Data Analyst (k/m/n)

InPost zrewolucjonizował dostawy paczek w e‑commerce w Polsce i dziś jest jedną z wiodących w Europie platform e-commerce w modelu out‑of‑home. Spółka została założona w 1999 roku przez Rafała Brzoskę i oferuje usługi dostawcze poprzez sieć niemal 60 000 Paczkomatów® oraz blisko 35 000 punktów odbioru i nadawania przesyłek (PUDO) w dziewięciu krajach Europy. Dodatkowo InPost świadczy usługi kurierskie do drzwi oraz fulfillment dla partnerów e‑commerce. Paczkomaty InPost zapewniają konsumentom tańszą, bardziej elastyczną i wygodną formę dostawy, która jest jednocześnie przyjazna dla środowiska i bezkontaktowa.

• Minimum 2 lata doświadczenia w analizie danych, business intelligence lub pokrewnych obszarach
• Wykształcenie wyższe w zakresie takim jak: Metody Ilościowe i jakościowe, Matematyka, Big Data, Informatyka, Data Science, Statystyka i pokrewne
• Praktyczna znajomość PySpark, SQL lub Python na poziomie co najmniej średnio-zaawansowanym
• Podstawowa znajomość platformy Databricks i technologii big data
• Podstawowa znajomość zagadnień z zakresu technologii chmurowych (Azure, AWS, Google Cloud)
• Umiejętność strukturyzowania złożonych problemów i wyciągania wniosków opartych na danych
• Zdolność prezentowania wyników analiz i rekomendacji w sposób zrozumiały dla interesariuszy biznesowych
• Proaktywność w identyfikowaniu problemów i poszukiwaniu rozwiązań
• Bardzo dobra organizacja pracy i samodzielność w działaniu
• Znajomość języka angielskiego przynajmniej na poziomie B1

Nice to have:

• Doświadczenie z narzędziami do wizualizacji danych (np. Power BI, Tableau) w kontekście tworzenia dashboardów
• Doświadczenie w analityce kampanii marketingowych, produktów lub klientów

• Raportowanie i pogłębiona analiza danych marketingowych (w Databricks) oraz prezentowanie wniosków i wypracowanych rozwiązań
• Zbieranie i analizowanie danych z różnych źródeł w celu wykrywania trendów i wzorców
• Przekładanie wymagań biznesowych na potrzeby analityczne i definiowanie modeli danych
• Określanie dostępności danych w naszym data lakehouse oraz identyfikacja i definiowanie niezbędnych struktur danych we współpracy z działem Data
• Wprowadzanie automatyzacji w raportowaniu cyklicznym
• Iteracyjna analiza danych, obejmująca ich zrozumienie, transformację i agregację w celu ustalenia kluczowych wskaźników wydajności (KPI)
• Regularny przegląd wykorzystywanych narzędzi pod kątem możliwości usprawnienia analiz i raportowania, poszukiwanie sposobów na zwiększenie efektywności realizowanych zadań
• Wizualizacja danych przy pomocy Power BI lub współpraca przy budowaniu dashboardów