Datenanalyst in Intetics

21. September 2024

Datenanalyst

Kiew, Litauen, Krakau (Polen), Warschau (Polen), Neuenburg (Polen)

Intetics Inc., ein Amerikaner Ein globales Technologieunternehmen, das kundenspezifische Softwareanwendungsentwicklung, verteilte professionelle Teams, Bewertung der Softwareproduktqualität und „alles digitale“ Lösungen anbietet, sucht einen hochqualifizierten und erfahrenen Junior/Middle Data Analyst für unser Team dynamisches Team.

Sie arbeiten mit dem Data-Science-Team zusammen und unterstützen die Geschäftsanalysten und Deal-Teams des Kunden durch die Durchführung von Recherchen und Analysen, die durch detaillierte Fallstudien im PowerPoint-Format präsentiert werden. Mit ihrem proprietären Tool sammeln und analysieren sie Kunden- und Mitarbeiterfeedback aus Online-Quellen und führen Stimmungsanalysen durch, um das Verständnis der Kundenzufriedenheit und damit verbundene Erkenntnisse zu verbessern. Dieses Tool generiert etwa zwei Dutzend Tabellen und Grafiken, um die Daten effektiv zu visualisieren.

Zu den Aufgaben des Teams gehören die Verwaltung der VOTC-Workflows, die Sicherstellung ihres reibungslosen Ablaufs und die Erstellung umfassender Fallstudien für Business-Analystenteams. Durch die Zusammenarbeit mit Analysten wird die Ausrichtung auf bestimmte gesuchte Erkenntnisse sichergestellt, was häufig zu iterativen Verfeinerungen und zusätzlicher Datensegmentierung auf der Grundlage von Faktoren wie der Geografie führt. Bei Bedarf führt das Team zusätzliche Recherchen durch, die über die Möglichkeiten von VOTC hinausgehen, um die Anforderungen der Analysten zu erfüllen und deren Anforderungen effektiv zu erfüllen.

Verantwortlichkeiten:

• Stellt Recherchen und Analysen für die Geschäftsanalysten und Deal-Teams des Kunden bereit.
• Die Forschungs- und Analyseergebnisse werden in Form von PowerPoint-Präsentationen mit Tabellen, Grafiken und erläuternden Kommentaren präsentiert.
• Um die Daten zu sammeln und die Visualisierungen mithilfe einer proprietären Plattform (PRODUCT) zu erstellen, die verschiedene Arten von Informationen aus Internetquellen extrahiert und eine Stimmungsanalyse durchführt. Außerdem werden etwa zwei Dutzend Tabellen und Grafiken erstellt, um die Daten zu quantifizieren und zu visualisieren.
• Spezifizieren und Initiieren der technischen Arbeitsabläufe von PRODUCT, Sicherstellen, dass sie ordnungsgemäß funktionieren, und anschließendes Erstellen der Fallstudie.
• Enge Kommunikation und Zusammenarbeit mit erfahrenen Datenwissenschaftlern und Business-Analystenteams.
• In einigen Fällen bitten die Business-Analystenteams möglicherweise um zusätzliche Forschungsarbeiten, die nicht von PRODUCT abgedeckt werden. Das Data-Science-Team versucht, dem so weit wie möglich Rechnung zu tragen.

Anforderungen

• Python-Codierungskenntnisse.
• Verständnis der Datenanalyse, einschließlich EDA, Modelltraining/-tests, Hyperparameter-Tuning usw.
• Verständnis von NLP (Natural Language Processing).
• Verständnis des maschinellen Lernens.
• Grundlegende Erfahrung mit Datenvisualisierungstools wie Power BI, Tableau.
• Erfahrung mit SQL und Datenbanken.
• Klare und präzise mündliche und schriftliche Kommunikation.
• Englisch: Obere Mittelstufe, besser Fortgeschrittene.

Schön zu haben:

• Erfahrung mit Frameworks/Bibliotheken wie scikit-learn und pandas.
• Kenntnisse der NLP-Grundlagen, einschließlich Vektorisierungsmethoden. Anwendung vorab trainierter Modelle wie BERT,und Feinabstimmung solcher Modelle.
• Erfahrung mit NLP-Bibliotheken wie NLTK, SpaCy und scikit-learn.
• Grundlagen des maschinellen Lernens: Standardtechniken im überwachten Lernen, einschließlich Ensemble-Methoden für Klassifizierung und Regression.
• SQL-Expertise und Vertrautheit mit MySQL, MongoDB usw.
• Expertise in Standard-BI-Tools: Erstellen neuer Diagramme, benutzerdefinierte Spalten.
• MS Office: Erstellung professioneller PowerPoint-Folien.
• Umfassende analytische Fähigkeiten: Formulieren und Interpretieren grafischer Informationen, insbesondere bei Zeitreihendaten.
• Fähigkeit, Erkenntnisse aus komplexen Analyseergebnissen prägnant zusammenzufassen.
• Liebe zum Detail: Besonderer Fokus auf Datenvalidierung und Qualitätssicherung.