Артем

Artem Kulik
Data Analyst | Financial Analytics | SQL | Python | ETL
[open contact info](look above in the "contact info" section)Linked In
Україна, КиївПереїзд до Нідерландів • Доступний з серпня 2026
ПРОФЕСІЙНЕ РЕЗЮМЕ
Data Analyst зі спеціалізацією на фінансовій аналітиці, оцінці інвестиційних портфелів та аналітичній автоматизації, з практичним досвідом розробки аналітичних рішень на SQL та Python для підтримки інвестиційних рішень.
Досвід побудови масштабованих ETL-пайплайнів, розробки моделей прогнозування грошових потоків та перетворення складних фінансових наборів даних у надійні аналітичні системи з використанням BigQuery, PostgreSQL, Python та SQL.
Сильний бекграунд у software engineering дозволяє проєктувати конфігуровані аналітичні платформи, автоматизовані звітні workflow та багаторазові рішення для обробки даних, що підвищують якість звітності, аналітичну ефективність та якість прийняття рішень.
КЛЮЧОВІ КОМПЕТЕНЦІЇ
АНАЛІЗ ДАНИХ
• SQL
• Python
• Моделювання даних
• Аналітична автоматизація
• Валідація даних
• Прогнозування
• Статистичний аналіз
ІНЖЕНЕРІЯ ДАНИХ
• ETL Pipelines
• BigQuery
• PostgreSQL
• Інженерія якості даних (Data Quality Engineering)
• Оптимізація SQL
• Обробка великих обсягів даних
ФІНАНСОВА АНАЛІТИКА
• Оцінка портфелів (Portfolio Valuation)
• Прогнозування грошових потоків
• Аналіз IRR
• Аналіз показників повернення (Recovery Rate Analysis)
• Інвестиційна аналітика
• Фінансова звітність
ПРОГРАМНА ІНЖЕНЕРІЯ
• C#
• .NET
• Архітектура ПЗ (Software Architecture)
• Git
• Об'єктно-орієнтоване програмування (OOP)
ДОСВІД РОБОТИ
«Data Factory» | Data AnalystЧервень 2025 — Червень 2026
Розробляв і підтримував конфігуровані 5-річні моделі прогнозування грошових потоків для підтримки інвестиційних рішень та оцінки портфелів проблемної заборгованості (distressed debt).
Проєктував і оптимізував складні аналітичні SQL-запити в BigQuery для обробки великих обсягів фінансових даних, що використовуються в інвестиційному аналізі та прогнозуванні.
Розробив автоматизовані звітні workflow на SQL та Python, скоротивши ручні трудовитрати на звітність приблизно на 70% та підвищивши узгодженість і надійність аналітики.
Спроєктував багаторазові ETL-пайплайни, що перетворюють сирі дані портфелів на валідовані аналітичні набори даних для прогнозування, оцінки та звітності для керівництва.
Виконував аналітичну сегментацію портфелів за DPD-бакетами, регіональним розподілом, показниками повернення (recovery metrics) та історичними показниками ефективності для підтримки інвестиційної оцінки.
Валідував припущення щодо оцінки портфелів шляхом порівняння прогнозних моделей з історичною ефективністю портфелів для підвищення точності інвестиційних рішень.
Співпрацював із senior-аналітиками та портфельними менеджерами над удосконаленням методологій прогнозування та якості аналітичної звітності.
Покращив аналітичну документацію, надійність звітності та процеси валідації даних у повторюваних фінансових workflow.
Розробив масштабовані звітні workflow для підтримки інвестиційного аналізу та прийняття рішень керівництвом.
Фріланс-розробник ПЗ / Data Analyst2024 — Червень 2025
Проєктував аналітичні програмні рішення на Python, C#, .NET та SQL для автоматизації бізнес-процесів та фінансового аналізу даних.
Розробляв backend-сервіси, REST API та рішення на основі реляційних баз даних для підтримки аналітичних і операційних workflow.
Створював автоматизовані пайплайни обробки даних та SQL-звітні рішення для повторюваних аналітичних завдань.
Впроваджував процеси валідації, звірки (reconciliation) та трансформації даних, що покращували узгодженість звітності.
Автоматизував повторювані аналітичні розрахунки та звітні workflow за допомогою рішень на Python.
Застосовував модульну програмну архітектуру та принципи об'єктно-орієнтованого програмування для створення підтримуваних програмних рішень.
КЛЮЧОВИЙ ПРОЄКТ
ПЛАТФОРМА НА ОСНОВІ LLM ДЛЯ АВТОМАТИЗОВАНОГО АНАЛІЗУ ТА ОЦІНКИ ПОРТФЕЛІВ ПРОБЛЕМНОЇ ЗАБОРГОВАНОСТІ (NON-PERFORMING LOAN, NPL)
Обов'язки в проєкті
• Спроєктував конфіговану багатоетапну ETL-архітектуру для автоматизованої обробки портфелів проблемної заборгованості (NPL).
• Розробив багаторазові Python-модулі для трансформації портфелів, валідації даних та фінансового моделювання.
• Побудував автоматизовані звітні пайплайни, що генерують результати оцінки та інвестиційні звіти.
• Реалізував конфігураційно-орієнтовану обробку, що підтримує різні структури портфелів без змін у коді.
• Застосував AI-асистовані підходи до розробки ПЗ для прискорення розробки та підвищення підтримуваності коду.
Ключові результати
• Скоротив час аналітичної обробки з приблизно 3 годин до 3–5 хвилин.
• Автоматизував оцінку портфелів та фінансову звітність.
• Підвищив аналітичну узгодженість завдяки багаторазовим модулям валідації та трансформації.
• Успішно впровадив платформу в реальні аналітичні workflow для підтримки інвестиційного аналізу.
ОСВІТА
Київський національний університет імені Тараса Шевченка
Бакалавр комп'ютерної інженерії, 2022–2026
ПРОФЕСІЙНЕ НАВЧАННЯ
EPAM — Data Analytics & Data Quality Engineering (2025)
EPAM — Python Core: Data Practice (2025)
Програма професійної підготовки з розробки ПЗ — Step Computer Academy (2019–2021)
МОВИ
• Українська — рідна
• Англійська — вище середнього (B2)