Procurement Finance & Data Associate

О позиции

Компания STAT Recovery Services работает с крупными клиентами из списка Fortune 1,000, помогая им экономить миллиарды через переговоры с поставщиками. Мы занимаемся тем, что другие команды не успевают — работаем со средними и мелкими поставщиками, достигая значимой экономии за несколько месяцев. Наша команда признана одной из самых быстрорастущих в Канаде и входит в список Great Place to Work. Это высокоэффективная предпринимательская организация без лишнего бюрократического шума.

Чем заниматься

• Проверка и валидация экономии, достигнутой командой переговоров — сотни уникальных результатов детально в год
• Создание AI-ассистированных первичных проверок для выявления аномалий, чтобы экспертиза фокусировалась на важном
• Работа напрямую с поставщиками для решения вопросов по предложениям об экономии
• Взаимодействие с клиентами для корректной реализации согласованной экономии, отслеживание с дашбордами
• Проектирование, создание и поддержка AI-ассистированных рабочих потоков для обработки больших наборов spend данных (>1 млн строк)
• Применение генеративного ИИ (Claude, ChatGPT, Microsoft Copilot) совместно с Power Query, Power Automate/Python для автоматизации нормализации и категоризации
• Создание шаблонов, промптов и плейбуков для ускорения каждого нового клиентского engagement
• Поиск повторяющихся задач и их автоматизация в команде
• Полное управление слоем отчётности Power BI — модели данных, трансформации Power Query, метрики DAX, дашборды
• Разработка клиентских дашбордов tracking spend, прогресса переговоров и реализованной экономии
• Создание внутренних дашбордов для оперативной видимости pipeline и прогресса против target
• Поддержание качества данных, графиков обновления и governance

Что ждут

• Минимум 8 лет опыта работы с большими наборами данных: Excel (PivotTables, lookup и т.д.) и очень большие данные в Power BI включая data modeling, Power Query и DAX
• Подтверждённый опыт создания решений с использованием ИИ — применение генеративного ИИ для автоматизации данных/аналитических процессов с демонстрацией результата
• Знание хотя бы одного из: SQL, Python или Power Automate (или аналогичный low-code инструмент) и готовность быстро осваивать новые инструменты
• Минимум 5 лет работы в клиентском сервисе (консалтинг, финансовые услуги)
• Минимум 3 лет работы с функцией Procurement (валидация экономии, анализ spend данных)
• Мышление builder: при обнаружении повторяющейся задачи вопрос «как сделать так, чтобы это никто больше не делал вручную?
• Здоровый здравомыслящий подход к ИИ — знать когда доверять выходу, когда верифицировать, как защищать конфиденциальные данные клиентов
• Драйв и настойчивость — pace работы может быть интенсивным
• Способность работать независимо с минимальным надзором
• Отличные письменные и устные коммуникативные навыки, включая превращение данных в ясную историю для senior stakeholders

Будет плюсом

• Сертификация Microsoft PL-300 (Power BI Data Analyst) или опыт с Microsoft Fabric/Azure
• Опыт создания AI agents или multi-step automatizations
• Знакомство с spend analytics или spend cube tools

Условия

• Полностью удалённая работа — работайте из любой точки мира (обязательно доступность 9–17 ET, приоритет GTA)
• Благодотельная программа — компания перечисляет часть сэкономленных средств в благотворительность ($40K+ и продолжает расти)
• Matching program для пенсионных накоплений
• Отличная страховая программа benefits
• Training stipend на обучение и развитие
• Энергичная команда high-performance с разделением побед
• Возможность реального влияния на Fortune 1000 клиентов

Навыки

• Excel
• Power BI
• DAX
• Power Query
• Power Automate
• SQL
• Python
• Generative AI
• Machine Learning
• SAP
• Ariba
• Coupa
• Data Modeling
• ETL
• Dashboard Development
• Data Governance
• Microsoft Copilot
• ChatGPT
• Claude

Могут спросить на собеседовании

1. Расскажите о вашем опыте работы с большими наборами данных в Excel и Power BI. Какие сложные модели данных вы создавали?
2. Приведите пример проекта, где вы использовали генеративный ИИ для автоматизации аналитического процесса. Что вы построили и какой результат получили?
3. Как вы подходите к валидации финансовых данных? Какие контрольные механизмы применяете для обеспечения точности?
4. Какие workflow automation инструменты вы использовали ранее? Что именно вы автоматизировали и каких результатов добились?
5. Расскажите о ситуации, когда вам приходилось объяснять сложные данные senior стейкхолдерам. Как вы строили коммуникацию?