Имеется собственный автомобиль

Права категории B, C

Искомая позиция: аналитик или исследователь данных (Data Scientist). Короткая версия резюме (1 лист A4) — https://popov.mn/cv Претендую на должность как младшего аналитика с перспективой быстрого роста, так и исполняющего полные функции. Приоритетные направления: e-commerce, digital, marketing. Ожидания по з/п = среднее по рынку для аналогичной позиции + одно стандартное отклонение. В работе ориентирован на результат и способен планировать и организовывать свою деятельность так, чтобы обеспечивать её выполнение качественно и в срок. Навыки ❖ Работа с данными в парадигме ETL ❖ Разведочный анализ EDA ❖ Математическая статистика (базовая) ❖ Проверка и приоритизация гипотез ❖ A/B тестирование ❖ Визуализация данных ❖ Аналитические панели и дэшбординг ❖ Машинное обучение (базовое) Инструменты ❖ Программирование: Python (Pandas, Numpy, Matplotlib, Scikit-learn, Tensor-Flow, Seaborn, Beautifulsoup), R ❖ СУБД: MySQL, PostgreSQL, BigQuery, ClickHouse ❖ Аналитические панели: PowerBI, Looker Studio, Tableau, DataLens ❖ Веб-аналитика: Google Analytics 4, Yandex Metrika / Logs, GTM ❖ Аркестрация: AirFlow Бэкграунд Основной род моей деятельности — поисковая оптимизация и продвижение (SEO). Почему же искомая вакансия аналитик данных? 3/4 задач в SEO — можно напрямую отнести к анализу данных: извлечение данных (Data mining), парсинг поисковой выдачи и сайтов конкурентов, сбор всевозможных статистических данных, начиная c частотности поисковых запросов, заканчивая позициями сайта и данными из систем аналитики и клиентских CRM, очистка и подготовка к анализу. Нередко применение в работе математической статистики (например, одинаковый ли CTR у двух разных сниппетов?) и несложных моделей машинного обучения (кластеризация, KNN). Приходится иметь дело с огромными массивами данных на естественном языке, извлекать из них смыслы. К тому же поисковые алгоритмы и ранжирование — это отдельная и очень обширная область Machine Learning. Специалисту по оптимизации как и аналитику данных важно уметь работать с сервисными API, например собрать статистику из Google Analytics, Yandex Logs или VK, проверить пул текстов на уникальность через text.ru и прочее. Визуализация данных также неотъемлемая часть повседневных задач SEO-специалиста — графики, диаграммы и таблицы в аналитических панелях Microsoft Power BI, Looker, Yandex DataLens. 2021/22 были годами совершенствования навыков анализа данных: ❖ Было прослушано не менее 10 курсов на ведущих образовательных площадках (Stepik, Coursera, Microsoft Docs). Некоторые мои работы в репозитории https://github.com/novayazarya/data_analytics ❖ Получен сертификат M20778C: Анализ данных в Microsoft Power BI от образовательного центра «Специалист.ру» (партнера Microsoft) https://www.specialist.ru/graduate/groupcert/2060079 ❖ Решено почти 700 задач на Python и SQL на платформе Codewars.com (0.4 процентиль по набранным баллам, что лучше, чем 99.6% участников) https://www.codewars.com/users/novayazarya ❖ На площадке Ответы Mail.ru помогаю начинающим питонистам https://otvet.mail.ru/profile/id269449239/answers/all/ ❖ На бирже фрилансеров Youdo.com выполнил более 20 работ преимущественно по мелким заказам по программированию https://youdo.com/u8453842 ❖ В рамках обучения участвовал в соревновательном анализе данных на Kaggle.com, где показал неплохой результат (2-й процентиль) в проекте от СБЕРА https://www.kaggle.com/mikhailpopov Несколько примеров, связанных с Data Analysis, в моей практике: ❐ Динамическое формирование позиций слов в заголовках посадочных страниц сайта в зависимости от популярности (по статистике Яндекс.Вордстат) варианта написания бренда, например: YSL -> Ив Сен-Лоран. ❐ Разработка алгоритма формирования списка похожих продуктов на базе меры близости Жаккара. ❐ Выявление аномалий в cpc-трафике в рамках борьбы со скликиванием (кликфрод) в контекстных рекламных кампаниях Яндекс.Директ.