Аналитик данных

Был на этой неделе

80 000 ₽

40 лет (родился 29 августа 1985), не состоит в браке, есть дети

Новосибирск, готов к переезду: Москва

Занятость

полная занятость

Гражданство

Россия

Контакты

Телефон

Почта

Будут доступны после открытия

Профессиональные навыки

MS Excel
Аналитическое мышление
SQL
Анализ данных
Работа с большим объемом информации
Python
MS Office
Ответственность
Работа в команде
Обучаемость
Показать еще

Фото, имя и контакты доступны только авторизованным пользователям

Опыт работы 12 лет и 10 месяцев

- Февраль 2025 – февраль 2025
- 1 месяц
Аналитик данных
образовательные платформы, Новосибирск
Обязанности и достижения:
Повышение квалификации Самостоятельное изучение материалов в профессии аналитика данных, так же прохождение курсов.
- Май 2012 – февраль 2025
- 12 лет и 10 месяцев
Ип
ИП Бородулин, Новосибирск
Обязанности и достижения:
Организация, поддержание работы розничных точек продаж в ТРЦ города, в направлении "Праздничная и сувенирная продукция"

Образование

- Высшее образование
- Дневная/Очная
- 2011
Новый Сибирский институт
Факультет: Прикладная информатика в экономике
Специальность: Прикладная информатика в экономике

Обо мне

Дополнительные сведения:

Итоговая работа повышения квалификации (ростелеком) https://drive.google.com/drive/folders/1dYEX5y_8rglBVztAK32uBgm318Zm2nR7 Разбор датасета в PowerBI (индекс счастья) https://drive.google.com/drive/folders/1hfWXqXQDA6z1dnCuwBqxVTJhLabZh045?usp=sharing Аналитик данных с опытом в ETL, машинном обучении и визуализации. Умею превращать сырые данные в понятные инсайты для бизнеса. Автоматизирую рутинные процессы и строю дашборды. Готов к сложным задачам и быстрому обучению новым инструментам. Умение и навыки использования (программ, языков, библиотек) для обработки, трансформации, анализа данных и визуального представления: Python (Pandas, NumPy) - Обработка (ETL) и анализ данных, автоматизация отчётов, работа с большими массивами информации. SQL (MySQL, PostgreSQL) - Написание сложных запросов (фильтрация, агрегация, сортировка), использование подзапросов, CTE (Common Table Expressions), различные виды JOIN. Если есть необходимость в использовании, самостоятельно освою "оконные функции" Jupyter Notebook + SQLAlchemy: Интерактивный анализ данных с подключением к БД, выполнение SQL-запросов напрямую из Python. Excel - автоматизация, продвинутая аналитика: - для анализа небольших объемов данных - сводные таблицы (PivotTables) - сложные формулы (ВПР/XLOOKUP, ГПР/INDEX+MATCH или изучение, построение и внедрение под конкретные задачи) - ABC-XYZ, RFM, когортный анализ. - построение графиков и дашбордов. - использование VBA (Создание и настройка макросов для автоматизации рутинных задач) Power Bi - ETL (с использованием Power Query (языком М), DAX), анализ данных, визуализация, построение дашборда. Loginom - ETL (Больших массивов данных), анализ данных, машинное обучение, визуализация. Работа с большими данными: Опыт обработки таблиц с сотнями тысяч строк, оптимизация запросов для эффективной выборки. Knime - ETL, анализ данных, машинное обучение (сложные модели), визуализация. ETL - извлечение данных из внешних источников, их трансформация, очистка и обогащение, чтобы они соответствовали потребностям бизнес-модели, их загрузка в хранилище данных. Tableau - создание дашбордов и визуализации данных. Data Lens - облачное построение дашборда и визуализация Машинное обучение ML - Регрессионный анализ - Кластерный анализ - Анализ временных рядов A/B-тестирование и статистика: Анализ результатов тестов, интерпретация метрик. Адаптация под бизнес-задачи: Гибкий подход к обработке данных в зависимости от требований.