Аналитик данных

• Машинное обучение и создание скоринг моделей:
  • Реализовал модель прогноза судебных взысканий, сроков взыскания по судебным делам и вероятности успешности в судебных заседаниях, что повысило эффективность сбора денежных средств на 60%.
  • Использую библиотеки SK Learn и XGBoost для разработки и оптимизации моделей.
• Сопровождение и внедрение OCR-сервисов:
  • Работаю в команде Data Science в роли бизнес-аналитика, формируя пайплайн процессов классификации и извлечения атрибутов из юридических документов.
  • Анализ документов и разрабтка правила распознавания данных.
• Подготовка и разметка данных:
  • Подготовка данных и документации для команды разметки, обеспечивая высокое качество входной информации.
• Автоматизация выгрузки отчетов:
  • Разработал скрипты для автоматизации подготовки витрин данных для команды бизнес-анализа, что сократило время на ежедневную обработку отчетов.
• Ведение проекта информационной экосистемы:
  • Реализовал проект по созданию базы знаний, чат-бота и службы единого окна для юридического департамента.
  • Создал Customer Journey Map (CJM) для визуализации пользовательского опыта.
  • Интегрировал чат-бота с базой знаний, обеспечив мгновенный доступ к информации.
  • Сбор требований от бизнеса, создавние интерфейсы и тестирование компонентов экосистемы.
• Бизнес-аналитика и написание функциональных требований:
  • Сбор требований от бизнеса и ведение документации в Confluence.
  • Формирование и согласование доработок для корпоративной платформы, контроль их выполнения.
  • Оптимизировал процесс передачи требований от бизнеса к команде разработчиков, что увеличило скорость обработки запросов и снизило время на "расшифровку" требований.
  • Внедрил систему тайм-шитов аналитиков, тк отсутствует таск менеджер для учета выполнения задачи и нагрузки аналитиков. В результате это способствовало системному контролю выполнения задач. Прозрачному мониторингу нагрузки специалистов со стороны руководства.

▎Заместитель руководителя отдела аналитики и выполнения проектов ▎Основные обязанности и достижения:

• Руководство ключевыми проектами:
  • Эффективно управлял проектами, включая коммуникацию с проектной командой и заказчиком.
  • Контролировал выполнение задач сотрудниками в установленные сроки, обеспечивая высокое качество результатов.
• Анализ данных и оптимизация бизнес-процессов:
  • Проводил глубокий анализ накопленных данных для выявления узких мест и возможностей оптимизации внутренних бизнес-процессов. Написал приложение для команды соседнего проекта, которое ускорило пост проверку итоговых данных и сократило срок этапа валидации результатов на 7 дней. Получил премию от руководства.
  • Внедрял решения, направленные на повышение эффективности работы отдела. Аналитикам приходилось вести проекты даже в отпуске:
    • Внедрил частичное парное ведение, расширенный паспорт проекта, позволивший почти бесшовно передавать проекты на временный контроль замещающим аналитикам.
    • Внедрил доработку механизмов итоговых выгрузок для корпоративной платформы, сократившую этап сдачи проектов на 30%
• Мониторинг и анализ проектных метрик:
  • Анализировал ключевые метрики проектов, подготавливал и корректировал бизнес-требования для их успешной реализации.
    • Писал скрипты обработки и выгрузки итоговых данных на Python, за счет этого сократил нагрузку на команду разработки.
• Осуществлял сопровождение внедрения проектов в систему заказчиков, обеспечивая интеграцию и соответствие требованиям.
• Документирование бизнес-процессов:
  • Подготовка и детальное описания бизнес-процессов в форматах AS IS и TO BE с использованием нотации BPMN.

Работа, как с базовыми алгоритмами ML (Logistic Regression, SGD, KNN, Decision Tree, Random Forest, XGBoost и т.п), так и фрэймворками (Keras, Tensorflow) Решение задач разведочной аналитики, подготовка данных, очистка от выбросов, генерация дополнительных признаков. Анализ большого объема данных, выявление метрик и закономерностей. Построение, тестирование гипотез, и визуализация с последующей презентацией результата при помощи (Matplotlib, Seaborn, PowerBI). Анализ статистики оказания услуг застрахованным гражданам в медицинских учреждениях. Анализ средней стоимости услуг, среднего количества кейсов и визитов за 2021 и 2022 годы. Анализ изменения половозрастной структуры застрахованных разного пола за 2021 и 2022 годы. Выгрузка вычислений в базу данных и дальнейшая визуализация отчета в PowerBI. Для оптимизации процессов работы с медицинскими организациями, написал Чат-Бот в Телеграмм, помогающий в ориентации по приказам Минздрава. Анализ HR статистики компании заказчика: строил гипотезы, рассчитывал эффективность сотрудников. Выявлял сезональность и более эффективные ресурсы для рекрутинга, а так же вявлял прямую зависимость дохода компании от срока работы менеджеров. В процессе работы над проектами использовал следующие инструменты: Keras, Tensorflow, Pandas, NumPy, Matplotlib, Seaborn, Pcycopg2, ScyPy, Sklearn, PowerBI