Антон

ВОЛКОВ АНТОН ЮРІЙОВИЧ
Слухач навчального центру Військової академії (Одеса)
Молодший лейтенант Збройних Сил України
ВОС 530-200 (математичне та програмне забезпечення, кібербезпека)
Телефон/WhatsApp/Signal: [open contact info](look above in the "contact info" section)
Email: [open contact info](look above in the "contact info" section)
Локація: Одеса (готовий до служби у Києві, Дніпрі, будь-якому місті України)

Шукаю: OSINT Analyst / Data Analyst / Military Analyst

КЛЮЧОВІ КОМПЕТЕНЦІЇ

Автоматизація та OSINT

Python (Telethon API для Telegram, pandas, asyncio, sqlite3) — система збору даних (5000–10000
повідомлень за 10–15 хвилин). Мультиджерельний моніторинг, кросс-верифікація через часові
кореляції, виявлення паттернів координації. Розуміння VK API, Twitter API, web scraping. Готовий
освоїти Maltego, SpiderFoot за 2–3 тижні.

Робота з даними

SQL (SQLite/PostgreSQL/MySQL), Excel (макроси, формули, зведені таблиці). AI (Claude, ChatGPT):
автоматизація обробки текстів, генерація коду, збір джерел (43 джерела за 15 хвилин).

Системний аналіз

Побудова карт причин (корневі проблеми vs симптоми), виявлення вузьких місць. Візуалізація:
графіки, схеми, потоки.

Поведінкові паттерни (12 років, 1000+ кейсів щорічно)

Читання намірів через текст: координація vs стихійна реакція, маніпуляція vs щира допомога.
Виявлення дезінформації, ботів, організованих кампаній впливу.

ДОСВІД РОБОТИ

2012–2025 | Освітній проєкт (поведінка собак та людей)

Опрацював 1000+ кейсів щорічно — виявлення паттернів, побудова причинно-наслідкових
зв'язків. AI для автоматизації: аналіз даних клієнтів, підготовка звітів. Розвинув проєкт до 70K+
Instagram, 15K+ Telegram через аналіз даних. Управління командою спеціалістів.

2007–2017 | Проектний менеджер / Бізнес-аналітик (Промисловість)

Системний аналіз процесів: карти проблем, корневі причини, оптимізація (6–10x зростання
продуктивності). Робота з даними, візуалізація для керівництва. Робота зі стейкхолдерами: від
робітників до CFO.

ТЕХНІЧНІ НАВИЧКИ

Автоматизація: Python 3.9+ (Telethon API, pandas, asyncio, sqlite3, json), розуміння VK API,
Twitter API, web scraping
Дані: SQL (запити, структурування), Excel (макроси, формули), готовий освоїти PowerBI, Grafana
 OSINT: Telegram (реалізовано), готовий освоїти Maltego, SpiderFoot, Shodan
AI: Claude, ChatGPT для автоматизації аналізу, обробки текстів, генерації коду
Візуалізація: Miro, Canva. Готовий освоїти BPMN/UML. Зараз використовую Claude як
«візуалізатор» теж.

ОСВІТА

2000–2005 | Східноукраїнський національний університет | Прикладна математика
2003–2005 | Військова кафедра | ВОС: 530-200
2025 | Військова академія (Одеса) | ВОС: 730-500

ДЕ МОЖУ БУТИ КОРИСНИМ

✓ Автоматизація моніторингу (десятки каналів → скрипт замість ручної роботи)

✓ Кросс-верифікація (зіставлення 5–10 джерел, побудова хронологій)

✓ Системне мислення (бачу архітектуру процесів, математичний бекграунд)

✓ Швидка обучуваність (новий OSINT-інструмент → 2–3 тижні)

✓ Критичне мислення (перевіряю гіпотези, шукаю протиріччя)

Мови: Українська (вільно) | Російська (вільно) | Англійська (Upper-Intermediate)

Вік: 42 роки | Сімейний стан: Одружений, дочка 3 роки
ПОРТФОЛІО
АВТОМАТИЗАЦІЯ TELEGRAM

КОНТЕКСТ

Завдання: Проаналізувати 10 років архівів Telegram-чатів моїх курсів (90K+ аудиторія, 50K–100K
повідомлень). Виявити паттерни: з чим люди приходять, як розвивається діалог, чи вирішилася
проблема.

