Data Scientist, B2B Demand Generation, Growth & Measurement

О позиции

Команда GTM Growth Products в OpenAI строит внутренние системы, превращающие технологии компании в измеримый revenue-рычаг. Она охватывает агентные продажи, проспектинг, маршрутизацию, автоматизацию workflows, attribution и циклы непрерывного обучения. Data Scientist встраивается в кросс-функциональную связку из Product, Engineering и GTM-партнёров, чтобы каждый запуск имел наблюдаемость и кредитуемую оценку инкрементального влияния. Это возможность формировать, как выглядит AI-нативная revenue-организация будущего.

Будет плюсом

• Опыт с LLM, AI-агентами, agent evaluation или AI-assisted operations платформами
• Опыт с продажами, проспектингом, RevOps, lifecycle, поддержкой, маршрутизацией или операционной автоматизацией
• Опыт построения фреймворков измерения, экспериментирования, observability или attribution с нуля в быстро меняющейся среде
• Знакомство с B2B, SMB, SDR, sales-assist или marketplace-style GTM-движениями

Условия

• Работа в OpenAI — компании, определяющей направление развития ИИ в мире
• Погружение в кросс-функциональную команду GTM Growth с прямым влиянием на бизнес-результаты (ARR, pipeline, conversion)
• Возможность строить AI-нативную revenue-организацию с нуля — от метрик до агентных систем
• Сан-Франциско, офисная/гибридная среда в эпицентре AI-индустрии
• Равные возможности трудоустройства, разумные accommodation-условия для соискателей с ограниченными возможностями

Навыки

• Python
• SQL
• A/B Testing
• Causal Inference
• Experimentation
• Applied Statistics
• Data Science
• Product Analytics
• Decision Science
• Machine Learning
• LLM
• AI Agents
• Data Visualization
• Dashboard Development
• ETL
• Behavioral Analytics
• Revenue Operations
• Attribution Modeling
• Quasi-Experimental Methods
• Observability

Могут спросить на собеседовании

1. Расскажите о кейсе, где традиционный A/B-тест был неприменим и вы использовали квази-экспериментальный метод. Как вы обосновали валидность результата?
2. Как бы вы определили north-star метрику для агентной sales-системы, если бизнес хочет измерять и ARR, и автоматизацию, и качество обслуживания клиентов одновременно?
3. Опишите ситуацию, когда ваш анализ привёл к конкретному изменению продукта или политики. Каким был ваш путь от данных до решения?
4. Как вы подошли бы к построению observability-системы для агентного workflow, где часть действий выполняется AI, а часть — людьми?
5. Представьте, что GTM-лидер не согласен с вашими выводами об эффективности нового routing-алгоритма. Как вы построите диалог и придёте к решению?