Екатерина Б. Бизнес аналитик, Middle+

Евгений — опытный бизнес-аналитик с 5-летним опытом работы в различных проектах. Он обладает навыками создания структуры, работы с требованиями, анализа и управления ими, а также разработки технических решений. Евгений умеет работать с инструментами UML, BPMN, SQL, PostgreSQL, Miro, Visio, Jira, Confluence и другими. В портфолио Евгения — проекты в сферах недвижимости, финансовых услуг, игр, производства, государственного сектора. Он работал над проектами NFT-недвижимости, перевыпуска платёжных карт, мобильного приложения для юридических лиц, крупного продукта в сфере азартных игр и беттинга, EDI-провайдера, MES-системы, аппаратно-программных средств для систем управления войсками и оружием. Евгений успешно выполнял задачи по выявлению и описанию требований, созданию структуры технической документации, описанию пользовательских историй, логики работы REST API, тестированию API, описанию логики работы на backend/frontend, управлению командой разработки, формированию бэклога по продукту, доработке приоритетных функций от бизнеса, описанию процессов команды разработки. О себе от первого лица: • Успешное проектирование/внедрение пилотного проекта по проектированию электрических схем (срок 3 недели), договор подряда (30+ элементов на схеме+ настройка согласно требованиям заказчика). • Успешный менторинг 2yx junior бизнес-аналитиков, совместная проработка заданий, подготовка к собеседованиям, индивидуальный план развития (ВА). • Посещение/активное участие в online/offline (Минск) конференциях (5-6 в год): IT Entrance 2022, Start IT 2022, DesignIN 2022, Barrs 2021 др. • Просмотр/анализ/активное участие IT-вибинаров (10-15 в год) • Чтение/анализ 7-8 книг в год по профессии, в том числе "От монолита к микросервисам" Сэм Ньюман, "Шаблоны интеграции корп. приложений" Хоп/Вульф, "Ошибки и компромиссы (software)" Лелек/Скит. • Уже больше года изучаю английский 2 раза в неделю на занятиях и 2-3 в неделю в свободное время.

Технически сложная и интересная задача Оптимизация маршрутизации при комплектации заказов 1. Контекст / Описание: Цель — автоматизировать построение маршрутов отбора товаров на складе с учётом: весовых ограничений, температурных зон (холодильник, заморозка, ambient), приоритетов заказов (например, для онлайн-заказов с доставкой), текущей загрузки сотрудников. Изначально маршруты формировались вручную или хаотично, по порядку поступления заказов, что приводило к: пересечениям между сотрудниками, дублирующим перемещениям, ошибкам в комплектации и потерям времени. 2. Причина сложности: Процесс был частично неформализован, решения принимались "на месте". Температурные зоны требовали особого порядка: нельзя собирать заморозку раньше, чем ambient. Весовые ограничения влияли на очередность загрузки и на выбор маршрута (например, тележки не выдерживали перегруза). Не было единого алгоритма — каждый комплектовщик двигался по складу на своё усмотрение. 3. Моё решение / действия: Провёл интервью с логистами, кладовщиками и супервайзерами на смене, изучил реальные кейсы маршрутов. Совместно с бизнес-заказчиком определил ключевые ограничения и параметры маршрутизации: приоритеты заказов, габариты, зоны и холодовые цепочки. Построил TO-BE-модель маршрутизации в BPMN, с разветвлениями по типу продукции и маршрутам обхода. Описал User Stories и Use Cases для системы управления складом (WMS). Участвовал в тестировании логики маршрутов на ТСД (терминалах сбора данных), проверял корректность приоритизации и навигации. Организовал обратную связь от комплектовщиков после пилота, внедрил корректировки. 4. Результат: Время на сборку одного заказа снизилось в среднем на 20% (по внутренней аналитике склада). Количество ошибок при комплектации (например, замена товара, пропуск позиций) снизилось на 30%. Внедрена унифицированная логика маршрутов, понятная всем сотрудникам склада. Повысилась прозрачность контроля: теперь понятно, кто, где, и по какому маршруту работает.

