تحلیلگر داده‌های کسب‌وکار | Business Data Analyst

پاکرخ یک شرکت پیشرو در زمینه تولید و توزیع محصولات مصرفی باکیفیت مانند شامپو، نرم کننده و سایر اقلام مراقبت شخصی است. تیم برنامه ریزی کسب و کار و مدیریت عملکرد (bp&p) ما در هدایت تصمیم گیری مبتنی بر داده از طریق برنامه ریزی، بینش کسب و کار و راه حل های هوش تجاری بسیار مهم است.
نقش ها و مسئولیت ها:
تحلیلگر داده های کسب و کار به bp&p گزارش می دهد. مدیر و همکاری نزدیک با عملیات و تیم های تجاری برای تجزیه و تحلیل داده ها، ایجاد بینش و اطمینان از کارایی عملیاتی. مسئولیت های کلیدی عبارتند از:
1. داده های عملیاتی و تجاری را جمع آوری، پاکسازی و تجزیه و تحلیل کنید تا بینش های عملی ایجاد کنید.
2. ایجاد و نگهداری داشبوردهای عملکرد برای نظارت بر kpiهای عملیاتی کلیدی.
3. برای شناسایی الزامات تجاری و تبدیل آنها به راه حل های تحلیلی با سهامداران همکاری کنید.
4. بینش‌هایی برای بهینه‌سازی فرآیندهای تدارکات، موجودی و تدارکات ارائه می‌کند.
5. طراحی و پیاده سازی ابزارهای گزارش دهی خودکار برای تجزیه و تحلیل عملیاتی مداوم.
6. پشتیبانی از تصمیم گیری از طریق تجزیه و تحلیل موقت و گزارش روندهای بازار.
7. ایجاد مدل های پیش بینی برای بهبود عملکرد عملیاتی و کاهش ریسک.
8. توسعه و اجرای فرآیندهای تضمین کیفیت داده ها برای اطمینان از یکپارچگی داده ها.
9. در چارچوب چابک اسپرینت کار کنید تا وظایف را به طور موثر و به موقع انجام دهید.
10. از طریق توصیه‌های مبتنی بر داده، به برنامه‌ریزی استراتژیک و بودجه‌بندی کمک کنید.
شرایط شغلی
تحصیلات:
• مدرک لیسانس در علوم داده، تجزیه و تحلیل بازرگانی، مهندسی صنایع، یا رشته‌های مرتبط (ترجیحاً کارشناسی ارشد).
• گواهینامه های sql، power bi، یا تابلو (ترجیحا).
• تسلط به زبان انگلیسی (کتبی و گفتاری).
تجربه:
• حداقل 3 سال تجربه در تجزیه و تحلیل داده یا تجزیه و تحلیل تجاری، ترجیحاً در fmcg یا یک زمینه مرتبط.
• دانش قوی از sql، اکسل، و ابزارهای تجسم مانند power bi.
• تجربه با زبان های برنامه نویسی مانند python یا r برای تجزیه و تحلیل داده ها (ترجیحا).
• توانایی اثبات شده برای مدیریت چندین کار و انجام تحت مهلت های زمانی محدود.
• آشنایی با ساختارهای داده عملیاتی و تدارکاتی.
• قرار گرفتن در معرض محیط های کاری چابک (ترجیح می باشد).

Pakrokh is a leading FMCG company specializing in the production and distribution of high-quality consumer products such as shampoos, conditioners, and other personal care items. Our Business Planning and Performance Management (BP&P) team is pivotal in driving data-driven decision-making through planning, business insights, and business intelligence solutions. The business data analyst will report to the BP&P manager and work closely with the operations and commercial teams to analyze data, generate insights, and ensure operational efficiency.

Key Responsibilities:

• Collect, clean, and analyze operational and commercial data to generate actionable insights.
• Develop and maintain performance dashboards to monitor key operational KPIs.
• Collaborate with stakeholders to identify business requirements and translate them into analytical solutions.
• Provide insights to optimize procurement, inventory, and logistics processes.
• Design and implement automated reporting tools for ongoing operational analysis.
• Support decision-making through ad hoc analysis and reporting on market trends.
• Create predictive models for operational performance improvement and risk mitigation.
• Develop and execute data quality assurance processes to ensure data integrity.
• Work within the agile-sprint framework to deliver tasks effectively and on time.
• Contribute to strategic planning and budgeting through data-driven recommendations.

Requirements:

• Bachelor’s degree in Data Science, Business Analytics, Industrial Engineering, or related fields (a Master’s degree is preferred).
• Certifications in SQL, Power BI, or Tableau (preferred).
• Proficiency in English (written and spoken).
• At least 3 years of experience in data analysis or business analytics, preferably in FMCG or a related field.
• Strong knowledge of SQL, Excel, and visualization tools like Power BI.
• Experience with programming languages like Python or R for data analysis (preferred).
• Proven ability to manage multiple tasks and deliver under tight deadlines.
• Familiarity with operational and procurement data structures.
• Exposure to agile working environments (preferred).