Analityk Danych
Silky Coders
Rola Data Analysta w zespole Pricing w dziale Data Science firmy Silky Coders, rozwijającej rozwiązania IT dla grupy LPP (Reserved, Mohito, Cropp, House, Sinsay). Głównym zadaniem jest wspieranie decyzji cenowych poprzez analizę danych end-to-end: od eksploracji, przez raporty i dashboardy w Power BI, po rekomendacje biznesowe. Wbrew tytułowi 'Data Analyst' w dziale Data Science, nie jest to rola badawcza ani ML – to klasyczna analityka z użyciem SQL, Excela i okazjonalnie Pythona, podparta statystyką i wizualizacją danych. Praca hybrydowa w Gdańsku.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak widełek wynagrodzenia, nie podano liczby dni pracy zdalnej w modelu hybrydowym.
Rola Data Analysta w zespole Pricing w dziale Data Science firmy Silky Coders, rozwijającej rozwiązania IT dla grupy LPP (Reserved, Mohito, Cropp, House, Sinsay). Głównym zadaniem jest wspieranie decyzji cenowych poprzez analizę danych end-to-end: od eksploracji, przez raporty i dashboardy w Power BI, po rekomendacje biznesowe. Wbrew tytułowi 'Data Analyst' w dziale Data Science, nie jest to rola badawcza ani ML – to klasyczna analityka z użyciem SQL, Excela i okazjonalnie Pythona, podparta statystyką i wizualizacją danych. Praca hybrydowa w Gdańsku.
- ✓Budżet szkoleniowy i integracyjny
- ✓Elastyczne godziny pracy (core hours 9-15)
- ✓Praca w nowoczesnym stacku z wykorzystaniem GenAI i modeli ML
- ✓Realny wpływ na decyzje biznesowe w dużej firmie retailowej
- ✓Dobrze opisana kultura zespołowa (Scrum, otwartość, dzielenie się wiedzą)
- !Brak informacji o widełkach wynagrodzenia (zarówno w ogłoszeniu, jak i danych strukturalnych)
- !Opis roli może sugerować szerszy zakres niż typowy Data Analyst – może wymagać domykania analiz pod presją biznesową
- !AI-powered mindset jest wymagany, ale nie wiadomo, jak będzie oceniany
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Pisanie zapytań SQL do eksploracji i agregacji danych cenowych
- •Tworzenie i utrzymywanie dashboardów w Power BI dla zespołu Pricing i interesariuszy biznesowych
- •Przeprowadzanie analiz cyklicznych i ad-hoc, formułowanie rekomendacji biznesowych
- •Automatyzacja procesów raportowania i przetwarzania danych
- •Weryfikacja jakości raportów i modeli predykcyjnych (testowanie scenariuszy)
- •Przygotowywanie dokumentacji analitycznej i opracowań wyników
- •Udział w spotkaniach Scrum i ścisła współpraca z biznesem (Product Manager, zespół danych)
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Analityk z co najmniej 2-letnim doświadczeniem, solidnym SQL i Excelem, potrafiący samodzielnie przeprowadzić analizę od danych po wnioski. Mile widziana znajomość Power BI lub Pythona, ale nie wymagana.
Junior bez 2 lat doświadczenia ani osoba szukająca pełnej pracy zdalnej – wymagana obecność w biurze w Gdańsku. Również nie dla kogoś, kto nie lubi pracy z biznesem i preferuje wyłącznie techniczne zadania.
- ?Jakie konkretne narzędzia AI/GenAI są obecnie używane w zespole?
- ?Ile osób liczy zespół Pricing i jak wygląda podział ról?
- ?Czy przewidziane są dyżury lub on-call?
- ?Jakie są oczekiwania co do liczby dni w biurze (minimalna/maksymalna)?
- ?Czy istnieje możliwość rozwoju w kierunku data science lub ML w przyszłości?
- ?Jakie są największe wyzwania w obecnych procesach cenowych, które czekają na nowego analityka?
- −Brak widełek wynagrodzenia
- −Nie podano liczby dni pracy zdalnej w modelu hybrydowym
- −Nie określono wielkości zespołu Pricing ani struktury zespołu Data Science
- −Brak informacji o konkretnych technologiach AI (np. jakie frameworki GenAI)
- −Nie wiadomo, czy Python jest faktycznie używany w codziennej pracy, czy tylko mile widziany
Zespół Pricing działa w ramach działu Data Science, stosując Scrum, kładąc nacisk na zespołowość, otwartą komunikację i dzielenie się wiedzą. Panuje kultura AI-first – aktywnie testuje się nowe narzędzia GenAI i wdraża je tam, gdzie przynoszą wartość.
Jedno spotkanie stacjonarne (1,5 godz.) w biurze w Gdańsku z rekruterką, Product Managerem i Lead Data Architectem. Po spotkaniu decyzja i feedback.