О нас и текущий стек:
Мы — B2C веб-продукт. В настоящее время у нас разрозненные данные, которые нужно объединить в единую систему для принятия маркетинговых решений.
База данных: PostgreSQL (данные пользователей).
Платежи: Stripe.
Веб-аналитика: Google Analytics 4.
Источники трафика: Платная реклама в социальных сетях (Facebook/Meta, TikTok и т.д.), партнерские сети, CPC (рекламные сети).
Бизнес-цель (Что мы строим):
Создать единый источник правды (Single Source of Truth) для маркетинга. Нам нужно видеть точную окупаемость каждого источника трафика (Day 0 ROAS, CPL, CPS) с детализацией до конкретного креатива.
Техническое задание: Итерация 1 (MVP)
Ваша задача — спроектировать и реализовать архитектуру данных для первой итерации (Day 0 аналитика).
Зона ответственности и этапы работ:
Проектирование архитектуры (DWH & ELT)
Выбрать и обосновать оптимальное облачное хранилище (например, Google BigQuery).
Предложить и настроить инструмент для автоматического сбора данных (Airbyte, Fivetran или альтернативы). Нужно настроить ежедневный импорт сырых данных из PostgreSQL, Stripe, GA4 и рекламных кабинетов.
Настроить сбор затрат (Cost Data) и их ежедневную конвертацию в единую валюту.
Моделирование данных (Data Modeling / SQL)
Написать SQL-запросы (желательно с использованием dbt) для трансформации сырых данных в чистые витрины данных (Data Marts).
Свести данные о затратах в единую иерархию: Source -> Campaign -> Term (Adset) -> Creative.
Связать пользователей (user_id) с их транзакциями в Stripe и маркетинговыми метками (UTM/click_id) по модели атрибуции "Last Non-Direct Click" (или другой базовой модели по согласованию).
Сотрудничество с Backend-командой
Составить четкие инструкции для нашего бекенд-разработчика: какие именно параметры (click_id, UTM, client_id) и в какой момент нужно записывать в PostgreSQL и передавать в метаданных Stripe, чтобы трекинг не ломался.
Построение BI-дашбордов (Looker Studio / Metabase)
Создать отчет "Day 0 Performance" с возможностью drill-down (углубления) от источника до креатива.
Основные метрики для вывода: Spend, Clicks, Leads, CPL, Sales (Day 0), CPS, Revenue (Day 0), ROAS (Day 0).
Требования к кандидату (Hard Skills)
Опыт с DWH: Отличное знание SQL и практический опыт работы с Google BigQuery.
Опыт с ELT/ETL: Опыт настройки пайплайнов данных (Airbyte, Fivetran, Stitch, Funnel.io или написание собственных коннекторов на Python).
Знание dbt (Data Build Tool): Будет большим плюсом для построения надежных SQL-моделей.
Понимание Marketing/Web Analytics: Четкое понимание, как работают UTM-метки, S2S постбеки, атрибуция GA4 и рекламные кабинеты.
Опыт со Stripe API: Понимание структуры данных Stripe (Customer, Charge, Invoice, Metadata).
BI Инструменты: Опыт визуализации в Looker Studio, Metabase, Tableau или PowerBI.
Что мы ожидаем от вас на старте (Критерии приемки)
В отклике на вакансию, пожалуйста, кратко опишите:
Какой стек инструментов вы предлагаете для нашего задания (DWH + ELT + BI) и почему?
Ориентировочная оценка стоимости ежемесячной инфраструктуры (сервисов) по вашему плану.
Ориентировочные сроки реализации Итерации 1 (MVP).
