Кредиты для екома — это большая точка роста. Большая = десятки процентов.
Вайлдберриз запустил свой BNPL и инвестирует в финтех направление. К ребятам недавно перешёл Саша Белокрылов, который съел собаку, делая Сплит в Яндексе. Я мало знаю про ВБ, но хорошо знаю Сашу. Поэтому рекомендовать буду именно его)
Давным-давно Саша пришёл в Яндекс.Такси джуном — и с тех пор я имел возможность наблюдать за его ростом. Максимально информированно расскажу, почему классно работать с Сашей:
— Саша разбирается в матчасти: окончил кафедру теорвера на мехмате и немало вложил в успех яндексовского финтеха. Если потребуется, разберет с вами любую задачу по косточкам. Zero bullshit.
— написал свои 10 тысяч SQL запросов и знает, что хотят аналитики и ML от инфраструктуры данных,
— Саша всё это время работал в кратно растущих год к году продуктах и контрибьютил в их рост — покусает вас, тоже научитесь =),
— супер-вовлеченный и фигачит до результата,
— адекватный руководитель — задушит микроменеджментом только, если вы ну совсем не справляетесь (а потом уволит),
— открытый и прямолинейный человек без фигни — фидбек будет прямым и понятным.
- - -
Найм масштабный. Нужны и руководители, и middle-senior специалисты.
Аналитика
Аналитика кредитного бизнеса – это, помимо классической продуктовой аналитики, всегда тесная работа с ML, прогнозированием просроченных платежей и АБ тестирование.
Нужно будет собрать команду, построить аналитическую инфраструктуру и оптимизировать логику выдачи кредита человеку.
ML инженер
Мы строим с нуля всю инфраструктуру для обучения и вывода в продакшн моделей. На текущий момент в первую очередь для задачи скоринга пользователей.
Нужно будет построить feature store по данным ВБ, MLops пайплайн для обучения и развертывания моделей, а затем вместе с аналитикой выкатывать новые модели в продакшн
DWH инженер
Нужно будет собрать инфраструктуру данных, способную обработать все объемы ВБ и выжить масштабирование контура ВБ на контур банк.
Текущий стек: ClickHouse, Kafka, Airflow, внутренний BI инструмент. В будущем планируется — Hadoop/Spark.
Команда небольшая и быстрая, поэтому приоритет – офис, но в случае взаимной симпатии можно обсудить варианты.
Хороших кандидатов готовы брать по верху вилок Tier 1 компаний
Резюме, ссылки на актуальный LinkedIn и вопросы — напрямую Саше @BelokrylovAlex