تحلیلگر هوش تجاری (سرپرست) | Business Intelligence Analyst (Supervisor)

شرح شغل:

• طراحی، توسعه و نگهداری داشبوردهای هوش تجاری در خصوص ارائه گزارش‌های عملیاتی و مدیریتی.
• استفاده از پایتون برای تجزیه و تحلیل داده‌ها و پیاده‌سازی الگوریتم‌ های پیش‌‌بینی.
• مدیریت فرآیند جمع‌ آوری و پردازش داده‌ ها از منابع مختلف.
• تعامل با تیم‌ های فنی و تجاری برای درک نیازهای داده‌ ای و تحلیلی.
• پیاده‌سازی مدل‌های پیش‌بینی و تحلیل روندهای کسب‌وکار بر اساس داده‌ های گذشته.
• بهینه‌ سازی کارایی و دقت مدل‌ های تحلیلی و پیش‌بینی.
• ارائه گزارش‌ های تحلیلی برای مدیران ارشد و تصمیم‌ گیران سازمان.
• پایش و بررسی مستمر عملکرد مدل‌های داده‌ ای و ارائه راهکارهای بهبود.
• بررسی و معرفی تکنولوژی‌ های جدید برای ارتقای کیفیت تحلیل داده‌ها.

شرایط احراز:

• مسلط به ابزارهای (Power BI).
• برنامه‌نویسی پایتون و استفاده از کتابخانه‌های مرتبط مانند Pandas ،NumPy ،Scikit-learn.
• تجربه کار با پایگاه‌های داده SQL و NoSQL.
• آشنایی با روش‌های تحلیل داده و مدل‌های پیش‌ بینی.
• مهارت بالا در تحلیل‌های آماری.
• توانایی مدیریت پروژه‌های داده‌‌ای و هدایت تیم‌‌های BI.
• تجربه کار با سرویس‌‌های پردازش داده‌ ابری مانند Azure ،AWS ،Google Cloud.

• Design, develop and maintain business intelligence dashboards for operational and management reporting.
• Use Python to analyze data and implement predictive algorithms.
• Manage the process of collecting and processing data from various sources.
• Interact with technical and business teams to understand data and analytical needs.
• Implement predictive models and analyze business trends based on past data.
• Optimize the efficiency and accuracy of analytical and predictive models.
• Provide analytical reports to senior managers and decision makers of the organization.
• Continuously monitor and review the performance of data models and provide improvement solutions.
• Review and introduce new technologies to improve the quality of data analysis.

Requirements:

• Proficient in Power BI tools.
• Python programming and use of related libraries such as Pandas, NumPy, and Scikit-learn.
• Experience working with SQL and NoSQL databases.
• Familiarity with data analysis methods and predictive models.
• High skill in statistical analysis.
• Ability to manage data projects and lead BI teams.
• Experience working with cloud data processing services such as Azure, AWS, and Google Cloud.