Стандартный аналитический набор: SQL + Python + BI. Данные лежат в Vertica, ClickHouse и немного в MySQL. Сложные расчёты делаем в Python и сохраняем в репозитории на github. Дашборды делаем в Tableau и Metabase. У нас своя система сплитования, своя платформа для проведения A/B-тестов. Проводим А/А-тесты и тесты мощности методом Монте-Карло, используем линеаризацию, CUPED, switchback-тесты. 

• Влиять на продукт. Аналитика — один из основных драйверов влияния на ключевые метрики и стратегию в компании.
• Заниматься тем, что интересно и важно. Аналитики в Профи — это полноценные участники продуктовых команд, которые помогают принимать решения. За счёт того, что основные бытовые аналитические проблемы решены (отчётность и дашборды автоматизированы и ad-hoc запросов почти нет), аналитики занимаются действительно интересными и ценными задачами.
• Творить вместе и решать задачи, которые никто в мире пока не решил хорошо. Идеального маркетплейса услуг пока не создали, поэтому есть шанс стать первопроходцем в решении многих аналитических задач.

• Улучшать новое приложение для клиентов. Уже есть дизайн эксперимента, чтобы узнать, стал ли опыт клиентов лучше. Но нужны твои рекомендации, чтобы довести его до идеала.
• Научиться измерять эффект от наших инвестиций в SEO. У нас есть несколько идей, как это сделать. Нужна помощь в проверке и придумывании гипотез.
• Помогать с экспериментами в ценах и тарифах для специалистов. Классические A/B- тесты тут не работают, поэтому применяем switchback-тесты и другие методы. Нужна помощь с валидацией дизайна, предложениями по измерению, работой над чувствительностью. 
• Развивать методологию наших экспериментов в целом. Проводить пост-анализ, автоматизировать процессы тестирования, улучшать чувствительность метрик. Хотим прийти к стройной, аккуратной и строгой системе по запуску экспериментов.

• Прикладной опыт в A/B-тестировании от двух лет — от дизайна до принятия решения после результатов. Знаешь, как и зачем валидировать метрики и как сократить время проведения теста. Круто, если можешь определить, что не так с сетапом А/B-теста. Предлагаешь другие решения, когда классический A/B-тест провести невозможно. 
• Глубокое знание и понимание математической статистики. Можешь объяснить физический смысл p-value и доверительного интервала, знаешь условия применимости стандартных критериев. 
• Уверенное владение SQL, Python
• Будет здорово, если есть опыт в эконометрике, ML или в продуктовой аналитике. Но главное выше.