Яндекс.Практикум
Аналитик данных (обучение)
Стек инструментов и hard skills:
- Python (pandas, numpy, matplotlib.pyplot, seaborn, math, datetime, scipy, plotly, scikit-learn);
- Web Mining (requests, re, BeautifulSoup);
- PostgreSQL (срезы данных, агрегирующие функции, обработка данных в группировке, подзапросы, объединение таблиц и запросов);
- Tableau Public (https://public.tableau.com/profile/igor.ogay#!/).
Учебные проекты (ссылка на репозиторий: https://github.com/igor-ogay/yandex.praktikum-projects):
1. Выявление закономерностей, определяющих успешность игры на ПК и консолях.
Провёл исследовательский анализ данных в части кол-ва игр по годам, кол-ва проданных игр в разрезе консолей, по жанрам и регионам, рейтингам, выручке; определил портрет игрока для каждого региона; проверил статистические гипотезы. Выявил, что на успешность игры влияет жанр, рейтинг игры, рейтинг критиков и платформа.
2. Проверка гипотез по увеличению выручки в интернет-магазине, анализ результатов А/B теста.
Провел исследовательский анализ данных: кол-во событий и пользователей в логе, выявил старые неактуальные данные; провёл приоритизацию гипотез по фреймворкам RICE и ICE, анализ воронки событий, z-test, проверил статистические гипотезы. Выявил, что изменение шрифта не имеет влияния - между группами нет статистически значимых различий.
3. Анализ маркетинговых затрат Яндекс.Афиши.
Считал следующие метрики:
- продуктовые: dau/wau/mau, среднее кол-во посещений сайта на 1 пользователя, средняя длительность пользоват-кой сессии, retention rate;
- электронной коммерции: время с момента первого посещения сайта и до первой покупки, ср. кол-во покупок на 1-го клиента, ср. выручка с юзера, LTV;
- маркетинговые: cac, romi, общая сумма расходов.
Посоветовал маркетологам обратить внимание на платформу desktop - через нее приходит больше юников, а ещё юзеры desktop приносят больше денег. По источникам привлечения посоветовал обратить внимание на 1, т.к. по нему заметна хорошая окупаемость.