Senior / Lead Data Analytics Manager
- Hiring from
- Probably Worldwide
- Work type
- Remote
- Posted
- Sep 27, 2026
Is this job info correct?
Роль — построить аналитику, взять ownership unit economics и дать CCO / CFO / Board единый
язык принятия решений по продуктам, тарифам и партнёрам.
Ключевые зоны ответственности
1. Unit Economics & Pricing
• Построить и владеть моделью дохода и себестоимости на уровне транзакции по
каждому продукту: interchange, scheme fees, FX, стоимость wire, комиссии провайдера,
cost of funds, реферальные выплаты.
• Gross profit в разрезе продукта, клиента, провайдера, BIN и географии.
• Симуляции изменений тарифов и миграции базы между планами — до запуска, в
деньгах, с заложенным оттоком, в нескольких сценариях.
• Экономика реферальной программы: ставки, окупаемость партнеров.
2. Сквозная аналитика и Data Layer
• Собрать end-to-end слой данных. Один клиент — один идентификатор через все
системы.
• Самостоятельное построение витрин (data marts) с нуля.
• Когортный анализ, retention, LTV. Доходность клиента, который пользуется
несколькими продуктами, как единый P&L.
• Анализ клиентов в разрезе продуктов
3. Dashboards & Executive Reporting
• Проектирование и построение дашбордов в Tableau (или эквивалент) с нуля —
рабочие инструменты с постоянными пользователями, а не отчёты по запросу.
• Управленческая отчетность: P&L по продуктам, план-факт с разложением на цену /
объём / микс, прогноз на квартал.
• Ownership ключевых дашбордов и отчетов для CCO / CFO. Абсолютная точность
данных + аналитический нарратив для решений.
4. Commercial Impact
• Переводить расчеты в рекомендации по тарифам, продуктам и партнёрам и защищать
их перед коммерческой командой.
• Влияние на тарифную и реферальную политику через данные.
Требования
• Опыт: 6+ лет в аналитике, из них минимум 3 года в финтехе / платежах: карты,
эмиссия, эквайринг, PSP, кошельки, необанк.
• Data craunch: продвинутый уровень — оконные функции, CTE, большие
транзакционные таблицы, оптимизация тяжелых запросов, работа с Data Lake.
• Сквозная аналитика: опыт построения end-to-end data layer — от сырых источников
через витрины до метрик и дашбордов. Identity resolution: один клиент = один
идентификатор через несколько систем.
• Unit economics: расчет себестоимости на уровне отдельной транзакции (interchange,
scheme fees, FX, provider fees, cost of funds). Gross profit по продуктам / BIN / географии.
• Pricing & симуляции: опыт разбора pricing sheet провайдера, разработки/пересмотра
тарифной сетки, симуляций на реальной базе с показом распределения эффекта.
• Дашборды (Tableau): проектирование и построение дашбордов с нуля — от вопроса
бизнеса до метрик, разрезов, фильтров и удобного UX. Дашборды, которыми команда
пользуется постоянно.
• Управленческая аналитика: когорты, LTV, план-факт,
• Коммуникация: умение доводить расчет до рекомендации и защищать ее перед CCO /
CFO / коммерческой командой. Английский — от B2 (предпочтительно C1).
язык принятия решений по продуктам, тарифам и партнёрам.
Ключевые зоны ответственности
1. Unit Economics & Pricing
• Построить и владеть моделью дохода и себестоимости на уровне транзакции по
каждому продукту: interchange, scheme fees, FX, стоимость wire, комиссии провайдера,
cost of funds, реферальные выплаты.
• Gross profit в разрезе продукта, клиента, провайдера, BIN и географии.
• Симуляции изменений тарифов и миграции базы между планами — до запуска, в
деньгах, с заложенным оттоком, в нескольких сценариях.
• Экономика реферальной программы: ставки, окупаемость партнеров.
2. Сквозная аналитика и Data Layer
• Собрать end-to-end слой данных. Один клиент — один идентификатор через все
системы.
• Самостоятельное построение витрин (data marts) с нуля.
• Когортный анализ, retention, LTV. Доходность клиента, который пользуется
несколькими продуктами, как единый P&L.
• Анализ клиентов в разрезе продуктов
3. Dashboards & Executive Reporting
• Проектирование и построение дашбордов в Tableau (или эквивалент) с нуля —
рабочие инструменты с постоянными пользователями, а не отчёты по запросу.
• Управленческая отчетность: P&L по продуктам, план-факт с разложением на цену /
объём / микс, прогноз на квартал.
• Ownership ключевых дашбордов и отчетов для CCO / CFO. Абсолютная точность
данных + аналитический нарратив для решений.
4. Commercial Impact
• Переводить расчеты в рекомендации по тарифам, продуктам и партнёрам и защищать
их перед коммерческой командой.
• Влияние на тарифную и реферальную политику через данные.
Требования
• Опыт: 6+ лет в аналитике, из них минимум 3 года в финтехе / платежах: карты,
эмиссия, эквайринг, PSP, кошельки, необанк.
• Data craunch: продвинутый уровень — оконные функции, CTE, большие
транзакционные таблицы, оптимизация тяжелых запросов, работа с Data Lake.
• Сквозная аналитика: опыт построения end-to-end data layer — от сырых источников
через витрины до метрик и дашбордов. Identity resolution: один клиент = один
идентификатор через несколько систем.
• Unit economics: расчет себестоимости на уровне отдельной транзакции (interchange,
scheme fees, FX, provider fees, cost of funds). Gross profit по продуктам / BIN / географии.
• Pricing & симуляции: опыт разбора pricing sheet провайдера, разработки/пересмотра
тарифной сетки, симуляций на реальной базе с показом распределения эффекта.
• Дашборды (Tableau): проектирование и построение дашбордов с нуля — от вопроса
бизнеса до метрик, разрезов, фильтров и удобного UX. Дашборды, которыми команда
пользуется постоянно.
• Управленческая аналитика: когорты, LTV, план-факт,
• Коммуникация: умение доводить расчет до рекомендации и защищать ее перед CCO /
CFO / коммерческой командой. Английский — от B2 (предпочтительно C1).
- Unit Economics: был ли у вас опыт расчёта экономики fintech/payments-продукта на уровне транзакции? Что именно считали — revenue, provider fees, FX, interchange, cost of funds, Gross Profit?
- Pricing: приходилось ли вам самостоятельно пересматривать тарифы или моделировать изменение pricing? Можете привести короткий пример: что меняли и какой эффект рассчитывали?
- Data & BI: строили ли вы с нуля data marts / end-to-end аналитику и BI-дашборды для бизнеса? На каком стеке работали (SQL, Tableau/Power BI и т.д.) и какие данные анализировали?