Data Scientist, Finance

О позиции

Ramp строит интеллектуальную инфраструктуру для финансовых команд, автоматизируя потоки платежей и аналитику расходов более чем в 70,000 компаний. Мы нанимаем специалистов с высокой агентностью и скоростью принятия решений — нам важнее ваши проекты и достижения, чем диплом о учёбе. Каждый разработчик владеет проблемой от начала до конца и принимает решения, влияющие на конечный результат. Клиенты экономят 5% и увеличивают выручку на 16% в первый год работы с Ramp.

Будет плюсом

• Опыт работы с современным стеком данных (Fivetran / Snowflake / dbt / Looker / Hightouch или аналоги)
• Знакомство с BI-инструментами (предпочтительно Looker, Omni, Sigma, Hex или аналоги) и опыт распространения инсайтов через отчёты и дашборды
• Сильная интуиция по стратегии бизнеса и эмпатии к клиенту (ROI, growth channels, sales cycles, customer incentives)
• Перспектива по циклу разработки analytics engineering (data modeling, version control, documentation + testing, best practices для codebase)
• Опыт партнёрства с финансовыми командами или работы в payments и financial technology секторе

Условия

• Гибкий оплачиваемый отпуск (Flexible PTO)
• Централизованный заказ оборудования для домашнего офиса
• Stipend на здоровье и wellness
• Бюджет на внутриофисные поездки
• Еженедельный кофе-стипенд
• Страхование здоровья, стоматология и зрение 100% покрытия (полное покрытие для сотрудника, частичное для зависимых)
• Ежегодный членство в One Medical
• 401(k) с работодателем match
• Родительский отпуск до 16 недель (роды + bonding) или 8 недель (только bonding) с оплатой 100%
• Поддержка релокации в NYC или SF при необходимости

Навыки

• Python
• SQL
• Machine Learning
• Data Modeling
• Statistics
• A/B Testing
• Experimentation Design
• Data Warehousing
• ETL
• BigQuery
• Snowflake
• Apache Spark
• Scikit-learn
• Git
• Agile Methodologies

Могут спросить на собеседовании

1. Расскажите о проекте машинного обучения, который вы внедрили в продакшен. Какую задачу он решал и какие были бизнес-метрики успеха?
2. Как вы проектировали эксперименты или A/B-тесты в прошлом? Какие факторы учитывали при планировании?
3. Дайте пример сложного SQL-запроса, который вам пришлось оптимизировать. Какие проблемы возникли и как вы их решили?
4. Как вы объясняете сложные технические инсайты нефиринансовым стейкхолдерам? Приведите пример.
5. Какие финансовые метрики или процессы вы уже используете в работе? Как они влияют на принятие решений?