About the Position

Zagoriy Foundation - лабораторія соціальних проєктів, ініційованих або підтриманих сім'єю Гліба та Катерини Загоріїв.

Наша місія: уможливлювати позитивні сценарії майбутнього України. З 2015 року ми працюємо з темами культури, традицій, благодійності, формуємо простори для спільнот і підтримуємо трансформаційні ініціативи.

Сайт | Instagram | Facebook

Назва ролі: Impact & Data Analyst

Підпорядкування: CEO Zagoriy Foundation

Причина відкриття

Ми зростаємо як лабораторія соціальних проєктів - зростає кількість ініціатив і складність задач. Щоб зберігати швидкість і якість рішень, ми формуємо стійку систему даних і аналітики, яка стає основою для прийняття рішень і фактором довіри для партнерів.

Саме тому ми шукаємо людину, яка забезпечить впровадження власної unit-економіки та системи вимірювання впливу - як основи для управління проєктами і масштабування.

Вплив на місію компанії

Ця роль формує основу для переходу від управління проєктами на рівні інтуїції до системного управління на основі даних.

Завдяки цій функції ми зможемо:

чітко розуміти ефективність кожного проєкту в динаміці
бачити, що саме створює найбільший вплив і має потенціал до масштабування
формувати власну unit-економіку проєктів і напрямів
приймати обґрунтовані рішення щодо розвитку, трансформації або зупинки ініціатив
підкріплювати наші рішення і підходи доказовою базою для партнерів

У результаті це стає одним із ключових факторів довіри до Zagoriy Foundation та основою для масштабування наших рішень.

Місія ролі

Побудувати в Zagoriy Foundation цілісну систему даних і аналітики, яка дозволяє вимірювати ефективність і вплив проєктів, формувати власну unit-економіку та забезпечує прийняття рішень на основі даних.

Зробити всі проєкти Zagoriy Foundation вимірюваними, керованими та масштабованими через дані.

Responsibilities

Цілісність і якість системи даних ZF
- Відповідає за наявність, повноту, структуру та якість даних по всіх проєктах фонду, а також за єдину логіку їх збору і використання.
Система метрик і unit-економіка проєктів
- Відповідає за те, щоб кожен проєкт мав визначені, релевантні метрики ефективності, зрозумілу unit-економіку та можливість оцінки результатів у динаміці.
Аналітична система та доступність інсайтів
- Відповідає за створення і розвиток дашбордів та аналітичних інструментів, які дають керівникам проєктів і керівництву доступ до актуальних даних для прийняття рішень.
Система вимірювання впливу
- Відповідає за розробку і впровадження рамки вимірювання впливу проєктів, включаючи інтеграцію внутрішніх даних з результатами досліджень.
Аналітична підтримка управлінських рішень
- Відповідає за те, щоб ключові управлінські рішення в організації підкріплювались даними, аналітикою та інсайтами, а не лише інтуїцією.
Прозорість і доказовість для партнерів
- Відповідає за формування аналітичної бази, яка дозволяє аргументовано демонструвати ефективність і вплив проєктів зовнішнім партнерам.
Розвиток культури роботи з даними
- Відповідає за впровадження підходу data-driven в командах, підвищення якості роботи з метриками та використання даних у щоденній роботі.

Requirements

Hard Skills

Робота з даними та аналітика
- Впевнена робота з даними: Excel / Google Sheets (просунутий рівень), SQL
- Досвід роботи з BI-інструментами (Power BI / Tableau / Looker)
- Побудова дашбордів, аналітичних моделей і звітності
- Побудова системи даних і метрик
- Побудова систем метрик, KPI, воронок, конверсій
- Розуміння і побудова unit-економіки
Розуміння бізнесу і ефективності
- Розуміння бізнес-логіки: ефективність, витрати, результат
- Досвід аналізу проєктів/продуктів і формування інсайтів
- Вміння переводити бізнес-запити у структуру даних і метрики
Вимірювання впливу (буде перевагою)
- Досвід або розуміння підходів до вимірювання впливу
- Робота з індикаторами, індексами, соціологічними даними
Візуалізація і пояснення даних
- Вміння обирати правильні типи візуалізації під задачу
- Побудова логіки подачі даних для різних аудиторій
- Перетворення даних у зрозумілі управлінські інсайти
Робота з AI та автоматизацією (бажано)
- Використання AI-інструментів для аналізу даних
- Розуміння автоматизації процесів збору та обробки даних

