Data Analyst

На данный момент Middle Product analyst.

Мои компетенции и опыт

Продуктовый аналитик с опытом работы в финтехе (платежные решения, интернет-эквайринг, кредитные продукты). Специализируюсь на A/B-тестировании, событийной аналитике, построении витрин данных и BI-отчетности. Работаю с SQL и Python, участвую во всех этапах продуктовой аналитики - от постановки гипотез и дизайна экспериментов до внедрения решений и оценки бизнес-эффекта.

Продуктовый аналитик (финтех, платежные решения)

Москва | 2025 – н.в.

Зона ответственности:

Аналитическое сопровождение платежной формы и связанных пользовательских сценариев.

Проектирование и развитие витрин данных (ETL) по всем способам оплаты.

Полный цикл A/B-тестирования: дизайн эксперимента, расчет мощности, анализ результатов (SQL, Python), формирование выводов для продуктовой команды.

Разработка системы мониторинга старых интеграций на основе событийной аналитики.

Визуализация продуктовых и операционных метрик в BI-инструментах.

Ключевые достижения:

Провёл рефакторинг продуктовой витрины данных, что позволило существенно сократить время формирования отчетности и повысить стабильность расчетов.

Разработал и внедрил систему мониторинга с дашбордом для отслеживания технических и продуктовых аномалий.

Лидировал процессы A/B-тестирования в команде, участвовал во всех этапах экспериментов и инициировал переход на новую платформу тестирования.

Провёл исследование влияния кастомизации платежной формы на структуру способов оплаты в разных регионах; результаты использовались для принятия продуктовых решений.

Основные метрики и KPI:

Конверсия платежной формы.

Доля успешных транзакций.

Структура способов оплаты.

Скорость подготовки аналитической отчетности.

Статистическая валидность и скорость запуска экспериментов.

Продуктовый аналитик (банковский розничный бизнес)

Москва | 2025

Зона ответственности:

Анализ клиентского пути в мобильном приложении.

Построение воронок (до 10 уровней) и анализ пользовательского поведения.

Проведение A/B-тестов и оценка их влияния на продуктовые метрики.

Сегментация клиентской базы и подготовка аналитических рекомендаций.

Настройка и аудит событийной разметки (около 60 пользовательских сценариев).

Поддержка продуктовой команды ad-hoc аналитикой.

Ключевые достижения:

Улучшил клиентский путь на основе результатов A/B-тестирования, что привело к росту конверсии на 3 п.п.

Выявил ключевые сегменты клиентов и поведенческие паттерны, которые легли в основу приоритизации продуктовых инициатив.

Повысил качество данных за счёт структурирования и оптимизации событийной модели.

Основные метрики и KPI:

Конверсия по этапам воронки.

Retention и вовлеченность.

Скорость проверки гипотез.

Качество и полнота событийных данных.

Data Analyst (стартап, автоматизация и аналитическая инфраструктура)

Москва | 2024

Зона ответственности:

Проектирование и внедрение хранилища данных в облачной среде.

Автоматизация загрузки и обработки данных (S3, CLI-инструменты).

Создание и сопровождение баз данных PostgreSQL.

Разработка BI-дашбордов для управленческой отчетности.

Очистка, стандартизация и миграция данных (Python).

Ключевые достижения:

Разработал и внедрил DWH, обеспечив централизованный доступ к данным для команды.

Автоматизировал процессы загрузки и обработки данных, снизив ручной труд.

Создал систему дашбордов для отслеживания ключевых метрик бизнеса.

Провёл миграцию данных и оптимизировал структуру БД.

Основные метрики и KPI:

Стабильность и скорость обновления данных.

Доступность управленческой отчетности.

Снижение доли ручных операций.

Качество и консистентность данных.

Технические навыки

Языки: SQL, Python
Библиотеки: pandas, numpy, matplotlib, openpyxl, psycopg2
BI и аналитика: Superset, DataLens, AppMetrica
Базы данных: PostgreSQL
Инструменты: DBeaver, Excel
Аналитика: A/B-тестирование, событийная аналитика, построение воронок, сегментация, ETL
Английский: B1