Мій підхід: AI як інструмент. Я НЕ пишу код вручну — я формулюю завдання для AI (Claude,
ChatGPT), AI генерує код, я адаптую та запускаю.

РЕАЛІЗАЦІЯ: 3 МОДУЛІ

МОДУЛЬ 1: ПОШУК ДЖЕРЕЛ

Завдання AI: Знайти всі чати, де обговорювався курс. Фільтр: назва курсу, ключові слова.
Витягти: ID чату, назва, кількість учасників.

AI згенерував код: Python-скрипт з Telethon API

Я зробив: Запустив, отримав список чатів (JSON)

МОДУЛЬ 2: ЕКСПОРТ ДАНИХ

Завдання AI: Завантажити всі повідомлення. Метадані: час, автор, текст, reply_to_msg_id.
Формат: JSON, SQL.

AI згенерував код: Асинхронне завантаження через Telethon

Я зробив: 5000–10000 повідомлень за 10–15 хвилин (замість 20–30 годин)

МОДУЛЬ 3: СТРУКТУРУВАННЯ

Завдання AI: Для кожного учасника — окремий файл. Зберегти у CSV або JSON.

AI згенерував код: Групування повідомлень по учасниках

Я зробив: Отримав структуровані дані → аналіз хронології, паттерни

РЕЗУЛЬТАТ

Час обробки: 10–15 хвилин (було 20–30 годин)

Паттерни: Частота питань, хронологія прогресу, вузькі місця курсу

Технології: Python 3.9+, Telethon, pandas, sqlite3, AI (Claude)

ЗАСТОСОВНІСТЬ ДО OSINT
Базова логіка ідентична — змінюються тільки джерела та фільтри:

МОЯ ЗАДАЧА OSINT-ЗАДАЧА

Мої чати курсів Канали противника

Фільтр по учасниках Фільтр по ключових словах

Одне джерело (Telegram) Множинні джерела (TG+VK+Twitter)

Паттерни навчання Паттерни координації

Методологія: Часові кореляції (синхронні публікації → координація). Географічні збіги (одне
місце в TG + VK → вища достовірність). Хеш-порівняння зображень.

Готовий освоїти: Maltego, SpiderFoot, Bellingcat Toolkit, Shodan
КЕЙС 1: СЗЧ (САМОВІЛЬНЕ ЗАЛИШЕННЯ ЧАСТИНИ)

ДИСКЛЕЙМЕР: Аналіз базується виключно на відкритих джерелах (Офіс Генпрокурора
України, Texty.org.ua, InfoSapiens, BBC). Мета — показати методологію роботи аналітика.

ПИТАННЯ

Чому кількість справ СЗЧ зросла з 30 000 (2022) до 162 500 (січень–жовтень 2025)?

Джерела (15+): Офіс Генпрокурора України, Texty.org.ua, InfoSapiens, BBC, Frontelligence Insight

КАРТА ПРИЧИН

ЛАНЦЮГ ПРОБЛЕМ

1. Демобілізація затримується (немає ротації)

↓

2. Люди втомлюються (30+ місяців без відпустки)

↓

3. Просять переведення (в іншу частину, ближче до дому)

↓

⚠ ВУЗЬКЕ МІСЦЕ 1: Кадровий центр (76% відмов)

↓

5. Командир дізнається про відмову

↓

⚠ ВУЗЬКЕ МІСЦЕ 2: Командир блокує наказ

↓

7. Військовий йде самовільно (СЗЧ)

ВУЗЬКІ МІСЦЯ

ВУЗЬКЕ МІСЦЕ 1: КАДРОВИЙ ЦЕНТР

Цифра: 76% рапортів відхилені (Texty.org.ua, січень 2025)

Причини: Некомплект, бюрократія (місяці очікування)

Наслідок: Військові не бачать виходу → йдуть самовільно

ВУЗЬКЕ МІСЦЕ 2: КОМАНДИРИ БЛОКУЮТЬ НАКАЗИ

Що: Кадровий центр схвалює → командир блокує (не підписує)
Причина: Невигідно відпускати досвідчених бійців (некомплект)

Наслідок: Військовий чекає місяцями → втрачає терпіння → СЗЧ

ТОЧКИ ВХОДУ (ДЛЯ ГЛИБШОГО АНАЛІЗУ)