Soft Skills

Системне мислення
- Бачить не окремі звіти, а цілісну систему даних і взаємозв’язки
- Вміє будувати архітектуру, а не лише “аналізувати цифри”
Бізнес-орієнтованість
- Думає через ефективність, результат і вплив
- Розуміє, що дані - це інструмент для прийняття рішень
Вміння працювати з невизначеністю
- Може будувати систему “з нуля”, без готових рамок
- Не губиться, коли немає ідеальних даних
Комунікація і вплив
- Вміє пояснювати складне просто
- Може “продати” важливість метрик і даних командам
- Працює з різними стейкхолдерами (керівники проєктів, топ-команда, партнери)
Проактивність і відповідальність
- Бере повну відповідальність за результат, а не лише за задачі
- Пропонує рішення, а не чекає запитів
Критичне мислення
- Не приймає дані “як є”, ставить під сумнів і перевіряє
- Вміє знаходити причинно-наслідкові зв’язки
Увага до деталей без втрати цілісності
- Працює точно з даними
- Але не втрачає загальну логіку і сенс

Outcomes (5–8 очікуваних результатів за перший рік роботи)

Побудована базова архітектура даних ZF
- Є описана і впроваджена логіка збору даних для всіх ключових проєктів: зрозуміло, які дані збираються, де зберігаються і як використовуються.
Впроваджена єдина система метрик для проєктів
- Для кожного проєкту визначені ключові KPI та показники ефективності, які регулярно відстежуються і використовуються в роботі команд.
Розроблена і застосовується unit-економіка проєктів
- Є підхід до розрахунку unit-економіки, який дозволяє порівнювати ефективність різних проєктів і приймати рішення про їх розвиток або масштабування.
Запущена система дашбордів для управління
- Створені та використовуються дашборди (Power BI або аналог), які дають актуальну картину по проєктах і використовуються керівниками для прийняття рішень.
Впроваджена рамка вимірювання впливу
- Розроблена базова модель вимірювання впливу проєктів, інтегрована з даними досліджень, і застосовується хоча б для ключових напрямів.
Дані інтегровані в процес прийняття рішень
- Регулярні управлінські рішення (планування, перегляд проєктів, пріоритезація) приймаються з опорою на дані, а не лише на інтуїцію.
Сформована культура роботи з даними в командах
- Керівники проєктів:
  - розуміють свої метрики
  - користуються дашбордами
  - регулярно аналізують результати
Створена доказова база для партнерів
- Є структурована аналітика, яка дозволяє показувати ефективність і вплив проєктів зовнішнім партнерам і використовувати це для розвитку співпраці.

Key Challenges

Побудова системи
- Наразі в організації немає єдиної системи даних - її потрібно спроєктувати і зібрати з різних джерел, процесів і підходів.
Робота з неповними і неідеальними даними
- Частина даних відсутня, частина - неструктурована або ведеться по-різному в різних проєктах. Потрібно вміти працювати з цим і поступово наводити порядок.
Різноманітність проєктів і відсутність універсальної моделі
- Проєкти відрізняються за типом і цілями (події, комунікації, дослідження, спільноти), тому немає однієї простої системи метрик - її потрібно адаптувати під різні контексти.
Баланс між бізнес-метриками і вимірюванням впливу
- Потрібно поєднати кількісні показники ефективності з більш складними для вимірювання змінами (поведінка, культура, спільноти).
Впровадження data-driven підходу в командах
- Не всі команди звикли працювати з метриками і даними - потрібно не лише створити систему, а й зробити так, щоб нею реально користувалися.
Робота на перетині різних функцій
- Роль взаємодіє з проєктними командами, керівництвом, Research Hub, IT та підрядниками - потрібно синхронізувати різні очікування і мови.
Переклад даних у рішення
- Очікується не просто аналіз, а здатність робити висновки і впливати на рішення щодо розвитку, зміни або зупинки проєктів.
Високий рівень очікувань до якості аналітики
- Дані і аналітика є стратегічною функцією ZF і основою довіри партнерів - це означає високу відповідальність за точність, логіку і інтерпретацію.

Selection Process

Ми застосовуємо A-метод - структуровану й чесну систему, яка допомагає знайти найкращу відповідність між завданнями ролі, командою та кандидатом/кою.

Процес включає:

Подання заявки: Надішліть резюме та мотиваційний лист із описом вашої відповідності вимогам.
Оцінка резюме: Ми уважно розглянемо ваші документи та визначимо, чи є початкове відповідність до нашого профілю.
HR-співбесіда (Screening Interview): онлайн-зустріч для обговорення вашої мотивації, очікувань, робочого стилю та відповідності корпоративній культурі організації.
ReferenceCheck: Ми з вашого дозволу зв’язуємось із 2−3 людьми, з якими ви працювали, щоб отримати додат

Impact & Data Analyst

Tech Stack

Job Description, Responsibilities & Requirements