Анна Иванова работает аналитиком данных уже шесть лет, последние два года специализируясь на Python и SQL. Она занимается подготовкой отчетов, сборкой дашбордов в Excel, Google Таблицах или Yandex DataLens, а также очисткой таблиц и извлечением данных из документов. В работе использует продуктовые метрики, когортный анализ, RFM-сегментацию и A/B-тесты, как это было продемонстрировано в проекте по анализу пожертвований фонда «Марафон добра». Перед расчетами Анна уделяет особое внимание проверке качества исходных данных, выявляя пропуски и дубликаты для обеспечения точности результатов.
Навыки и технологии: Кандидат владеет инструментами анализа данных, включая Python (библиотека pandas), SQL для работы с базами данных и Excel для структурирования информации. Профессиональные компетенции охватывают извлечение данных из неструктурированных источников (OCR/сканы), построение аналитических дашбордов, когортный анализ, RFM-сегментацию, ABC-анализ и визуализацию результатов в презентациях.
Проекты и достижения: Портфолио демонстрирует опыт решения задач в сфере документооборота, e-commerce и благотворительности. В проекте по обработке сканов УПД и накладных кандидат разработал процесс автоматизированного переноса реквизитов в Excel с алгоритмом сверки сумм и выделения спорных позиций, что позволило создать удобную структуру для ручной проверки расхождений. В аналитическом кейсе маркетплейса за 2024 год был выявлен критический спад выручки на 46% (с 49,6 до 26,8 млн рублей) и падение конверсии активной аудитории с 42% до 24%. На основе этих данных подготовлены рекомендации по оптимизации воронки продаж и пересмотру маркетинговых расходов. Для фонда «Марафон добра» создан комплексный дашборд на базе 42 806 подписок, включающий анализ удержания доноров и сегментацию по модели RFM, что помогло идентифицировать проблемные этапы оттока. Также выполнен SQL-анализ активности доноров DonorSearch, где с помощью CTE и JOIN продемонстрировано различие в среднем числе донаций между группами пользователей (13,9 против 0,53), с корректной интерпретацией наблюдаемых метрик без ложных выводов о причинно-следственной связи.
* создается нейросетью на основе портфолио, информации указанной пользователем о себе и отзывам от других пользователей