Андрей — опытный бизнес-аналитик, специализирующийся на сложных проектах в сфере e-commerce и retail. Он обладает глубоким пониманием бизнес-процессов, умеет анализировать потребности клиентов и разрабатывать эффективные решения для бизнеса. Андрей успешно работал над проектами, связанными с разработкой платформ помощи гражданам, личным кабинетом игрока покерного клуба, генератором лайнапов для крикета, калькулятором расчёта таможенных платежей, подготовкой к ЕГЭ, интернет-магазином бизнес-сувениров и интранет-порталом холдинга. В своей работе Андрей уделяет особое внимание анализу рынка, исследованию конкурентов, определению целевой аудитории и разработке пользовательских историй. Он создаёт интерактивные прототипы, разрабатывает модели данных, формулирует чёткие и ясные бизнес-требования для разработчиков, а также обеспечивает контроль качества проекта. Имеет реальную экспертизу в сферах: ЖКХ, машиностроение, финансы, медицина, услуги, образование. Андрей обладает навыками работы с инструментами Asana, BPMN, CJM, Data Studio, Excel, Figma, Google, Google Analytics, Invision, Jira, Miro, Notion, SQL, Trello, Confluence, ER Diagram, Git, JavaScript, Laravel 5, MySQL, React, PHP, PHPUnit, Webpack, CSS3, HTML5, PostgreSQL, Selenium, Docker, Jest, Redis, Styled Components, Swagger, Testing, Jenkins, Nginx, Elasticseach, Material UI, Next.js, Redux.

Системный и бизнес-аналитик с почти четырёхлетним опытом в IT. Участие в разработке и сопровождении сложных распределённых систем в таких доменах, как доставка, коммуникации, внутренние корпоративные сервисы и сайты знакомств. Опыт охватывает полный цикл работы над проектом: сбор и формализация требований, подготовка ТЗ, API-интеграции, настройка обмена сообщениями через Kafka и RabbitMQ, проектирование интерфейсов, тестирование и сопровождение релизов. Знакомство как с Waterfall, так и с Agile-средой (Scrum, Kanban). Быстрое погружение в проекты и эффективное взаимодействие с командой. Уверенные навыки работы с REST API, Swagger, Postman, BPMN, SQL, UML и облачными решениями Azure, AWS. Ориентация на создание удобных, стабильных и масштабируемых продуктов.

● Опыт разработки более 10 лет ● Участие в проектировании архитектуры продукта ● Код-ревью, рефакторинг ● Уверенное знание фреймворка FastAPI ● Опыт использования GIT и Docker ● Понимание и настройка процессов CI/CD ● Опыт работы с API, опыт создания API-сервисов с нуля ● Аналитические и организационные навыки ● Опыт руководства коллективом разработчиков

Java Backend разработчик с опытом более 6 лет. Мой основной стек - Java 8-17, Spring Boot, Spring Data JPA, Spring Security, Spring Cloud, Hibernate, PostgreSQL, Docker, Kubernetes, JUnit, Mockito, git, REST API, Apache Kafka, RabbitMQ. Также я имею опыт работы с JavaEE и EJB. Я участвовал в разработке высоконагруженных систем с нагрузкой более 10000 запросов в секунду. Оптимизировал обработку пользовательских задач путем внедрения многопоточной обработки данных, ускорив процесс в 6 раз. Спроектировал и разработал систему обработки клиентских документов и автоматической генерации отчетности по ним. Ищу возможность применить свои навыки Java разработки и опыт работы с высоконагруженными системами для решения сложных производственных задач и улучшения производительности продуктов компании.

Разрабатываю модели, способные решать задачи классификации и регрессии. Моя основная цель - помочь решить проблемы в области прогнозирования, компьютерного зрения и анализа текстовой информации. Владею классическими и глубокими методами машинного обучения. Занимаюсь анализом данных и визуализацией результатов с помощью библиотек Pandas, Numpy, Matplotlib, Seaborn, Plotly. Строю модели глубокого обучения с помощью фреймворков Keras и PyTorch. Уверенно разрабатываю на Python. Есть опыт работы с Flask, SQLAlchemy, а также опыт написания юнит-тестов с помощью библиотек PyTest и UnitTest. Совершенствую свои навыки, читая профессиональную литературу и публикуя научные статьи и статьи на Хабре. Статьи: 1. Прикладная математика и вопросы управления, 2023, Пермь: Метод определения уровня схожести изображений по цветовой составляющей на основе корреляционного анализа и квантования цветового пространства https://elibrary.ru/item.asp?id=54951039 2. Вестник Южно-Уральского государственного университета, 2023, Челябинск:Разработка системы определения перемещения рабочих на производстве на основе OpenCV и алгоритма одностадийного детектора https://elibrary.ru/item.asp?id=51254937 3. USBEREIT, 2023, Yekaterinbug: Application of Ensembles of Neural Networks for Deepfake Recognition 4. Хабр, 2023: Почему Data Science не для вас? https://habr.com/ru/users/TourmalineCore/articles/ 5. Applied Human Factors and Ergonomics, 2024, Nice: Development of Neural Networks for Deepfake Recognition https://clok.uclan.ac.uk/id/eprint/52098/1/978-1-958651-98-8_14.pdf 7. Хабр, 2025: To Docker or not to Docker? Вот в чём JupyterLab https://habr.com/ru/articles/911298/ Монография: 1. Южно-Уральский государственный университет, 2024: Управление промышленными предприятиями как фактор эффективного развития региона https://elibrary.ru/item.asp?id=79614873