Продуктовый аналитик

Был в этом месяце

По договорённости

24 года (родился 11 марта 2001)

Москва

Занятость

полная занятость

Гражданство

Россия

Контакты

Телефон

Почта

Будут доступны после открытия

Профессиональные навыки

SQL
Superset
Python
ClickHouse
Статистика
Английский язык
A/B тесты
Hadoop
Spark
Unit-экономика
Показать еще

Фото, имя и контакты доступны только авторизованным пользователям

Опыт работы 2 года и 2 месяца

- Апрель 2025 – октябрь 2025
- 7 месяцев
Ведущий аналитик данных
Сбер, Москва
https://rabota.sber.ru
Банк
Обязанности и достижения:
Команда: 4 аналитика, тимлид, продакт-оунер, 4 бизнес аналитика, регулярное взаимодействие со всеми. Опыт и достижения: - Проводил аналитические исследования эффективности сценариев голосового помощника и виртуального ассистента. На основе анализа поведения пользователей (воронки, сегменты, когорты) выявил более 10 неэффективных сценариев, после которых пользователь попадал к оператору. Это в среднем способствовало повышению автоматизации на ~15%, тем самым снизив нагрузку на колл-центры. - Проводил анализ прототипа AI агента по фрод-мониторингу. Выявил сегменты клиентов, корректно идентифицируемых голосовым меню, и проанализировал сценарии авторазблокировки по различным причинам и этапам блокировки профиля. На основе построенной воронки оценил потенциальное снижение нагрузки на колл-центр на ~7% по обращениям о разблокировке, что впоследствии подтвердилось после выхода агента в прод. - Дизайнил A/B-тесты и участвовал в полном цикле их проведения - от формулировки гипотез до анализа результатов. Использовал классические статистические критерии (t-тест, z-тест). Есть понимание методов снижения дисперсии и повышения чувствительности (CUPED, стратификация). В рамках одного из экспериментов сегментировал клиентов, обращавшихся в колл-центр из-за трудностей с выбором категорий кэшбэка, и совместно с продуктовой командой проводил SMS-кампанию. Эксперимент показал статистически значимое снижение обращений на ~5%. - Есть базовое понимание классических моделей машинного обучения (регрессия, кластеризация) и принципов их применения в аналитике. В рамках рабочих задач анализировал тексты клиентских обращений, использовал кластеризацию для группировки схожих тем, что помогало выделять ключевые причины обращений и сократить время анализа вручную. - Извлекал и обрабатывал большие массивы данных (миллионы событий в логах и уведомлениях) с помощью Hadoop (HDFS, Hive) и Spark для получения информации о действиях клиентов в приложении, а также различных SMS-кампаниях. Рабочий стек: SQL (PostgreSQL), Python (pandas, matplotlib, pyspark), Hadoop (HDFS, Hive), Spark, A/B-тесты.
- Сентябрь 2023 – март 2025
- 1 год и 7 месяцев
Продуктовый аналитик
NUUM, Москва
https://nuum.ru
Интернет-компания (поисковики, платежные системы, соц. сети, информационно-познавательные и развлекательные ресурсы, продвижение сайтов и прочее), Производство мультимедиа, контента, редакторская деятельность
Обязанности и достижения:
Команда: 3 аналитика + дата инженер, взаимодействие с тимлидом, непосредственным руководителем и заказчиками. Опыт и достижения: - Проводил сегментацию и когортный анализ аудитории. Выделил ядро из ~15% активных пользователей, которые приносили около 70% просмотров. При выборе ядра учитывал метрики активности, retention и engagement, что позволило оптимизировать маркетинговые рассылки и снизить расходы на коммуникации на 10%. - Анализировал продуктовые воронки и CJM. Построил воронку регистрации и выявил сильный отток на этапе капчи. После обсуждения с продуктом капчу заменили упрощённой проверкой, тем самым конверсия регистрации выросла на 20%. - Выполнял регулярную ad-hoc аналитику (SQL, ClickHouse) и подготовкой отчетности. На основе повторяющихся запросов разработал единый стандарт отчётности для руководства, что сократило время подготовки ключевых отчётов с нескольких дней до 1 дня. - Подготовил более 10 витрин данных и автоматизировал сбор показателей через Airflow совместно с дата-инженером. На их основе создал 3 регулярных дашборда в Superset, что сократило время подготовки данных для ad-hoc запросов в 1,5 раза. Рабочий стек: SQL (Clickhouse), Python (pandas, matplotlib), Superset, Airflow.

Образование

- Магистр
- 2025
Московский технический университет связи и информатики, Москва
Факультет: Информатика и вычислительная техника
Специальность: Архитектура информационных систем
- Магистр
- 2023
Российский государственный университет нефти и газа им. И.М. Губкина, Москва
Факультет: Разработка нефтяных и газовых месторождений
Специальность: Бурение нефтяных и газовых скважин

Обо мне

Дополнительные сведения:

Я командный человек, готовый взять на себя ответственность в критических ситуациях. Умею четко и прямо доносить идеи, что помогает эффективно взаимодействовать с коллегами. Стараюсь не отставать от трендов. Слушаю подкасты, хожу на митапы и конференции. Читаю проф-литературу, которая помогает расширить кругозор и формировать продуктовое мышление. Прошел курс по продуктовой аналитике от Яндекса. В свободное время занимаюсь спортом, люблю путешествовать и выбираться на природу - для меня это место силы, имею педагогический опыт, поэтому умею объяснять сложное простым языком. SQL, Superset, Python, Clickhouse, Статистика, Английский язык, A/B тесты, Hadoop, Spark, Unit-экономика, Работа с базами данных