC — крупнейший в стране поставщик финансовых управляющих услуг для людей с инвалидностью, хроническими заболеваниями и пожилых взрослых. Компания помогает получателям Medicaid выбирать и оплачивать своих работников поддержки и услуги в рамках персонального бюджета. Мы стремимся создавать культуру, где каждый чувствует себя empowered и принятым. Как Analytics Engagement Consultant вы будете поддерживать принятие решений на основе данных, разрабатывать решения для отчётности и сотрудничать с бизнес-партнёрами для решения операционных и стратегических задач.

Чем заниматься

• Выполнение аналитических инициатив под руководством старших лидеров по аналитике
• Проведение анализа данных, отчётности и исследований для ответа на бизнес-вопросы и операционные вызовы
• Помощь в сборе требований, планировании проектов и разработке решений для аналитических engagement
• Управление выполненными задачами и сроками, проактивная коммуникация рисков и зависимостей
• Разработка дашбордов, отчётов и аналитических инструментов для поддержки принятия решений
• Разработка, поддержка и оптимизация SQL-запросов, датасетов и решений для отчётности
• Использование Python для манипуляции данными, анализа и автоматизации
• Поддержка процессов трансформации, валидации и контроля качества данных
• Применение аналитических техник: сегментация, анализ трендов, описательная статистика, обнаружение аномалий
• Документирование методологий, предположений, бизнес-правил и технических процессов
• Сотрудничество с менеджерами и кросс-функциональными партнёрами для понимания аналитических потребностей
• Перевод технических выводов в чёткие рекомендации для бизнес-аудитории
• Участие в презентациях результатов через письменные отчёты, дашборды и устную коммуникацию
• Участие в code review, peer review и активностях по обмену знаниями

Что ждут

• Silicon Skills со способностью разрабатывать сложные запросы с JOIN, CTE, агрегациями и window functions
• Рабочие знания Python для анализа данных, манипуляции и автоматизации
• Понимание концепций моделирования данных: концептуальное, логическое и физическое моделирование
• Сильные аналитические, проблемно-решающие и критико-мыслительные навыки
• Отличные письменные и устные коммуникативные навыки с возможностью объяснения технических концепций нетехническим аудиториям
• Способность управлять несколькими приоритетами и работать независимо в установленные дедлайны
• Бакалаврская степень в Computer Science, Statistics, Economics, Engineering, Information Systems, Mathematics, Business Analytics или смежной количественной области
• Опыт работы 2-4 года в аналитике, бизнес-интеллекте, анализе данных, консалтинге или смежных областях

Будет плюсом

• Опыт работы с современными платформами данных: Databricks, Snowflake, Azure Data Factory, Azure Synapse, Power BI, Tableau
• Опыт работы в healthcare, Medicaid, государственных программах, payroll operations, financial services или других регулируемых отраслях
• Знакомство с облачными архитектурами данных и фреймворками трансформации данных
• Опыт статистического анализа, predictive modeling или data science методологий
• Опыт поддержки кросс-функциональных бизнес-инициатив через аналитику и отчётность

Условия

• Конкурентоспособная базовая зарплата $98,000–$115,000 в год в зависимости от навыков и локации
• Удалённая работа
• Возможность влиять на жизнь людей через данные
• Быстрая предпринимательская среда
• Культура инклюзивности и разнообразия
• Профессиональное развитие и непрерывное обучение
• Возможность карьерного роста в крупной компании

Навыки

• SQL
• Python
• Data Modeling
• Power BI
• Tableau
• Databricks
• Snowflake
• Azure Data Factory
• Azure Synapse
• Statistical Analysis
• Data Visualization
• ETL
• API Integration
• Cloud Platforms
• Git

Могут спросить на собеседовании

1. Опишите ваш опыт работы со сложными SQL-запросами с использованием CTE, оконных функций и агрегаций.
2. Расскажите о проекте, где вы использовали Python для анализа данных и автоматизации. Какие инструменты были задействованы?
3. Как вы переводите технические выводы данных в понятные рекомендации для бизнес-аудитории? Приведите пример.
4. Опишите случай, когда вам пришлось выявить проблему с качеством данных. Как вы её обнаружили и решили?
5. Какой подход вы применяете для документирования ваших аналитических работ и методов?