Аналитик данных / BI-разработчик (ИИ, автоматизация, управление)

С октября 2025 по апрель 2026 года, я прошёл переподготовку по профессии «Специалист по работе с системами искусственного интеллекта» в РАНХиГС. В рамках курса я работал с LLM (ChatGPT, Claude, Mistral, Qwen, DeepSeek), учился промпт-инжинирингу, строил RAG-системы, чат-ботов и автоматизировал бизнес-процессы с помощью ИИ. Итоговый проект — «B2B ANALYTICS HUB» — система анализа бизнес-трендов на основе LLM и API. Ссылки на презентации и обзоры есть в моём портфолио.

Мои практические проекты в сфере искусственного интеллекта (РАНХиГС):

- B2B ANALYTICS HUB (Итоговый дипломный проект): Локальное Web-приложение (разработано в VS Code, развернуто в Docker), представляющее собой систему глубокого анализа бизнес-трендов с использованием больших языковых моделей (LLM) и интеграцией по API без применения стандартных BI-платформ .
- Описание логики решения: https://goo.su/RQte7
- Видеообзор работы системы: https://goo.su/gUCOW1

- Автоматизация бизнес-процессов: Создал рабочее ИИ-решение для автоматического выбора и заказа кондитерских изделий, которое полностью заменяет ручной труд менеджера . Презентация проекта: https://goo.su/hYEG0CG

- Генерация цифрового контента: Разработал и сгенерировал полноценный рекламный видеоролик строго по правилам готового бренд-бука компании с помощью генеративного ИИ . Посмотреть результат: https://goo.su/vy3ZJTI

Обязанности и результаты:

- Аналитика продаж розничной сети: Обрабатываю в Excel выгрузки из 1С розничным магазинам. Собираю справочники по SCU (5000+ наименований), ТТ, РГМ для оценки и корректировки.
- Контроль планов и прибыли: Корректирую чужие регулярные отчеты в Power Query и Power Pivot, меры на DAX. Скорректированные инструменты-отчеты помогли руководству найти неликвидные товары и закрывать убыточные магазины.
- Поддержка онлайн-маркетинга и акций: Помощь отделу интернет-продаж в расчете затрат на рекламный товар в ходе акции и анализе продаж в пиковые часы по разным регионам, магазинам, кластеризация торговых точек по разным факторам.
- Разработка дашбордов: На основе данных on-line продаж (106 000 пользователей) разработал модель данных в Power BI и дашборд (https://goo.su/P92cac) с кластеризацией и показателями Средний чек, Объем покупок, LTV и ARPU. Разделение клиентов по возрасту, поколеню и частоте покупок, позволило оценить клиентские кластеры, предпочтения групп .
- Исследование зависимостей и прогнозирование: Провел анализ связи сопутствующих и основных товаров на основные (коррел. Спирмана, p-value и t-тест) и показал связь . Выявил различные группы с разным уровнем связи. Вывод товаров из оборота позволил сэкономить ОС. Участвовал в подготовке данных для запуска прогнозной модели продаж с использовынием ML.
- Техническая работа с данными (ETL): Пишу SQL-запросы для переноса данных из 1С во внутреннюю базу PostgreSQL.Технический стек: SQL, Power BI (DAX, Power Query, Power Pivot), PostgreSQL, 1С: Предприятие 8.3, Excel (продвинутый).

Обязанности и результаты:

- Создание аналитической системы: С нуля спроектировал внутреннюю систему сбора и обработки данных для анализа маршрутов движения ТС, расхода ГСМ, ТМЦ на основе реальных цифр.
- Сбор и перевод требований: Общался с руководителями компании и отделов, собирал их требования к отчетам и адаптировал отчеты под требования. Обучал персонал пользоваться разработанными формами. Повысил уровень проф. персонала.
- Автоматизация и моделирование данных: Настроил автоматический сбор данных и рабочих файлов в единую базу на основе Google Таблиц с использованием скриптов (Google Apps Script) и сложных расчетных функций. Построил полноценную реляционную модель данных со справочниками и связями. Все данные находятся в одном месте, не надо искать в разных подразделеиях. Ежедневная информация о завершенных маршрутах и выручке
- Контроль затрат логистики: Разработал специализированный отчет-куб в Google Таблицах и дашборд в Power BI для диспетчеров и руководства . Это позволило в реальном времени контролировать пробег машин, расход топлива, заправки и соблюдение водителями графиков маршрутов. Экономия порядка 80% времени на аналогичный процесс до моих нововведений.
- Расчеты для изменения мотивации: Анализ собранных данных по рейсам, дал толчек для безболезненного перевода сотрудников с повременной оплаты труда на сдельную.

- Технический стек: Power BI, Google Sheets (QUERY, Apps Script, реляционные модели), SQL (DBeaver), 1С (ОСВ), Битрикс24.