-Выступал в роли аналитика, взаимодействующего с внутренними командами для сбора и формализации требований к аналитике данных по рекламным кампаниям, эффективности паблишеров и другим ключевым метрикам(eCPM, CPM, CPA, fill rate, conversion , revenue,dau,mau...) -Создал витрины данных, используя MS SQL для структурирования и предоставления доступа к агрегированным данным по рекламным кампаниям, ключевым метрикам -Автоматизировал процесс формирования регулярной отчетности и создал интерактивные дашборды в Tableau и Shiny, предоставляя пользователям (Product, Sales, Account Managers) инструменты для самостоятельного анализа данных, мониторинга эффективности рекламных кампаний. -Активно взаимодействовал с командами DevOps, Backend-разработки и Data Engineering для обеспечения стабильной работы системы отчетности, интеграции новых источников данных и оптимизации производительности аналитических процессов. -Разрабатывал промпты для рекламных креативов, используя ИИ-модели.

1.Разработка и реализация AI-Агента для генерации кода по техническому заданию. (Многоступенчатый AI-pipeline для автоматизированной генерации веб-кода (HTML, CSS, JavaScript, PHP) на основе анализа технических заданий (ТЗ) и визуальных макетов.) 2.Интеграция REST API сторонних Large Multimodal Models (OpenAi,Claude,Google AI....) ,а также через OpenRouter API для программного взаимодействия с AI. 3.Автоматизация анализа неструктурированных входных данных (текстовые ТЗ, изображения макетов), используя AI для извлечения структурированной информации 4. Автоматизация генерации SQL-скрипта для создания схемы базы данных на основе результатов AI-анализа структуры БД. 5.Реализация механизма итеративной оркестрации запросов к AI для последовательной генерации кода для каждого файла в предложенной структуре проекта, включая парсинг ответов и сохранение сгенерированного кода. 6.Внедрение продвинутого промпт-инжиниринг, динамически формируя детализированные запросы для AI, включающие полный контекст ТЗ, результаты структурированного анализа и релевантные изображения макетов для генерации кода под конкретный файл проекта.

-Разрабатывал комплекс моделей машинного обучения для автоматизированного ценообразования (АвтоЦО), что обеспечило оптимизацию ценовой политики и увеличение прибыльности компании на 20% -Разрабатывал скрипты на R для комплексной предобработки и очистки данных из различных источников - Формировал датасеты для обучения моделей машинного обучения, через запросы к SQL( агрегации и оконные функции для извлечения и трансформации данных, необходимых для построения признаков моделей) -Участвовал в полном цикле внедрения ML-моделей, от подготовки к деплою до мониторинга производительности в production, обеспечивая стабильную и эффективную работу моделей в реальных условиях. -Проводил оценку и валидацию моделей ценообразования. -Тесное взаимодействовал с backend-командой для успешной интеграции ML-решений в инфраструктуру компании, обеспечивая своевременное и качественное внедрение моделей и их бесперебойную работу. -Обеспечивал поддержку пользователей ML-сервисов, разрабатывая обучающие материалы и FAQ для пользователей -Систематически вел и обновлял документацию по ML-проектам, обеспечивая прозрачность процессов разработки и простоту использования моделей для различных команд и пользователей

-Расчёт основных метрик (DAU,MAU,Retention Rate,GGR,NGR,ARPU....) -Формирование конверсионной воронки (анализ пути игрока от регистрации до первого депозита) -Формирование и анализ воронок от первого депозита до последующих. -Анализ и прогноз оттока пользователей (Сегментирование пользователей) -Анализ эффективности бонусов,промо на поведение игроков -Аналитика разных игровых режимов и кейсов

Был вовлечен в проектную работу, занимался: - Анализом эффективности маркетинговых акций и промо-кампаний. -Анализ отдела продаж: *Мониторинг и анализ ключевых показателей продаж, таких как средний чек, конверсия, и объем продаж, с целью оптимизации ценовой политики и увеличения выручки *Анализ уровня удовлетворенности клиентов через показатели оттока, расчет Customer Lifetime Value (CLTV) и Net Promoter Score (NPS) для оценки лояльности клиентов и разработки стратегий удержания) -Создавал динамические и наглядные интерактивные отчеты на платформе Shiny (R) , позволяющие в режиме реального времени отслеживать ключевые показатели эффективности, анализировать данные и принимать обоснованные решения на основе данных."

-Активно взаимодействовал с внешними клиентами (например, из Retail, Банковской сферы(PD,LGD-модели)) и внутренними заказчиками (отделами маркетинга, продаж) для глубокого понимания их бизнес-целей и требований к аналитическим решениям. -Обеспечивал качественную подготовку данных для статистического анализа, осуществляя выгрузку и предварительную обработку данных из баз данных MS SQL и PostgreSQL с использованием SQL-запросов и скриптов на R для обеспечения корректности и полноты данных." - Разработал серию предиктивных моделей для различных бизнес-направлений, включая Retail, Банки и Финансы, и Промышленность, используя IBM SPSS Modeler 17.1. -Проводил углубленный статистический анализ и интерпретацию данных социологических и маркетинговых исследований, используя SPSS, Statistica и R,Python. для выявления ключевых трендов, потребительских инсайтов и оценки эффективности маркетинговых кампаний. -Выполнял сегментацию клиентской базы с применением RFM-анализа и других методов кластеризации для выявления различных групп клиентов с уникальными потребностями и характеристиками, что позволило разработать более персонализированные маркетинговые стратегии. -Занимался анализом ключевых метрик игровой индустрии, включая DAU/MAU, Retention Rate, ARPPU, Conversion Rate, Average Session Length и Churn Rate, для оценки вовлеченности пользователей игровых проектов -Оперативно создавал ad-hoc отчеты по запросам различных подразделений компании, используя MS Excel, SQL, Tableau для анализа текущей ситуации, выявления проблем и поддержки принятия оперативных управленческих решений.

-Написание планов статистического анализа результатов клинического исследования(SAP) -Проведение статистической обработки данных на фазах исследования используя язык R *Расчет размера выборки (sample size calculator) для медицинских исследований(non inferiority/superiority, equivalence, bioequivalence) *Проверка статистических гипотез согласно исследованию *Корреляционный анализ -Автоматизация итоговых отчетов клинических исследований в стиле SAS