Аналитик-исследователь: данные, источники, ИИ-инструменты

В департаменте стратегии команда из 5 человек. Ищем аналитика, который вышел за рамки поиска в Google и работы «в чате с нейросетью»: умеет собирать разнородные первоисточники, превращать их в структурированную базу и выводы с проверяемыми ссылками — и автоматизирует этот процесс.

• собирать и структурировать первоисточники: корпус по рынкам, компаниям и регулированию - официальные публикации, статистика цб рф и росстата/емиис, спарк-интерфакс, гарант / консультантплюс, скан-интерфакс, отчётность компаний
• парсинг документов (pdf -> markdown/json), извлечение структурированных данных через llm (gigachat api, json schema), мониторинг изменений источников
• строить систему знаний: база на markdown + yaml под git, единые словари и таксономии, метаданные, поиск по корпусу (rag: эмбеддинги, гибридный поиск), регламент проверки качества данных
• автоматизировать: python (pandas, duckdb/sql), скрейпинг (scrapy / playwright), оркестрация (n8n / airflow), версионирование промптов и схем
• каждый ручной процесс - кандидат на автоматизацию
• анализировать и структурировать выводы: деревья гипотез и драйверов (mece), decision analysis, финансовые модели в excel; выводы по пирамиде «ответ -> аргументы -> данные» в записках и презентациях для руководства
• держать стандарт достоверности: факт, допущение и суждение разделены; каждое суждение прослеживается до ссылки; ключевые утверждения подтверждены двумя независимыми источниками; уровень уверенности назван.

• 1-3 года в research-, стратегической или data-аналитике: консалтинг, аналитический центр, корпоративная стратегия, investment research
• python для данных и текстов (pandas, работа с api, скрипты сбора) и sql
• уверенный excel, включая чтение чужих финансовых моделей
• практика с llm за пределами чата: промпт-цепочки, структурированное извлечение, rag-поиск по документам; понимание, где модель ошибается и как это проверять
• desk research с дисциплиной: первичные источники приоритетнее вторичных, воспроизводимый лог поиска (запрос, дата, ссылка), правило двух источников
• структурирование: пирамида минто, mece, деревья гипотез; вывод на страницу за 2-3 часа из 5-10 разнородных источников.
• опыт построения баз знаний, парсеров, мониторинга источников: obsidian, git, n8n, docling
• знакомство с babok (document analysis, root cause analysis, data dictionary) или dama (измерения качества данных)
• опыт с on-prem llm: gigachat enterprise, vllm / ollama.

• стабильный оклад и социальная поддержка сотрудников
• официальное оформление
• расширенный ДМС с первого дня и льготное страхование для близких
• корпоративное обучение в Виртуальной школе Сбера
• подписка Прайм с возможностью совместного использования на трёх близких
• корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный ⅓ ключевой ставки ЦБ.