Roman Ledkov - Data analyst
Навыки
- A/B тесты
- dash
- Jupyter Notebook
- Matplotlib
- Numpy
- Pandas
- plotly
- PostgreSQL
- Python
- Seaborn
- SQL
- Tableau
Опыт работы
Фриланс
Продуктовый аналитик - 2022Продуктовый аналитик
1. Подготавливал списки для хантинга на основе предоставленных данных, с которыми потом компании успешно сотрудничали.
Необходимо было выгружать, преобразовывать и очищать данные; создавать дашборды с помощью Tableau; рассчитывать ключевые метрики работы компании и помогать в принятии решений.
Ускорил коммуникацию между компаниями, превратив холодные коммуникации в теплые.
2. Проводил анализ затрат для меню ресторана, рассчитывая фудкост и выявляя подходящие решения для сокращения себестоимости блюд.
Необходимо было исследовать рынок закупок, выявлять наиболее выгодные предложения с учетом доставок, подсчитывать затраты на блюда и делать расчет месячной прибыли для данных блюд. Получилось сократить себестоимость блюд на 19%.
Образование
Управление и аналитика в государственном секторе
Национальный Исследовательский университет Высшая Школа Экономики2017-2022Аналитик данных
Яндекс.Практикум2022Аналитик данных (учебный опыт)
Прошел переквалификацию от Яндекс.Практикума по направлению «Аналитик данных». Использовал следующие инструменты: Pandas, Matplotlib, NumPy, SciPy, PostgreSQL, SQLAlchemy, Seaborn, Plotly, dash, Tableau. Hard skills: предобработка данных, исследовательский анализ данных, визуализация данных, описательная статистика, проверка статистических гипотез, когортный анализ, юнит-экономика, продуктовые метрики, A/B-тестирование, событийная аналитика, построение дашбордов.
Решение практических задач в области анализа данных.
Проекты:
1. Анализ убытков приложения Procrastinate Pro+. (https://goo.su/ZXzKivI)
Задача для маркетингового отдела развлекательного приложения Procrastinate Pro+. Несмотря на огромные вложения в рекламу, компания терпит убытки, необходимо было разобраться в причинах и помочь компании выйти в плюс.
Инструменты: Python, Pandas, Matplotlib, когортный анализ, юнит-экономика, продуктовые метрики, Seaborn
2. Проверка гипотез по увеличению выручки в интернет-магазине — оценить результаты A/B теста. (https://goo.su/BZuAzsd)
Проведена приоритизация гипотез по фреймворкам ICE и RICE. Затем был проведен анализ результатов A/B-теста, построены графики кумулятивной выручки, среднего чека, конверсии по группам, а затем посчитана статистическая значимость различий конверсий и средних чеков по сырым и очищенным данным. На основании анализа мной было принято решение о нецелесообразности дальнейшего проведения теста.
Инструменты: Python, Pandas, Matplotlib, SciPy, A/B-тестирование, проверка статистических гипотез
3. Исследования рынка общепита в Москве для принятия решения об открытии нового заведения (https://goo.su/60LvF8i)
Исследование рынка общественного питания на основе открытых данных, подготовка презентации для инвесторов.
Инструменты: Python, Pandas, Seaborn, Plotly, визуализация данных
Обо мне
После окончания ВУЗа имею хорошую математическую и статистическую базу, а также навыки управления. Дипломная работа была посвящена исследованию динамики межрегиональных различий социально-экономического развития регионов России.
Около года назад решил войти в IT, так как мне нравилась статистика в университете, но хотелось перейти на новый и профессиональный уровень. Как следствие, недавно окончил профессиональную переподготовку в Яндекс.Практикуме.
Теперь я говорю на русском, английском и языке программирования. В основном использую языки Python и SQL. С моими проектами можно ознакомиться на сайте GitHub (ссылка в контактах).
Моё хобби – это создание сайтов на WordPress. Я сделал сайт для салона красоты, для отеля на Крестовском острове, для сети прачечных и многие другие.
Про себя могу сказать, что я всегда открыт к неизвестному и интересному, так как быстро усваиваю всю новую информацию и люблю докопаться до сути.