Скільки рапортів без відповіді? KPI: % без відповіді протягом 30 днів
Які частини мають найбільший % СЗЧ? KPI: Топ-10 частин
Чи є зв'язок між ротацією та СЗЧ? KPI: % СЗЧ з ротацією vs без

ВИСНОВОК

Проблема: Не 'втома військових', а бюрократія та блокування наказів

Рішення:

Автоматизувати розгляд рапортів (макс. 14 днів)
Обмежити можливість командирів блокувати накази
Впровадити ротацію (12 міс. → 2 міс. відпустки)
КЕЙС 2: ГУМАНІТАРНА ЛОГІСТИКА

ДИСКЛЕЙМЕР: Аналіз базується виключно на відкритих джерелах (ООН OCHA, Reuters, BBC).
Я аналізую гуманітарну логістику (їжа, одяг, медикаменти), а не військову (засекречено).

ПИТАННЯ

Де застряє гуманітарна допомога між кордоном і бійцем?

Джерела (43): ООН OCHA, Reuters, BBC, Ukrinform, НГО (20+ організацій). AI (Claude) зібрав за 15
хвилин

КАРТА ЛАНЦЮГА

ЛАНЦЮГ ГУМАНІТАРНОЇ ЛОГІСТИКИ

1. Партнери (Польща, Німеччина)

↓

⚠ ВУЗЬКЕ МІСЦЕ 1: Кордон (Польща-Україна)

↓

3. Склад в Україні

↓

⚠ ВУЗЬКЕ МІСЦЕ 2: Мобілізація волонтерів

↓

5. Доставка до частини

↓

⚠ ВУЗЬКЕ МІСЦЕ 3: Останній кілометр (<10 км)

↓

7. Боєць

ВУЗЬКІ МІСЦЯ

ВУЗЬКЕ МІСЦЕ 1: КОРДОН

Проблема: Блокада польських перевізників (листопад 2023 – квітень 2024)

До блокади: 2–4 години очікування, $1700 доставка

Під час: до 127 годин (5+ днів), $5000 (+194%)

Приклад: Медикаменти з Нідерландів чекали 4 дні (Ukrinform)

Наслідок: Затримка = втрачені життя
ВУЗЬКЕ МІСЦЕ 2: МОБІЛІЗАЦІЯ ВОЛОНТЕРІВ

Проблема: Досвідчених волонтерів мобілізують → логістика застряє

Цифра: +65% інцидентів (січень–листопад 2024 vs 2023) — OHCHR

Наслідок: Новачки не знають безпечних маршрутів → більше ризиків

ВУЗЬКЕ МІСЦЕ 3: ОСТАННІЙ КІЛОМЕТР

Проблема: 60% атак відбуваються <10 км від лінії фронту (ООН OCHA)

Причина: Найнебезпечніша ділянка (дрони, артилерія)

Наслідок: Допомога залишається на складі, не доходить до бійців

ТОЧКИ ВХОДУ (ДЛЯ ГЛИБШОГО АНАЛІЗУ)
Скільки часу допомога чекає на кордоні ЗАРАЗ? KPI: Середній час (години)
Зв'язок між досвідом водіїв та інцидентами? KPI: % новачки vs досвідчені
Найбезпечніші маршрути для останнього кілометра? KPI: Карта атак

ВИСНОВОК

Проблема: Не 'бракує допомоги', а логістика застряє на трьох етапах

Рішення:

Кордон: Пріоритетні смуги для гуманітарки
Волонтери: Бронювання досвідчених від мобілізації
Останній кілометр: Навчання, альтернативні маршрути, дрони
МЕТОДОЛОГІЯ

ЕТАПИ РОБОТИ

Моніторинг джерел (множинні, незалежні)
Кросс-верифікація (3 незалежних = достовірно)
Побудова карти причин (ланцюг, а не симптоми)
Виявлення вузьких місць (де застряє система)
Формулювання точок входу (що виміряти, які KPI)

ЗАСТОСОВНІСТЬ ДО OSINT

Моніторинг відкритих джерел (Telegram, VK, Twitter, форуми)
Кросс-верифікація (часові кореляції, географічні збіги, хеш-порівняння)
Виявлення паттернів (координація, шаблони, поведінкові маркери)

Якби мав доступ до закритих даних — аналізував би їх так само

КОНТАКТИ

Email: [open contact info](look above in the "contact info" section)

Телефон/WhatsApp/Signal: [open contact info](look above in the "contact info" section)