Начинающий аналитик данных. Работаю с SQL, Python, Excel / Google Sheets, продуктовой аналитикой и статистическими методами.
В проектах прохожу полный аналитический цикл: подготовка и проверка данных → расчёт метрик → исследовательский анализ → визуализация → интерпретация результатов и рекомендации для бизнеса.
SQL: PostgreSQL, JOIN, CTE, CASE WHEN, подзапросы, агрегатные функции, продуктовые метрики
Python: pandas, NumPy, SciPy, statsmodels, Matplotlib, Seaborn, Jupyter Notebook
Аналитика: A/B-тесты, доверительные интервалы, когортный анализ, retention, DAU / WAU / MAU, сегментация
Таблицы: Excel, Google Sheets, сводные таблицы, Power Pivot, QUERY, дашборды
Сравнение push-уведомлений и баннеров по конверсии и среднему платежу.
- 45 318 клиентов
- средний платёж: +263,09 ₽
- конверсия: +4,35 п.п.
- Welch t-test, z-test двух пропорций, confidence intervals
- Benjamini–Hochberg FDR при анализе торговых точек
Стек: Python, pandas, SciPy, statsmodels, Excel
Анализ пользовательской активности, качества данных, монетизации, реферального канала и лояльности мобильной игры.
- 3 078 пользователей
- 27 161 игровая сессия
- DAU / WAU / MAU и engagement
- анализ выручки и изменения цены
- K-factor ≈ 0,92
- исследование качества данных
Стек: PostgreSQL, Metabase, Excel / Google Sheets
Анализ платежей и поведения клиентов сети фитнес-клубов.
- 838 пользователей
- сегментация клиентов
- когортный retention-анализ
- динамика тренировок и выручки
- сценарная оценка маркетинговой инициативы
Стек: Python, pandas, NumPy, Matplotlib, Seaborn
Исследование транзакций магазинов, технических аномалий, маркетинговой акции и программы лояльности.
- анализ операционных аномалий
- оценка изменения среднего чека
- параметризованный дашборд
- оптимизация расчётного Excel-файла
Стек: Excel, Google Sheets, Power Pivot, QUERY
Ищу позицию Junior Data Analyst / Data Analyst, где смогу применять SQL, Python и аналитическое мышление для решения продуктовых и бизнес-задач.