Каталог специалистов

Опыт работы как разработчик с навыками Oracle PL/SQL, знаниями концепций хранилищ данных, а также анализа, манипулирования и визуализации данных. Oracle (11g) включая: логический и физический дизайн базы данных настройка производительности, индексация, распараллеливание, подсказки, статистика PL/SQL, хранимые процедуры, функции; Разработка на Python, включая: Исследовательский анализ данных с использованием Pandas, Numpy, Scipy; Визуализация данных с использованием Matplotlib, Seaborn. Работа с данными, включая: Предварительная обработка данных: работа с выбросами и недостающими данными; Создание информационных панелей с помощью Tableau, Power BI и DataLens.

1. Сбор/анализ требований заказчика, составление ТЗ, документирование (Figma, Notion) 2. Описание регламента и построения ETL процессов (API, Python, AirFlow) 3. Знание основ ETL/DWH 4. Построение витрин данных 5. Формировании аналитической отчетности DataLens/PowerBI 6. Тестирование и проверка базовых кейсов

КЛЮЧЕВЫЕ НАВЫКИ: • Опыт разработки ETL-процессов • Глубокое знание SQL: опыт работы с PostgreSQL, Greenplum, DWH • Базовые знания знания Python • Опыт с Apache Kafka • Опыт работы с MPP-СУБД (Greenplum) • Понимание концепций построения DWH • Опыт работы с BI-инструментами (Tableau, DataLens) • Опыт работы с оркестратором Airflow • Знакома с основами ClickHouse, DBT (Data Build Tool) • Базовый опыт проведения A/B-тестов для оценки качества данных • Опыт работы с системами контроля версий, включая Git ЛИЧНЫЕ И ПРОФЕССИОНАЛЬНЫЕ КАЧЕСТВА: • Увлечена построением ETL-процессов. • Умею анализировать и структурировать данные, приводя их к единому и понятному виду. • Стремлюсь к чистоте и простоте кода. • Постоянно обучаюсь и совершенствую навыки в сфере Data Engineering. • Ориентирована на результат: ставлю цели и добиваюсь их. • Развиваю аналитическое мышление через книги.

Анна — разработчик BI из Ростова-на-Дону. Имеет опыт работы в отраслях Manufacturing и Government & Public Sector. Анна работала над построением аналитического отчёта для генерального директора. В роли BI-разработчика она анализировала требования, проводила интервью с бизнес-заказчиками, составляла документацию, участвовала в тестировании и писала тест-кейсы. Использовала Power BI, Word, Excel, GPT, SQL, Python. Также Анна выполняла обязанности аналитика 1С на производственном проекте ФГУП «РНИИРС». Занималась отчётностью и анализом данных в 1С, разработкой печатных форм, консультированием пользователей, установкой ПО, приёмом заявок и предоставлением прав доступа. Кроме того, Анна работала разработчиком SQL в государственной компании. Писала SQL-запросы, администрировала БД, формировала выборки в EXCEL, экспортировала и импортировала данные, консультировала пользователей и собирала данные для справочных приложений.

• PostgreSQL • ClickHouse • Apache AirFlow • Apache NIFI • Power BI • DAX • Yandex Datalens • Python (Pandas, Numpy) • Основы DWH/ETL • GreenPlum

Радик — опытный специалист в области разработки BI. Он обладает навыками работы с Power BI, Python, Qlik, QlikView, QlikSense, Apache AirFlow и другими инструментами. В компании DODO BRANDS Радик занимался CVM аналитикой, строил дашборды на Superset и оценивал эффекты A/B тестов. В «Билайн» он разрабатывал дашборды и подключал их к различным источникам данных. А в АК БАРС БАНКе настраивал ETL-процессы с SQL SERVERа с помощью Python. 1. Знание продуктов QlikTech (QlikView, QlikSense, NPrinting): QlikSense: в Билайне, создал 6 дашбордов полный цикл создания (тз, визуал, документирование, автоматизация) с применением html. Nprinting 1 кейс, автоматическая отчётность в excel и рассылка. Qlikview в процессе изучения. Был только удаленный доступ, где некоторое время грузил и смотрел таблицы , т.к. там было немного удобнее смотреть структуру данных из 1C. 2. Знание архитектуры BI-приложений (модели данных, кубы): Да, при каждом создании дашбордов создавал собственные модели данных на базе Qlik sense, а также слои данных. 3. Подвинутый пользователь GIT: Использовал в Додо. 4. Знание REST API, JSON, XML: Rest API получал данные с помощью python в Билайн, Jason распарсивал данные в таблицах в Додо, тоже с помощью python. XML не было опыта, но теоретически знаю. 5. Знание Python да, выгрузка, обработка, запись данных. Построение различных ML моделей, Визуализация seaborn, plotly , folium для геоданных, оценка эффектов, алгоритмы, функции. 6. Да, был опыт инкрементального накопления данных в QlikSense. 7. Знание, что такое ODBC и OLEDB: Да, использовал только на python доступа для данным, и в Qlik для доступа, были готовые коннекторы. Активно ищу позицию разработчика BI именно на Qlik Sense. Прошел курс на Udemy для себя создания сайта на Django, с CRM системой и ботом в телеграм. Опыт есть, на каждый дашборд составляли паспорт дашборда отдельно для пользователей, отдельно для разработчиков с комментированием скриптов.

