-Письменные и устные консультации клиентов и партнеров по вопросам документального оформления сделок; -Подготовка договоров, сверок, отчетов,работа с платежами. -Помощь в прохождении аудиторских проверок. -Параллельно проходила курсы в Яндекс Практикуме по направлению аналитика данных.

Исследовательский анализ данных Цель:Определить, какие из типичных параметров квартир влияют на рыночную стоимость объектов недвижимости Используемый стек: Python,Pandas,Matplotlib,визуализация данных Итоги:научилась определять рыночную стоимость объектов недвижимости.По установленным параметрам построила автоматизированную систему, которая отслеживает аномалии и мошенническую деятельность. Анализ бизнес-показателей Цель:Анализ убытков приложения ProcrastinatePRO+ Используемый стек:Python,Pandas,Matplotlib, когортный анализ,юнит-экономика, продуктовые метрики,Seaborn Итоги:расчитала и проанализировала LTV, ROI, удержания и конверсии, оценила окупаемость рекламы для привлечения пользователей.Построила графики LTV и ROI, а также графики динамики LTV, CAC и ROI.По результатам анализа стало понятно какие пользователи не окупаются, пришедшие из каких каналов. Основы машинного обучения Цель:Спрогнозировать вероятность оттока для каждого клиента в следующем месяце, сформировать с помощью кластеризации портреты пользователей. Используемый стек:Python, Pandas, Scikit-learn,Matplotlib, Seaborn,машинное обучение,классификация, кластеризация Итоги:поделила данные на обучающую и валидационную выборку функцией train_test_split.Обучила модель на train-выборке двумя способами:логистической регрессией и случайным лесом.В результате сравнения двух моделей, метрики доля правильных ответов, точность и полнота, выше при применении модели логистической регрессии.Провела кластеризацию объектов (клиентов),обучила модель кластеризации на основании алгоритма K-Means и спрогнозировала кластеры клиентов. На основе результатов анализа были разработаны рекомендации по повышению качества работы с клиентами. Ссылка на работы(https://github.com/Inzira/Projects_Yandex_Practicum)

Выгрузка данных из СУБД (Clickhouse, PostgreSQL) - Нахождение аномалий и инсайдов в данных(Python) - Автоматизация отчетов и др. скриптов(Airflow) - Выдвижение и оценка гипотез по улучшению ключевых метрик - Выводы по проведенному АБ тесту - Построение дашбордов(Tableau, Redash) В качестве финального проекта были найдены паттерны покупок в Python, Построение прогноза продаж временных рядов с помощью Prophet.

-Работа с первичными бухгалтерскими документами. -Отслеживание возврата первичных документов. -Формирование актов сверки с контрагентами. -Перечисление заработной платы. -Осуществление платежей в Клиент-банке. Была ответственна по всем банковским вопросам(открытие новых ИП, оформление карт сотрудникам)