Резюме: Аналитик данных

О себе
Аналитик данных с опытом более 2 лет в бизнес- и исследовательской аналитике. Работаю с Python, SQL и R для сбора, очистки и анализа данных, проверки гипотез и построения прогнозов. Разрабатываю и поддерживаю дашборды в Power BI, готовлю регулярную отчётность для стейкхолдеров, слежу за качеством данных и устраняю расхождения в отчётности.
Есть опыт автоматизации ETL-процессов, работы с API для анализа массивов данных объемом более 20 000+ строк. Продвинутый уровень в Excel (VBA, Power Query) и Google Sheets. Обладаю навыками NLP-анализа для исследования текстовых массивов данных (тональность, тематическое моделирование).
Открыт к удалённому и гибридному формату.

Опыт работы
1. SEQUOIA PROJECTS LTD, удаленная работа
Отвечал за анализ финансовых данных подразделения:
- Сбор, очистка, автоматизация отчетности, визуализация.
- Python-скрипты для ETL и обработки данных: сбор из разнородных источников, очистка, валидация, приведение к единой структуре. Массивы 20 000+ строк;
- Разработка и поддержка дашбордов в Power BI: подбор метрик, визуализация динамики, регулярная отчетность для стейкхолдеров;
- Продвинутая работа с Excel (VBA, Power Query, сводные таблицы) и Google Sheets (QUERY, ARRAYFORMULA, IMPORTRANGE, REGEX). Автоматизация расчетов и связывание источников;
- Статистический анализ данных (Python, R): расчет показателей, построение прогнозов, проверка гипотез;
- Контроль качества данных: выявление и устранение расхождений в отчетности и базах данных;
- Подготовка аналитических презентаций по результатам работы подразделения (ежемесячно).

2. Лаборатория "Когнитивная социолингвистика" СКФУ, г. Ставрополь
Осуществлял анализ Big Data, медиа потоков, пользовательских коммуникаций. Основные обязанности:
- Подготовка датасетов (веб-скрейпинг на Python при помощи библиотек requests, beautifulsoup, selenium), извлечения информации через API соцсетей (VK и Telegram);
- Аналитика медиа потоков (СМИ, социальные сети) методами NLP (выявление тональности, тематическое моделирование и кластеризация публикационной активности);
- Использование библиотек Python для анализа Big Data (Pandas, NumPy, Scikit-learn, Matplotlib, Plotly, NLTK, spaCy);
- Разработка баз данных и отчетов (SQLite, MS Excel, Google Sheets);
- Статистический анализ материалов исследований Big Data при помощи Python, R, а также Google Sheets, MS Excel и SQL.