Студент НИУ ВШЭ и стажёр-аналитик Т-Банка. Собираю и формализую требования, описываю процессы и бизнес-логику, проверяю данные и готовлю документацию.

Релевантный опыт Т-Банк · Стажёр-аналитик ● Анализ бизнес-процессов и требований: Исследовал 2 сквозных процесса, затрагивающих до 70% компании; провёл интервью с представителями 5 команд и 3 отделов из HR, ИТ/разработки, финансового блока и дизайна интерфейсов. Подготовил модели AS-IS/TO-BE, User Flow, бизнес-требования и User Stories, согласованные с заказчиком ● Анализ и описание сквозного бизнес-процесса: Разобрал производство корпоративного мерча от идеи до передачи заказчику: 3 отдела, 9 команд, более 30 документов. Выявил 5 узких мест, пробелы и расхождения между документацией и фактической работой, восстановил контекст решений и уточнил бизнес-логику ● Управление требованиями и взаимодействие с командой: Оформлял в Confluence бизнес-требования, User Stories, процессы, функциональные спецификации и сценарии. На 4 встречах 3 Amigos с системными аналитиками и дизайнерами интерфейсов выявлял пробелы и блокеры; передавал Wiki-страницы с источниками, таблицами и BPMN-схемами ● Бизнес-анализ миграции и проработка функциональности: Анализировал переход корпоративных вендоматов с legacy-системы на масштабируемое решение: система затрагивала до 70% сотрудников, но не масштабировалась, не справлялась с текущим функционалом и содержала многочисленные ошибки. Описал 20 штатных и ошибочных сценариев, проработал офлайн-пополнение (предварительная оценка — ускорение в 3 раза) и создал универсальную типизацию вендоматов по наполнению для ускорения работы системы, распределения складских ресурсов и потенциального сокращения обслуживающих работников на 10% ● Аналитическая таблица и качество данных: С помощью SQL собрал в Greenplum данные из 4–5 источников: около 20 000 уникальных значений. Проверил качество и удалил ошибочные записи; таблицу использовали финансовые партнёры для отчётности по расходам на сотрудников ● Финансовая аналитика и работа с данными: Разработал подход к распределению стоимости мерча и доставки по сотрудникам, восстановил потерянные данные о ценах и артикулах и собрал полный перечень мерча. Автоматизация поиска цены перевела часть ручной обработки в инструмент и ускорила поиск позиции до 10 раз ● Аналитические инструменты: Работал с массивами до 200 000 строк: очищал и объединял данные, проверял качество, строил сводные таблицы, использовал ВПР/XLOOKUP и другие формулы. Таблица помогала складу находить мерч по уникальному идентификатору

АНАЛИТИЧЕСКИЕ ПРОЕКТЫ DANO — кейс Банка России Призёр II степени Национальной олимпиады по анализу данных ● Исследование факторов принятия решений: В команде проанализировал факторы выбора домохозяйств между дополнительным заработком и сбережением на данных Всероссийского обследования домохозяйств по потребительским финансам ● Подготовка и анализ данных: Обработал выборку из 12 162 респондентов в Python: очистил данные, обработал пропуски и выбросы, преобразовал признаки, подготовил визуализации ● Проверка гипотез и интерпретация результатов: Применил логистическую регрессию (Logit), оценил статистическую значимость факторов, мультиколлинеарность и качество модели по ROC-AUC ● Результат исследования: Команда стала абсолютным победителем проектного этапа, защитив решение перед экспертной комиссией и набрав 100 из 100 баллов

Хакатон «Экспромпт» 1-е место в категории · 3-е место среди 56 команд Ноябрь 2024 ● Анализ бизнес-задачи: В команде разработал концепцию AI-решения для автоматизации первичного отбора кандидатов и снижения операционной нагрузки на HR ● Проектирование бизнес-процесса: Проработал сквозной сценарий: анализ резюме, генерация индивидуальных тестовых заданий, оценка ответов по критериям и формирование сводной оценки кандидата ● Проработка и тестирование решения: Разрабатывал и проверял промпты на профилях сильных и слабых кандидатов, оценивал качество результата на разных входных данных ● Оценка бизнес-эффекта: Рассчитал потенциальную экономию до 1,5 месяца рабочего времени HR-специалиста в го