Данные и BI: вакансии в iGaming

Кто нанимает

Активнее всего нанимают: Sportradar (46), FanDuel (29), Playtech (18), Sporty Group (13), Betano (Kaizen Gaming) (12). На пятёрку приходится 38% открытых позиций, всего компаний с вакансиями: 88.

Роли и уровень

Основные локации: Удалёнка (64), Великобритания (59), США (30), Болгария (20). Позиции senior, lead и head — 34% объявлений, junior и стажёрские — 2%.

Формат и языки

Удалённо можно работать на 22% позиций. Английский — рабочий язык в 97% объявлений.

Зарплаты и свежесть

Вилку публикуют 8% работодателей, поэтому ориентир SpinHire в блоке «Профессии и вилки» — главный способ понять уровень оплаты. Новых за последние 7 дней: 18.

Основные позиции — Data Analyst, BI-аналитик, Analytics Engineer, Data Engineer и Data Scientist. Аналитики отвечают на вопросы бизнеса, инженеры строят пайплайны и хранилища, data scientists делают модели прогноза, оттока и риска.

Отдельная ниша — спортивная аналитика. Sportradar, FanDuel и Betano ищут людей, которые понимают и спорт, и статистику: моделирование вероятностей, оценку линий, анализ поведения игроков на ставках. Здесь пригодится и глубокое знание видов спорта, на которых специализируется команда.

Ключевые метрики продукта — GGR и NGR, удержание, отток, LTV и стоимость привлечения игрока. Аналитик разбирает когорты, считает отдачу от бонусов и CRM-кампаний, ищет, на каком шаге воронки теряются депозиты.

Данные нужны и смежным командам: антифроду — для поиска мультиаккаунтов, ответственной игре — для раннего выявления рискованного поведения, трейдингу — для контроля маржи. Поэтому полезно понимать, как устроен сам продукт, а не только запросы.

Отдельная задача — A/B-тесты: лендинги, бонусные механики, порядок игр в лобби. Аналитик помогает правильно спланировать эксперимент и не делать выводов по случайному шуму.

SQL нужен почти везде, и на хорошем уровне: оконные функции, сложные объединения, оптимизация запросов. Для дашбордов чаще встречаются Power BI, Tableau и Looker, для анализа и моделей — Python. Excel по-прежнему нужен для быстрых проверок и разовых расчётов.

Дата-инженерам пригодятся облачные хранилища вроде BigQuery, Snowflake или Redshift, оркестрация в Airflow и моделирование данных в dbt. Потоковые события ставок и игр часто идут через Kafka, это стоит упомянуть, если есть опыт.

Типичный тест — SQL-задача на реальной схеме и аналитический кейс: например, почему просели депозиты или окупилась ли бонусная акция. Проверяют не только ответ, но и то, как вы формулируете гипотезы и проверяете их.

В резюме лучше описывать решения и их эффект для бизнеса, а не перечень инструментов. Опыт в e-commerce, финтехе или мобильных играх хорошо переносится: метрики удержания и монетизации там похожи.

Для data scientists добавляется разговор о моделях: как вы выбирали признаки, проверяли качество и что делали, когда модель ошибалась на новых данных. Ценится умение объяснить результат людям без технического фона.

Уточните, в какой команде роль: продукт, маркетинг, трейдинг, риск или платформа данных. От этого зависят задачи, заказчики и рост. Спросите, кто отвечает за качество данных и есть ли единое хранилище.

Хороший знак — понятные заказчики аналитики и доступ к сырым данным. Удалённых ролей в этом направлении заметно больше, чем в операционных, офисы часто в Великобритании, Греции, на Мальте и в США.

Учтите регулирование: на строгих рынках доступ к персональным данным игроков ограничен, и часть работы идёт с обезличенными наборами. Это нормально, но лучше знать заранее, с чем предстоит работать.