Собирать и автоматизировать отчёты
В Сбере и Citibank готовил регулярную отчётность, управленческие срезы, план-факт, прогнозы, выгрузки и аналитические материалы для решений бизнеса.
Made on
Tilda
Собираю и автоматизирую отчёты, нахожу ошибки и аномалии, проверяю гипотезы на данных, работаю с DWH/витринами, SQL, Excel, Python и BI-визуализацией для управленческих решений.
Вакансия требует аналитика в ядро команды: отчёты, автоматизация, аномалии, гипотезы, сервисы, интеграции и надёжность данных.
В Сбере и Citibank готовил регулярную отчётность, управленческие срезы, план-факт, прогнозы, выгрузки и аналитические материалы для решений бизнеса.
В Citibank сопровождал DQ-контроли, анализировал аномалии, расхождения, резкие изменения показателей и инциденты данных.
В digital- и банковских задачах работал не только с отчётами, но и с причинами изменений: сегменты, воронки, отклонения, качество обращений, точки роста.
SQL — основной рабочий инструмент: joins, CTE, оконные функции, агрегации, подзапросы, отчётные срезы, сопровождение SQL/SAS-логики.
Работал с DWH/витринами, регулярными выгрузками, отчётными наборами, проверками качества и коммуникацией с владельцами источников.
Есть опыт BI-отчётности и дашбордов в DataLens / Power BI / Tableau / Excel. Сильная база — логика метрик, SQL-слой и понятность отчёта.
Главная ценность — быстро разобраться в сложных данных, найти проблему, собрать проверенную отчётность и предложить следующий шаг.
Data / BI-аналитик с опытом в банковской аналитике, регулярной отчётности, DWH/витринах, SQL, Data Quality и анализе аномалий. В Citibank работал с отчётными данными по розничному кредитному портфелю и клиентской базе около 500 тыс. физлиц: сопровождал SQL/SAS-логику, DQ-контроли, анализировал аномалии и инциденты данных. В Сбере занимался управленческой отчётностью: план-факт, прогноз выполнения бизнес-показателей, KPI, доходы по продуктам и разрезы для руководства. Дополнительно в digital-проектах анализировал воронки, заявки, качество лидов и гипотезы по росту.
Ищу аномалии, расхождения, провалы в данных, слабые места отчётности и точки роста.
Разбираю источники, пишу SQL, проверяю качество, фиксирую логику и делаю результат понятным.
Смотрю на задачу как на сервис: повторяемость, надёжность, документация, контроль ошибок.
Для роли в ядре финтех-команды важна не разовая выгрузка, а воспроизводимый контур работы с данными.
Уточняю, какое решение должен поддержать отчёт: риск, контроль, сервис, интеграция или управленческая метрика.
Разбираю таблицы, витрины, связи, периоды, ограничения, владельцев данных и потенциальные точки ошибок.
Пишу запросы, агрегаты, CTE, оконные функции, проверочные выборки и логику для регулярной подготовки данных.
Проверяю полноту, NULL, дубли, даты, статусы, расхождения сумм и резкие изменения показателей.
Собираю визуализацию, выводы, ограничения, гипотезы и следующие шаги для команды или владельца процесса.
Здесь собраны навыки, которые прямо работают на вакансию: SQL, Excel, Python, ETL, DataLens, DWH и DQ.
В фокусе — кредитный портфель, DQ-контроли, отчётность, аномалии, SQL и управленческие решения.
Работал с отчётными данными по розничному кредитному портфелю и клиентской базе около 500 тыс. физлиц. Сопровождал SQL/SAS-логику, DQ-контроли, анализ аномалий и инциденты данных.
В Agile-команде управления продажами анализировал выполнение планов, доходы по продуктам, конверсию, активность менеджеров и контактную политику. Готовил отчётность с план-фактом, трендами, прогнозом и алертами по отклонениям.
Участвовал в команде, которая адаптировала отчётность и выгрузки при закрытии 3 кредитных портфелей. Работал с изменениями в данных, проверками качества, корректировкой SQL/SAS-логики и коммуникацией со смежными командами.
В digital-проектах анализировал путь от рекламного запроса до заявки и продажи. Смотрел не только на объем трафика, но и на качество обращений, конверсию, стоимость лида и гипотезы для улучшения результата.
Роль рассчитана на рост и обучение, поэтому важно показать не только текущий стек, но и способность быстро усилиться под внутренние сервисы.
Есть опыт работы с BI-логикой и дашбордами в DataLens / Power BI / Tableau / Excel. Сильная база — структура метрик, SQL-слой, фильтры, срезы и понятность отчёта.
Python использую для аналитических задач: pandas, Jupyter, обработка таблиц, проверки и автоматизация отдельных шагов. Понимаю ETL-логику и точки контроля данных.
Есть опыт коммуникации со смежными командами и владельцами данных. Готов быстро погружаться во внутренние сервисы, API, интеграции и продакшен-контур.
В фокусе — SQL, DWH, регулярная отчётность, DQ, аномалии, бизнес-гипотезы и визуализация.
Стек сгруппирован так, чтобы быстро показать соответствие двум направлениям: риски и отчётность.
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 контекст, умею работать с данными из разных источников, проверять качество расчётов, искать аномалии и превращать аналитику в понятные решения для команды.