Яндекс.Практикум
Аналитик данных (обучение)
В период с февраля 2020 по август 2020 прошел обучение по программе "Аналитик данных"
- В ходе обучения освоил следующий стек технологий: Python (Pandas, NumPu, SciPy, Matplotlib, Seaborn, Plotly, Requests, BeautifulSoup, Scikit-learn), SQL, Tableau, Dash.
- Изучил статистический анализ данных, исследовательский анализ данных, A/B тестирование, проверку статистических гипотез, когортный анализ, юнит-экономику, продуктовые метрики (Retention, DAU, MAU, LTV, ROI, Conversion rate, CAC и др.), построение продуктовых воронок, решение задач кластеризации и классификации.
Примеры реализованных проектов:
- Оптимизация маркетинговых затрат сервиса Яндекс.Афиша.
Для реализации проекта провел когортный анализ, а так же рассчитал и визуализировал ряд продуктовых метрик: DAU, WAU, MAU, Retention, LTV, CAC, ROMI, средний чек, продолжительность одной сессии, время до первой покупки.
- Анализ рынка заведений общественного питания.
В проекте провел обширный исследовательский анализ по типам, расположение и количеству посадочных мест существующих заведений. Определил топ улиц с наибольшим количеством заведений, а так же топ с наименьшим количеством. Воспользовался API Геокодера Яндекс.Карт для определения округов и районов, в которых располагаются существующие заведения. Сформировал общие рекомендации по открытию нового заведения.
- Формирование модели монетизации для мобильной игры.
Для решения задачи провел исследовательский анализ внутриигрового пользовательского поведения, анализ бизнес-показателей(DAU, CAC, Retention), а так же дополнительно ввел качественные метрики рекламных источников, из которых приходят пользователи. Проверил ряд статистических гипотез, после чего сформировал предложения по формированию модели монетизации. Дополнительно к основной задаче построил дашборд в Tableau.
Портфолио на github - https://github.com/mogfl/Projects