Аналитик данных, 1 год 3 месяца коммерческого опыта. Москва · Telegram @TimoJR07
Данные: SQL · PostgreSQL · DuckDB · dbt · Airflow · Python (pandas, SciPy, scikit-learn) · A/B-тесты · Power BI · Yandex DataLens
Системный анализ: user stories и критерии приёмки · use case · BPMN · ER · UML sequence · C4 · REST / OpenAPI · AsyncAPI · RabbitMQ / Kafka
Инженерия: FastAPI · Docker · Git · pytest · GitHub Actions
MeshGroup — аналитик данных · январь 2025 — март 2026
- Повысил конверсию в оплату с 13,4% до 21,0% (+7,6 п.п.): разложил путь от выбора лицензии до оплаты на этапы на данных 150 тыс. пользователей (SQL, PostgreSQL, Python) и нашёл этап с наибольшим оттоком — платёжный сценарий.
- Вместе с продакт-менеджером и дизайнером оформил изменения формы оплаты в Jira как user stories с критериями приёмки, описал требования к событиям аналитики и довёл изменения до релиза.
- Подтвердил эффект A/B-тестом (сплит 70/30, месяц); после раскатки на всех пользователей эффект сохранился.
- Сократил ручную подготовку отчётности на 80%: запустил 5 автоматизированных дашбордов Power BI для руководства.
- Собирал и обрабатывал данные для отчётности: события сайта и данные CRM через Apache Airflow и Apache NiFi, предобработка в SQL.
| Проект | Результат | Стек |
|---|---|---|
| E-commerce Product Analytics | 20,7 млн событий: воронка сессий просмотр → корзина 16,9%, корзина → покупка 13,9%; 86% корзин не доходят до покупки — первая гипотеза для A/B-теста. Витрины в dbt (12 моделей, 37 тестов данных), пайплайн в Airflow | SQL (DuckDB), dbt, Airflow, Python, Power BI / DataLens |
| Experiment Lab | A/B-тест от дизайна до вывода: размер выборки и MDE (для +5% к конверсии 13,4% нужно 41 430 пользователей на группу), SRM, CUPED, поправка Холма, z- и t-тесты | Python, SciPy, statsmodels, PostgreSQL, FastAPI |
| Retail Demand & Inventory | Прогноз спроса товар × страна: LightGBM точнее лучшего baseline (WMAPE 0,80 против 0,86, RMSE −27%); 10% позиций дают 71% ошибки — их стоит отдать на ручную проверку закупщику | SQL (DuckDB), pandas, LightGBM, Power BI |
| Sales Analytics (Power BI) | Тестовое задание (принято): 6 KPI на DAX, ABC 70/90%, модель «звезда» из 6 таблиц; 279 убыточных заказов съедают 20% прибыли. Все метрики сверены независимым расчётом на Python до копейки | Power BI (DAX, Power Query, PBIP), Python, pytest |
| Проект | Результат | Стек |
|---|---|---|
| IT Skills Radar | Пайплайн по junior-вакансиям (валидация → нормализация навыков → PostgreSQL → API → дашборд) и комплект аналитической документации: 8 user stories с критериями приёмки, BPMN AS-IS / TO-BE, ER, OpenAPI, sequence, спецификация интеграции с DLQ, C4 | PostgreSQL, FastAPI, Streamlit, OpenAPI, BPMN |
| CloudRM — прототип для ВКР | 7 агентов управляют очередями и ресурсами ЦОД через события; контракт 16 событий описан в AsyncAPI 3.0 с повторной доставкой и DLQ, тест сверяет спецификацию с кодом | Python, FastAPI, RabbitMQ, Kafka, PostgreSQL, Redis, Prometheus |
Хакатон AI Journey Contest 2026 — Coordination Referee (октябрь 2026): классификация логов мультиагентных систем по 7 типам сбоев координации, успеху и шагу сбоя; ансамбль градиентного бустинга и BiGRU, локальная кросс-валидация совпадает с лидербордом до 0,001; метрика 0,919, 45-е место из 150 (топ-30%).
Также: Churn Risk & Model Monitoring — модель оттока на синтетических данных (ROC-AUC 0,84 на отложенной выборке), API скоринга и мониторинг дрейфа PSI.
- РТУ МИРЭА, «Управление данными» — выпуск 2028 (учёбу совмещаю с работой)
- Karpov.courses — «Аналитик данных» (в процессе): Python, Git, SQL, теория вероятностей, статистика, продуктовая аналитика и A/B-тесты
- Английский — B1
Открыт к позициям Junior / Junior+ Data Analyst, Product Analyst, Системный аналитик в Москве: офис, гибрид или удалёнка, полный рабочий день.