Senior GTM Data Scientist

В качестве Senior GTM Data Scientist в PandaDoc вы будете критически важным аналитическим партнёром для наших команд Go-To-Market (GTM). Вы погрузитесь в данные GTM, чтобы выявлять инсайты и предлагать практические рекомендации для Sales, Marketing и Customer Success.

Суть этой роли — проектировать, строить и поддерживать предиктивные модели машинного обучения, оптимизирующие привлечение клиентов, атрибуцию доходов и удержание. Вы примените аналитическую строгость и методологии, такие как эксперименты и причинно-следственный вывод, чтобы предоставить руководству GTM надёжное понимание эффективности бизнеса и его влияния. Вы будете подчиняться Director of GTM Data и выступать надёжным мыслительным партнёром для Marketing, Sales, Customer Success и Finance.

Predictive Modeling & GTM Strategy

• Model Development: Проектировать, строить и развёртывать базовые модели GTM, включая прогнозирование Customer Lifetime Value (LTV), атрибуцию Marketing и Sales, а также модели Propensity (например, склонность к конверсии, оттоку или расширению).

• GTM Experimentation: Сотрудничать с командами GTM для разработки и анализа контролируемых экспериментов в разных каналах, включая A/B‑тестирование сайта, эксперименты с ценами и оценку эффективности маркетинговых кампаний. Вы будете использовать методологии такие как AB, multivariate, Bayesian и Causal Inference.

• Deep Dive Analysis: Выполнять проактивные, сложные аналитические глубокие погружения для обнаружения скрытого поведения пользователей и коренных причин изменений в метриках GTM, переводя выводы в практические рекомендации.

• Marketing Mix Modeling (MMM): Поддерживать интерпретацию результатов MMM, помогая максимизировать ROI маркетинга и оценивать целесообразность будущего внутреннего моделирования.

Measurement & Technical Rigor

• Measurement Frameworks: Определять, внедрять и управлять единой системой Key Performance Indicator (KPI), связывающей активности GTM (например, CAC, Funnel conversion, Retention) с высокоуровневыми бизнес‑результатами.

• Data Advocacy: Переводить сложные статистические выводы и результаты моделей в убедительные бизнес‑нарративы для кросс‑функциональных партнёров.

• Data Partnership: Тесно работать с Data Engineering, обеспечивая качество данных, надёжную инструментализацию и разработку переиспользуемых предиктивных активов, таких как хранилища признаков моделей.

• Guidance: Предоставлять технические рекомендации коллегам и заинтересованным сторонам по лучшим практикам исследования данных, моделирования ML и причинно-следственных методологий.

Qualifications

• Experience: 4+ лет профессионального опыта в прикладной data science, экономике или аналитике GTM, с подтверждённым послужным списком использования предиктивного моделирования и экспериментов для достижения измеримого бизнес‑влияния.

• Education: B.A. или B.S. в области математики, статистики, экономики, компьютерных наук или смежной количественной дисциплины. Степень магистра предпочтительна, но не обязательна.

Technical Expertise

• Machine Learning: Подтверждённый опыт построения и валидации готовых к продакшн моделей для бизнес‑приложений (LTV, Attribution, Propensity).

• Causal Inference: Практическое применение методов причинно-следственного вывода, таких как Quasi-Experimentation, Matching Methods (PSM) и Difference-in-Differences.

• Experimentation: Владение статистическими методологиями для A/B‑тестирования, включая расчёт размеров выборки, последовательное тестирование и техники снижения дисперсии.

• Programming & Tools: Продвинутый уровень владения Python или R (в частности Scikit-Learn, pandas, numpy) и экспертный уровень SQL.

• Data Pipelining: Опыт работы с инструментами вроде dbt, Airflow, Databricks или Snowflake считается сильным плюсом.

Key Attributes

• Strategic Communication: Сильные навыки повествования данными с возможностью влиять на кросс‑функциональных партнёров и достигать консенсуса в неоднозначных условиях.

• Thrive in Ambiguity: Способность переводить сложные бизнес‑вопросы в чёткие аналитические рамки, одновременно управляя множеством конкурирующих приоритетов.

• Domain Expertise: Опыт в SaaS‑секторе и сильный фокус на поддержке потребностей Sales, Marketing или Customer Success в данных являются высоко предпочтительными. Опыт построения моделей LTV, Attribution и Propensity также сильно предпочтителен.

• Data Pipelining: Опыт работы с инструментами вроде dbt, Airflow, Databricks или Snowflake считается сильным плюсом.
• Domain Expertise: Опыт в SaaS‑секторе и сильный фокус на поддержке потребностей Sales, Marketing или Customer Success в данных являются высоко предпочтительными.

• Конкурентоспособная зарплата (Если вы находитесь в Польше, диапазон зарплаты составляет от 24 000 до 29 000 PLN брутто в месяц)

• Подход Remote-first с возможностью гибридной работы из наших офисов в Киеве, Варшаве и Лиссабоне.

• Мы ценим долгосрочное сотрудничество, будь то типичный трудовой договор, employment of record или B2B‑соглашения. Учтите, что тип контракта и льготы различаются в зависимости от локации — уточняйте у наших рекрутеров.

• Честная, открытая культура, ценящая конструктивную обратную связь.

• Профессиональное и личностное развитие в рамках совместной, поддерживающей команды.

• Стабильный, но растущий SaaS‑продукт, предлагающий гибкую среду, владение проектами, стартап‑энергию и серьёзные технические вызовы.

• Годовая компенсация за эту роль до $185k.

• PandaDoc является Equal Opportunity Employer. Мы привержены равному отношению ко всем сотрудникам независимо от расы, национального происхождения, религии, пола, возраста, сексуальной ориентации, статуса ветерана, физической или психической инвалидности или любого другого основания, защищённого законом.