Павел

РЕЗЮМЕ
Павло Станіславович Гуменюк

Контакти: [open contact info](look above in the "contact info" section)
Telegram: @Super191423

Прохання контактувати через Telegram або
електронну пошту (на дзвінки не завжди є можливість відповісти

Кандидат: Гуменюк Павло Станіславович
Досвід: 15+ років (Спеціалізація: ERP, КУП, AI-інтеграції)
1. Експертиза в системах BAS
Ключові конфігурації: Експертне володіння BAS ERP, BAS КУП, BAS КОРП, УПП, УТП, ЗУП, Бухгалтерія.
Технічний арсенал: Глибоке знання СКД, SQL, побудова складних аналітичних звітів, архітектурне проектування обмінів через API (REST/SOAP).
Спеціалізація: Впровадження систем "з нуля", реінжиніринг застарілих процесів, переведення великих підприємств на сучасні рейки BAS.
2. Інноваційний блок: Впровадження AI-агентів
Автоматизація рутини: Створення AI-агентів для мапінгу номенклатури, що критично важливо для великих впроваджень.
Інтелектуальний аудит: Предиктивний аналіз даних для виявлення помилок у звітності ще до моменту закриття періоду.
Економічний ефект: В моїх кейсах впровадження ШІ дозволяло скоротити час на обробку документів на 80% та вивільнити ресурс 1-2 операторів.
3. Методологічна та управлінська робота
Робота з бізнесом: Проведення інтерв'ю з власниками, Gap-analysis, формування стратегії автоматизації.
Робота з розробкою: Складання ТЗ такого рівня деталізації, який виключає розмиті терміни та зайві витрати на переробки.
Навчання: Впровадження культури роботи з системою (відео-інструкції, регламенти, воркшопи).

Портфоліо ТЗ

AI + Документообіг (Ефективність)
Cloud + ERP (Масштаб)
CRM + API (Продажі)
Banking API (Фінанси)
Cyber Security (Безпека)

ПРИКЛАД ТЕХНІЧНОГО ЗАВДАННЯ

Я пропоную ВНМУ ім. Пирогова не просто спеціаліста з Excel, а впровадження системи Low-code аналітики.
Що це дасть університету:
Прозорість 24/7: Керівництво бачитиме реальний прибуток приватних клінік у реальному часі через автоматичну інтеграцію з банківськими API.
Автоматичне ціноутворення: Жодна послуга не буде збитковою, бо AI автоматично коригує прайс при зміні цін на розхідні матеріали.
Швидкість: Те, на що звичайний економіст витрачає 3 дні (зведення звітів), моя система на n8n робить за 3 хвилини.
Незалежність від людського фактора: Відсутність помилок при копіюванні даних з банку в таблиці.

Концепція проєкту для ВНМУ ім. М. І. Пирогова та його приватних клінік.
Проєкт: "MedFinance AI-Core" — Система автономного управлінського обліку та ціноутворення
1. Архітектура рішення (Stack: n8n + LMM + Banking API)
Замість ручного перенесення даних з виписок у Excel, ми створюємо «цифрового двійника» економіста в n8n.
n8n (Orchestrator): З’єднує банківські кабінети (через API Приват24 для бізнесу / Monobank Business), Google Sheets та LMM.
LMM (Аналітичне ядро): GPT-4o або Claude 3.5 Sonnet (через API), інтегровані в n8n для інтерпретації неструктурованих даних.
Database: PostgreSQL або Google BigQuery для зберігання історії транзакцій.
2. Ключові модулі автоматизації
Модуль А: Оперативний доступ до банківських кабінетів
Механіка: n8n кожні 15 хвилин звертається до API банків обох приватних клінік.
AI-обробка: LMM аналізує призначення платежів. Якщо пацієнт вказав «за послуги» без уточнення, AI зіставляє суму та час з розкладом клініки або прайсом, автоматично ідентифікуючи послугу.
Результат: Управлінський баланс "на сьогодні", а не "на кінець місяця".
Модуль Б: Автоматичний розрахунок собівартості та ціноутворення (Dynamic Pricing)
Проблема: В медицині постійно змінюється вартість реагентів, витратних матеріалів та комунальних послуг.
Рішення: n8n парсить прайси постачальників медзасобів. LMM перераховує калькуляційні карти кожної послуги (згідно з нормами МОЗ), враховуючи амортизацію обладнання та зарплату персоналу.
Результат: Система сигналізує: "Собівартість аналізу крові зросла на 12%. Рекомендована ціна для збереження маржі — 340 грн".
Модуль В: Консолідована звітність для ВНМУ
Механіка: AI-агент збирає дані з обох клінік та бюджетні витрати університету.
Аналіз: LMM готує текстове резюме для ректорату: "Ефективність використання обладнання в клініці №1 зросла на 15%, проте витрати на електроенергію перевищують норму на 5% через застарілі системи охолодження".
3. Практична реалізація Workflow в n8n
Node: Cron (Запуск щоранку о 8:00).
Node: HTTP Request (Отримання виписок з API Приват/Mono).
Node: AI Agent (LMM) (Класифікація доходів: "Платні послуги", "Оренда", "Бюджет").
Node: Google Sheets (Оновлення зведеної таблиці, яку вимагає вакансія).
Node: Telegram Bot (Відправка вам повідомлення: "Дані за вчора консолідовані. Відхилень від бюджету не виявлено").