Data elmi üzrə aparıcı mütəxəssis (Müştəri dəyərinin idarə edilməsi)

• CVM və digər biznes tərəfləri ilə birlikdə biznes problemlərini anlamaq, tapşırığın əhatə dairəsini, uğur meyarlarını və ölçülə bilən KPI-ları müəyyən etmək.
• Biznes ehtiyaclarını analitik, statistik və maşın öyrənməsi yanaşmalarına çevirmək, uyğun həll yanaşmasını formalaşdırmaq və alternativ metodları qiymətləndirmək.
• Analitik həlləri problemin formalaşdırılmasından başlayaraq məlumatların hazırlanması, araşdırılması, həllin qurulması, validasiyası, tətbiqi və monitorinqinə qədər end-to-end idarə etmək.
• Müştəri davranışını, istifadə xüsusiyyətlərini, gəlir dinamikasını, məhsul istifadəsini, müştəri yol xəritəsini və digər kommersiya göstəricilərini təhlil edərək biznes üçün praktik nəticələr və yeni imkanlar müəyyən etmək.
• Müştəri itkisini azaltmaq, gəliri artırmaq, müştəri dəyərini yüksəltmək, məhsul və xidmət istifadəsini genişləndirmək, fərdiləşdirməni inkişaf etdirmək və marketinq xərclərini optimallaşdırmaq üçün data əsaslı yanaşmalar hazırlamaq.
• CVM qərarverməsində istifadə ediləcək analitik yanaşmaları və müştəri dəyərləndirmə metodologiyalarını hazırlamaq, nəticələrin kampaniya və təklif mexanizmlərində tətbiqini dəstəkləmək.
• Eksperimentlər, treatment-control yanaşmaları, A/B testlər və digər test-and-learn metodları vasitəsilə biznes təşəbbüslərinin həqiqi incremental təsirini ölçmək.
• Həlləri yalnız texniki göstəricilər əsasında deyil, gəlir artımı, xərclərin optimallaşdırılması, müştəri itkisi, konversiya, ARPU, istifadə səviyyəsi və digər biznes nəticələri üzrə qiymətləndirmək.
• Statistik analiz, proqnozlaşdırma, hipotezlərin yoxlanması, həssaslıq və qiymət təsiri təhlili kimi yanaşmalardan istifadə etməklə biznes qərarlarını dəstəkləmək.
• Telekommunikasiya məlumatlarının, o cümlədən istifadə davranışı, zəng və data istifadəsi, gəlir göstəriciləri, şəbəkə təcrübəsi və müştəri əlaqə nöqtələrinin təhlili əsasında müştəri yönümlü həllər hazırlamaq.
• Fərdiləşdirilmiş məhsul, xidmət, təklif və müştəri təcrübəsinin formalaşdırılması üçün tövsiyə və qərarvermə yanaşmalarının hazırlanmasına dəstək vermək.
• Müştəri müraciətləri, mətn məlumatları və digər strukturlaşdırılmamış məlumatlardan istifadə etməklə analitik və avtomatlaşdırma imkanlarını araşdırmaq.
• Generativ süni intellekt, NLP və digər yeni texnologiyaların CVM, fərdiləşdirmə və müştəri təcrübəsində tətbiq imkanlarını qiymətləndirmək.
• Biznes problemi üçün mürəkkəb analitik həllin həqiqətən tələb olunub-olunmadığını qiymətləndirmək və zəruri hallarda daha sadə statistik, eksperimental və ya qayda əsaslı yanaşmalar təklif etmək.
• Model və analitik nəticələrin biznes mənasını, əsas faktorlarını, məhdudiyyətlərini və tövsiyə olunan tədbirləri qeyri-texniki tərəflərə aydın şəkildə izah etmək.
• Data Science, CVM, Data Engineering, İT, marketinq, məhsul və digər komandalarla əməkdaşlıq edərək analitik həllərin biznes proseslərinə, kampaniya platformalarına və qərarvermə sistemlərinə inteqrasiyasını dəstəkləmək.

Axtardığımız namizədə tələblər:

• Data Science, analitika, statistika, tətbiqi riyaziyyat, kompüter elmləri, süni intellekt və ya əlaqəli sahədə iş təcrübəsi.
• CVM, CRM, marketinq analitikası, müştəri analitikası və ya yüksək həcmli abunə və istehlakçı bizneslərində analitik layihələr üzrə praktiki təcrübə.
• Müştəri davranışı, müştəri dəyəri, müştəri həyat dövrü və kommersiya analitikası üzrə güclü anlayış.
• Biznes ehtiyaclarını strukturlaşdırılmış analitik problemlərə, ölçülə bilən KPI-lara, hipotezlərə və tətbiq oluna bilən həllərə çevirmək bacarığı.
• Analitik həllərin hazırlanması, validasiyası, production mühitinə keçirilməsi və sonrakı monitorinqi üzrə end-to-end təcrübə.
• Klassik maşın öyrənməsi, statistik modelləşdirmə və eksperimental dizayn sahəsində güclü nəzəri və praktiki biliklər.
• Python, SQL və geniş istifadə olunan Data Science və machine learning kitabxanaları ilə güclü iş bacarığı.
• Məlumatların araşdırılması, xüsusiyyətlərin formalaşdırılması, nəticələrin interpretasiyası və biznes üçün aydın tövsiyələrin hazırlanması bacarığı.
• Analitik həlləri həm texniki performans, həm də incremental biznes təsiri əsasında qiymətləndirmək bacarığı.
• A/B testlər, treatment-control yanaşmaları, hipotezlərin yoxlanması və eksperiment nəticələrinin şərhi üzrə təcrübə.
• Güclü analitik və tənqidi düşüncə, problem həll etmə, kommersiya yanaşması və prioritetləşdirmə bacarıqları.
• Qeyri-müəyyən biznes problemlərini strukturlaşdırmaq, mövcud yanaşmalara konstruktiv şəkildə etiraz etmək və alternativ həllər təklif etmək bacarığı.
• Texniki mövzuları qeyri-texniki auditoriyaya sadə və aydın biznes dili ilə təqdim etmək bacarığı.
• Güclü kommunikasiya, təqdimat və stakeholder management bacarıqları.

