Сбор и анализ требований к отчетности
В Сбере и Citibank работал с бизнес-заказчиками, руководителями, владельцами данных и смежными командами: уточнял метрики, источники, логику расчетов и формат отчетности.
Made on
Tilda
Перевожу бизнес-запросы в устойчивую отчетность: требования, источники данных, SQL-логика, Power BI / BI-дашборды, DWH/витрины, проверки качества и понятные KPI для управленческих решений.
Прямое совпадение по ключевым задачам: отчетность, SQL, BI, DWH, качество данных и бизнес-коммуникация.
В Сбере и Citibank работал с бизнес-заказчиками, руководителями, владельцами данных и смежными командами: уточнял метрики, источники, логику расчетов и формат отчетности.
Готовил регулярные отчеты, аналитические выгрузки, управленческие срезы, план-факт, прогнозы и материалы для принятия решений.
Есть опыт BI-отчетности в Power BI / Tableau / DataLens. Сильная база — структура данных, SQL-слой, логика метрик и понятность отчета для бизнеса.
Работал с MS SQL Server, Teradata, SAS PROC SQL: CTE, оконные функции, агрегации, joins, сложная логика расчета метрик и оптимизация обработки данных.
Работал с банковскими DWH/витринами, отчетными наборами, выгрузками из разных источников, DQ-контролями, сверками и инцидентами данных.
Опыт Citibank и Сбера помогает быстро понимать финтех-метрики, требования к качеству данных, регулярность отчетности и коммуникацию с разными стейкхолдерами.
Основной фокус — регулярная отчетность, SQL-логика, качество данных и понятные управленческие выводы.
Data / BI-аналитик с опытом в банковской аналитике, регулярной отчетности, DWH/витринах, SQL и Data Quality. В Citibank работал с отчетными данными по розничному кредитному портфелю и клиентской базе около 500 тыс. физлиц: сопровождал SQL/SAS-логику, DQ-контроли, анализ аномалий и инциденты данных. В Сбере занимался управленческой отчетностью: план-факт, прогноз выполнения бизнес-показателей, доходы по продуктам, KPI и разрезы для руководства.
Сбор требований, уточнение логики метрик, структура отчета, регулярная отчетность и ad-hoc выгрузки.
Работа с банковскими витринами, SQL/SAS-скриптами, агрегатами, сверками и большим количеством записей.
Проверка актуальности, полноты, расхождений, резких отклонений и причин аномалий в отчетности.
Такой процесс помогает быстро перейти от размытых требований к отчетности, которой можно пользоваться.
Уточняю, какое решение должен поддержать отчет, кто пользователь, какие метрики и срезы действительно нужны.
Смотрю, где лежат данные, как связаны таблицы, какие есть ограничения, расхождения и риски качества.
Пишу запросы, агрегаты, проверочные сверки, контролирую полноту и корректность расчета метрик.
Формирую отчет, дашборд или аналитическую записку с выводами, ограничениями и следующими действиями.
Навыки сгруппированы по полному циклу BI: требования, источники, SQL, качество данных, визуализация и автоматизация.
Три опорных кейса: DWH и качество данных, управленческая отчетность, аналитика воронок и автоматизация.
Работал с отчетными данными по клиентской базе физлиц около 500 тыс. клиентов. Сопровождал SQL/SAS-скрипты, DQ-контроли, анализировал аномалии и помогал поддерживать стабильность регулярной отчетности.
В Agile-команде управления продажами участвовал в планировании и анализе показателей по активам, пассивам, операционному и некредитному доходу. Разрабатывал отчетность с план-фактом, трендами, прогнозом и алертами по отклонениям.
В digital-проектах анализировал путь от поискового запроса и объявления до заявки, лида и продажи. Использовал Метрику, Директ, UTM, коллтрекинг и AI-цепочки для гипотез, структуры анализа, SQL-черновиков и документации.
Основная сила — SQL, BI-логика, DWH и качество данных. Инструменты, которые требуют углубления, готов быстро добрать в рабочих задачах.
Есть опыт BI-отчетности и дашбордов в Power BI / Tableau / DataLens. Сильная сторона — модель данных, логика метрик, SQL-слой и понятность отчета для бизнеса.
Основной production-опыт — MS SQL Server, Teradata и SAS PROC SQL. PostgreSQL готов быстро углубить: SQL-логика, CTE, агрегации и joins хорошо переносятся между СУБД.
Python использую для аналитических задач, pandas/Jupyter и автоматизации отдельных шагов. Понимаю логику ETL/оркестрации и готов развивать Airflow в рабочих пайплайнах.
В опыте — регулярная отчетность, SQL, DWH/витрины, Data Quality, бизнес-заказчики и аналитика для управленческих решений.
Стек сгруппирован по задачам: базы данных, BI, качество данных, автоматизация и коммуникация с бизнесом.
Базовое высшее образование и дополнительная подготовка в аналитике данных.
Экономика и управление на предприятии машиностроения. Высшее образование, 2013.
SQL, Python, визуализация данных и аналитический проект. Дополнительная подготовка в аналитике данных, 2021.
Быстро включаюсь в бизнес-контекст, умею работать с данными из разных источников, проверять качество расчетов и превращать аналитику в понятные отчеты для команды.