Ключевые навыки: Внедрение и администрирование СЭДО: Опыт работы с Tessa (4 года), включая внедрение, администрирование, техподдержку, оптимизацию ролевой модели, автоматизацию интеграций. Бизнес-анализ: Анализ и оптимизация бизнес-процессов документооборота и архива в банковской сфере. Работа с базами данных: Уверенное знание SQL (SELECT, JOIN, EXISTS, WITH, OVER), опыт работы с PostgreSQL, MS SQL, Vertica. Автоматизация процессов: Опыт автоматизации процессов, интеграций, нагрузочного тестирования. Техническая документация: Навыки написания и дополнения технических заданий, сопровождение продуктов. Инструменты и технологии: Python, BPMN, UML, COBIT, Git, Docker, Tableau, Naumen Service Desk, Redmine. Администрирование ОС: Опыт работы с Astra Linux, Debian, построение корпоративных сетей. Data Science: навыки работы с NumPy, Pandas, Matplotlib, Seaborn, TensorFlow, Scikit-learn.

Аналитик с лидерскими качествами и практическим опытом в управлении и приоритезации задач. Занимался лидированием проектов от стадии зарождения идеи до стадии их реализации, а также поддержанием legacy-проектов. В качестве инструментов аналитики и автоматизации использует Python c перечнем библиотек: pandas, numpy, sklearn, xgboost, keras, matplotlib, tf, multiprocessing, asyncio, bs4, selenium, pytest, fastai. Для работы с базой данных использует SQL с группировочными, оконными, аналитическими, а также вспомогательными и процедурными функциями и представленями.

Ключевые навыки: • Оценка трудозатрат на задачи • Сбор бизнес-функциональных требований, согласование с заказчиком • Написание ТЗ, проектной документации • Распределение потока задач по сотрудникам • Консультирование по best-practice решениям задач • Взаимодействие с заказчиками • Анализ задач Основные задачи в рамках должности: Проектные задачи: • Разработка информационных панелей и отчетов • Миграция • Установка, конфигурирование, администрирование • Системный анализ, функциональный дизайн • Консультирование заказчиков по проектированию/улучшению производительности DWH и BI-систем Задачи по разработке: • Построение и доработка репозитория OBIEE • Построение и доработка отчетов и информационных панелей OAS, Power BI • Функциональный дизайн отчетов и информационных панелей OAS, Power BI Задачи по администрированию: • Установка OBIEE 12c / OAS, • Конфигурирование • Поиск функциональных проблем и устранение

Константин имеет хорошие организаторские способности, не боится сложных задач и имеет глубокие знания серверной разработки. У специалиста богатый опыт в программировании, на своих проектах он успел поработать со многими бэкенд-технологиями и с задачами различной сложности. Константин с нуля создал единый сервис рассылки email и push уведомлений клиентам и партнерам с использованием легко масштабируемой, отказоустойчивой и сопровождаемой микросервисной архитектуры с применением RabbitMQ для создания очереди выполнения рассылки, Firebase Cloud Messaging для рассылки уведомлений на мобильные телефоны клиентов, PostgreSQL для гарантии отсутствия "потерянных" уведомлений и хранения статистики рассылок. Также важным достижением Константина стало значительное (в несколько раз) снижение времени выполнения обработки геоданных о поездках клиентов после изменения используемого в сервисе алгоритма. Что позволило достичь приемлемых показателей времени, затрачиваемого на генерацию карты с визуальным изображением поездок.

Валерий — опытный специалист по Data Science с навыками работы в области машинного обучения, аналитики и моделирования. Обладает глубоким пониманием алгоритмов и инструментов, таких как Python, SQL, Apache AirFlow, XGBoost, LightGBM и другие. Валерий успешно работал на проектах в различных отраслях, включая логистику, финансы, электронную коммерцию, телекоммуникации и медиа. На каждом проекте он выполнял широкий спектр задач, связанных с анализом данных, машинным обучением, разработкой и внедрением моделей, а также общением с бизнесом и менторством младших специалистов. Опыт Валерия включает работу в качестве ведущего специалиста по машинному обучению и аналитике в компании KazanExpress, где он внедрил инструменты А/В анализа, создал матрицу компетенций для performance review сотрудников и разработал систему рекомендаций товаров. Также он работал старшим специалистом по машинному обучению в Альфа-Банке, где внедрил рекомендательную систему партнёров клиентам банка и систему повышенного кэшбэка. В X5 Group Валерий занимался предсказанием суммарных трат клиентов и внедрял рекомендательную систему категорий товаров в продуктовом ритейле. Кроме того, он реализовал рекомендательную систему в мобильном приложении Мегафона и строил прогнозные модели для Upgrade и Upsell. Также Валерий имеет опыт преподавания на платформе GeekBrains, где проводил лекции и семинары по Python и анализу данных. Дополнительное образование - BigData Team, bigdatateam.org. Практический курс по большим данным, 2020 - Построение выводов по данным, Coursera (Яндекс и МФТИ), специализация «Машинное обучение и анализ данных», 2020 - Прикладные задачи анализа данных Coursera (Яндекс и МФТИ), специализация «Машинное обучение и анализ данных», 2020 - How to Win a Data Science Competition: Learn from Top Kagglers Coursera (ВШЭ), Advanced Machine Learning Specialization, 2019 - Обучение на размеченных данных, Coursera (Яндекс и МФТИ), специализация «Машинное обучение и анализ данных», 2019 - Математика