Data / Product Analyst · Москва · открыт к предложениям
Перехожу в аналитику данных из востоковедения, магистрант НИУ ВШЭ. Работаю с продуктовыми и бизнес-данными: строю SQL-витрины, провожу A/B-тесты, считаю ключевые метрики и довожу расчёты до конкретных рекомендаций с явно обозначенными ограничениями.
Резюме (PDF) · Telegram · Email
- Магистрант НИУ ВШЭ; практическую подготовку прошёл в Karpov.Courses — программы «Аналитик данных» и «Симулятор аналитика данных» (2026).
- Специализируюсь на продуктовой аналитике: удержание, воронки, юнит-экономика, сегментация клиентов, A/B-тестирование.
- Каждый проект строю по единой логике — задача → данные → метод → результат → рекомендация → ограничения, — включая случаи, когда эффект оказывался незначимым.
- Проверяю качество данных до расчёта метрик: дубликаты, пропуски, гранулярность, ссылочную целостность.
| Анализ и статистика | Python, pandas, NumPy, SciPy, A/B-тесты, bootstrap |
| SQL и базы данных | PostgreSQL, ClickHouse, SQLite, оконные функции, CTE |
| BI и визуализация | Tableau, Apache Superset, Yandex DataLens, Excel, Google Таблицы |
| Инструменты | Git, Docker, Apache Airflow, Jupyter, REST API, GitHub Actions |
| Проект | Что сделано и найдено | Стек |
|---|---|---|
| Yandex Metrica Analytics Pipeline | Сквозной ETL: API Яндекс.Метрики (OAuth, пагинация, retry) → валидация качества → трёхслойная модель PostgreSQL (raw → staging → analytics) → SQL-витрины по трафику, источникам, устройствам и географии → самодостаточный Python-дашборд с поиском аномалий. На демоданных за 599 дней: 2,40 млн пользователей, 3,08 млн визитов, mobile формирует ~58% аудитории с отказами на 15,8 п.п. выше desktop. 43 автотеста, ежедневный CI в GitHub Actions. |
Python, PostgreSQL, SQLAlchemy, Docker, Pytest, GitHub Actions |
| Аналитика и BI Olist | PostgreSQL-витрина на уровне заказа: продажи, удержание, RFM, доставка и отзывы. На 96 478 заказах доля повторных клиентов — 3,00%, доля плохих отзывов при опоздании — 53,99% против 9,19% при доставке вовремя. 3 дашборда Tableau и 4 страницы DataLens. Аналитическая часть → | PostgreSQL, SQL, Python, pandas, Tableau, DataLens |
| Аналитика роста StudyFlow | Воспроизводимый SaaS/EdTech-кейс: продуктовые этапы, когорты, юнит-экономика, A/B-тест. Умный онбординг повысил активацию на 16,89 п.п., оплату — на 7,37 п.п. | Python, pandas, SQL, SQLite, статистика |
| Рост и удержание TheLook | Сквозной аудит 100 тыс. пользователей: чистая выручка $8,07 млн, повторные покупки 30,4%, удержание M1 5,1%. Показано, почему статистически значимый рост конверсии ещё не гарантирует выгодный запуск. | Python, pandas, BigQuery SQL, статистика |
| Индекс инвестиционного климата MENA | Исследовательский индекс для 19 стран за 2000–2024: панель из 475 наблюдений, фиксированные эффекты, Монте-Карло, Dash. Слабый бэктест зафиксирован как явная граница применимости модели. | Python, World Bank API, IMF API, Dash |
| Продуктовая аналитика мобильной игры | Когортное удержание и A/B-тест предложения. Набор B не рекомендован к запуску: рост ARPU незначим, конверсия снизилась статистически значимо. | Python, pandas, SciPy, A/B-тесты |
| ИИ в образовании | Разведочный анализ 50 тыс. наблюдений: умеренное использование ИИ связано с приростом GPA, 20+ часов — с риском выгорания. Причинные ограничения обозначены явно. | Python, pandas, SciPy, статистика |
Yandex Metrica Analytics Pipeline — Python-дашборд
Самодостаточный HTML-дашборд без CDN и внешних запросов: Executive Overview, Acquisition, Audience & Technology, Content — с поиском аномалий в дневном трафике и приоритизацией страниц для оптимизации.
Olist E-commerce Overview — Tableau
Дашборд продаж и качества исполнения заказов: R$15,8 млн GMV, 99 092 заказа, динамика по времени, топ-10 категорий, карта штатов, статусы и связь задержки доставки с оценкой клиента. Глобальные фильтры пересчитывают все KPI и визуализации.
Репозиторий и методология · Скачать workbook
Три варианта финального проекта — воспроизводимые аналитические кейсы: проверка качества данных, продуктовые метрики, статистические тесты, ограничения и решение для бизнеса.
1. Продуктовая аналитика мобильной игры
Когортное удержание, A/B-тест акционных предложений, метрики события. Набор B не рекомендован: рост ARPU не подтверждён, конверсия снизилась значимо. Репозиторий · Ноутбук · Отчёт
2. A/B-тест оплаты и сегментация клиентов
CR, ARPU, ARPPU, bootstrap, SQL-сегментация. Значимо вырос только ARPPU — запуск механики без проверки пикового времени платежей (~19:00) не рекомендован. Проект · Ноутбук · SQL
3. A/B-тест цены премиум-подписки
Проверка транзакций, A/A-контроль, A/B-тест новой цены. Конверсия снизилась, рост ARPU статистически не подтверждён — новую цену раскатывать не стоит. Проект · Ноутбук · Пошаговый разбор
Все учебные проекты Karpov.Courses →
Telegram — @ZYaroslavR Email — yrzinchenko@edu.hse.ru Резюме — PDF