Üstünlük verilən bilik və təcrübə:

• Telekommunikasiya və ya oxşar yüksək həcmli istehlakçı sahələrində, o cümlədən bank, maliyyə, pərakəndə satış və e-commerce sahələrində iş təcrübəsi.
• MLOps, analitik həllərin tətbiqi, monitorinqi, performans dəyişikliklərinin izlənməsi və feature management yanaşmaları üzrə təcrübə.
• Tövsiyə sistemləri, fərdiləşdirmə və real-time qərarvermə yanaşmaları üzrə təcrübə.
• AWS və ya digər cloud əsaslı Data Science və AI xidmətləri ilə iş təcrübəsi.
• Deep learning, NLP, transformer əsaslı həllər və generativ süni intellekt üzrə praktiki təcrübə.
• API-lərlə işləmək və analitik nəticələrin biznes və texnoloji sistemlərə inteqrasiyası üzrə təcrübə.
• Telekommunikasiya sahəsində bazar dinamikası, rəqabət mühiti, tarif və məhsul strukturu, müştəri davranışı və CVM prinsipləri barədə biliklər.

Your key responsibilities:

• Work with CVM and other business stakeholders to understand business problems and define the scope, success criteria, and measurable KPIs.
• Translate business needs into analytical, statistical, and machine learning approaches, shape the appropriate solution, and evaluate alternative methods.
• Manage analytical solutions end to end, from problem definition and data preparation to exploration, solution development, validation, deployment, and monitoring.
• Analyze customer behavior, usage patterns, revenue dynamics, product usage, customer journeys, and other commercial indicators to identify actionable insights and new business opportunities.
• Develop data-driven approaches to reduce customer churn, increase revenue, improve customer value, expand product and service usage, enhance personalization, and optimize marketing spend.
• Develop analytical approaches and customer evaluation methodologies for CVM decision-making and support the application of results in campaign and offer mechanisms.
• Measure the true incremental impact of business initiatives through experiments, treatment-control approaches, A/B testing, and other test-and-learn methods.
• Evaluate solutions not only based on technical metrics, but also on business outcomes such as revenue growth, cost optimization, churn reduction, conversion, ARPU, usage levels, and other commercial indicators.
• Support business decisions using approaches such as statistical analysis, forecasting, hypothesis testing, sensitivity analysis, and price-impact analysis.
• Develop customer-focused solutions based on the analysis of telecommunications data, including usage behavior, voice and data usage, revenue indicators, network experience, and customer touchpoints.
• Support the development of recommendation and decision-making approaches for personalized products, services, offers, and customer experiences.
• Explore analytical and automation opportunities using customer interactions, text data, and other unstructured data sources.
• Evaluate the potential application of generative AI, NLP, and other emerging technologies in CVM, personalization, and customer experience.
• Assess whether a complex analytical solution is genuinely required for a business problem and, where appropriate, propose simpler statistical, experimental, or rule-based approaches.
• Clearly explain the business meaning, key drivers, limitations, and recommended actions related to models and analytical results to non-technical stakeholders.
• Collaborate with Data Science, CVM, Data Engineering, IT, Marketing, Product, and other teams to support the integration of analytical solutions into business processes, campaign platforms, and decision-making systems.

What we look for:

• Professional experience in Data Science, analytics, statistics, applied mathematics, computer science, artificial intelligence, or a related field.
• Practical experience in analytical projects within CVM, CRM, marketing analytics, customer analytics, or high-volume subscription-based and consumer businesses.
• Strong understanding of customer behavior, customer value, customer lifecycle, and commercial analytics.
• Ability to translate business needs into structured analytical problems, measurable KPIs, hypotheses, and implementable solutions.
• End-to-end experience in developing, validating, deploying, and monitoring analytical solutions in production environments.
• Strong theoretical and practical knowledge of classical machine learning, statistical modelling, and experimental design.
• Strong practical skills in Python, SQL, and widely used Data Science and machine learning libraries.
• Ability to perform exploratory data analysis, develop features, interpret results, and prepare clear business recommendations.
• Ability to assess analytical solutions based on both technical performance and incremental business impact.
• Experience with A/B testing, treatment-control approaches, hypothesis testing, and interpretation of experimental results.
• Strong analytical and critical-thinking skills, problem-solving ability, commercial mindset, and prioritization skills.
• Ability to structure ambiguous business problems, constructively challenge existing approaches, and propose alternative solutions.
• Ability to explain technical topics to non-technical audiences in clear and simple business language.
• Strong communication, presentation, and stakeholder-management skills.

Preferred knowledge and experience:

• Experience in telecommunications or similar high-volume consumer sectors, including banking, financial services, retail, and e-commerce.
• Experience with MLOps, deployment and monitoring of analytical solutions, performance and drift monitoring, and feature management approaches.
• Experience with recommendation systems, personalization, and real-time decision-making approaches.
• Experience with AWS or other cloud-based Data Science and AI services.
• Practical experience with deep learning, NLP, transformer-based solutions, and generative AI.
• Experience working with APIs and integrating analytical outputs into business and technology systems.
• Knowledge of telecommunications market dynamics, the competitive environment, tariff and product structures, customer behavior, and CVM principles.