Oleg

OLEG SAVINOVSKYI
Аналітик даних | SQL | Фінтех та фінансова аналітика | AI Infrastructure
[open contact info](look above in the "contact info" section) | [open contact info](look above in the "contact info" section) | Київ, Україна | Віддалено

Аналітик даних із практичним досвідом роботи з SQL, Excel/Google Sheets, Python (Pandas, NumPy) та
фінансовим аналізом даних. Досвід роботи у фінтех-секторі та фінансових операціях — робота з
кредитними портфелями, грошовими потоками, звітами про прибутки та збитки (P&L) та великими
структурованими наборами даних. Маю досвід створення дашбордів, автоматизації звітності та
перетворення необроблених даних на чіткі бізнес-інсайти для керівництва.

Понад 2 роки практичного досвіду роботи з LLM — від локального розгортання моделей (LM Studio,
AnythingLLM, llama.cpp) до агентної розробки з Claude Code та OpenAI Codex. Аналітичний склад мислення,
висока увага до деталей та структурований підхід до роботи з цифрами

КЛЮЧОВІ НАВИЧКИ ТА ІНСТРУМЕНТИ

SQL та бази даних Аналітика та звітність Фінанси та галузева
• SQL — JOIN, CTE, GROUP BY експертиза
• Excel / Google Sheets
• Віконні функції (агрегації) (просунутий рівень) • Аналіз P&L / грошових потоків
• PostgreSQL / BigQuery • VLOOKUP, SUMIFS, зведені • Когортний та конверсійний
таблиці аналіз
• Видобування та агрегація даних
• Power Query / автоматизація • Метрики ROI / LTV / CPL
• Робота з великими наборами
даних • Tableau / Looker Studio / • Фінансова звітність
• Дашборди та KPI-звітність (управлінська)
• Python / Pandas / NumPy/
Matplotlib / Seaborn

ПРОФЕСІЙНИЙ ДОСВІД

CapitalHive Management 2022 – 2024
Аналітик даних і фінансовий аналітик
Здійснював аналіз даних та фінансову звітність для інвестиційного портфеля обсягом понад $1 млн.
Відповідав за когортне відстеження, показники ефективності та управлінські дашборди.
• Розробляв та підтримував SQL-запити для вилучення, фільтрації та агрегації фінансових даних зі
структурованих баз даних для регулярної та разової звітності
• Проводив когортний аналіз та відстеження конверсії — моніторив ефективність різних клієнтських та
портфельних сегментів у часі
• Розробляв звіти P&L та про рух грошових коштів з повною деталізацією за сегментами, що сприяло
прийняттю рішень щодо розподілу капіталу на основі даних
• Створював автоматизовані дашборди в Excel/Google Sheets зі зведеними таблицями, SUMIFS,
VLOOKUP та Power Query — скоротив час на ручну звітність на 60%
• Візуалізував ключові фінансові показники в Tableau для огляду керівництвом — відстежував ROI, LTV та
KPI ефективності портфеля
• Працював з великими структурованими наборами даних — очищував, перевіряв та звіряв дані для
забезпечення точності звітності
• Готував регулярні фінансові звіти для керівництва з чітким наративом та практичними інсайтами

Pawnshop Network: Autolombard 2017 – 2018
Керівник відділу ІТ-інфраструктури та операцій з даними
Побудував централізовану інфраструктуру даних та системи звітності для фінтех/кредитного бізнесу з 20
локаціями. Повна відповідальність за конвеєри даних, логіку валідації та операційну аналітику.
• Розробляв ETL-конвеєри для агрегації транзакційних та операційних даних із 20 розподілених локацій в
єдину аналітичну базу даних
• Створював SQL-звітність для відстеження ефективності первинних та повторних кредитів по всій
мережі філій
 • Впроваджував процедури валідації та контролю якості даних — скоротив кількість помилок у даних на
95%
• Автоматизував фінансову та операційну звітність, скоротивши час підготовки з днів до годин
• Готував структуровані управлінські звіти про ефективність портфеля, грошові потоки та операційні KPI
для власників компанії

Фриланс-аналітик даних 2023 – дотепер
Незалежний підрядник
• Виконував проєкти з аналізу даних та звітності для B2B-клієнтів з використанням SQL, Tableau / Python /
Excel та Google Sheets
• Створював дашборди та автоматизовані шаблони звітності, адаптовані під KPI та бізнес-метрики
клієнтів
• Застосовував когортний аналіз та сегментацію для відстеження поведінки користувачів і клієнтів

КЛЮЧОВІ ДОСЯГНЕННЯ
• Понад 2 роки досвіду розгортання та налаштування локальної інфраструктури LLM (LM Studio,
llama.cpp, квантовані моделі з GPU-прискоренням) — систематичний підхід до вибору моделі та оцінки
її придатності під конкретні завдання
• Розробив власну методику порівняльного аналізу LLM-моделей за точністю, узгодженістю, якістю
міркувань та надійністю в предметній галузі; застосовую просунутий промпт-інжиніринг для отримання
надійних результатів та виявлення меж моделі
• Налаштовував RAG (Retrieval-Augmented Generation) для локальних LLM (LM Studio, llama.cpp) —
підключення моделей до власних баз знань/документів для точніших, контекстно релевантних
відповідей; використовую LLM для агентної розробки та програмування (Claude Code, OpenAI Codex) у
щоденній роботі над продакшн-системами
• Побудував повну інфраструктуру фінансової аналітики з нуля для кредитного бізнесу з 20 локаціями —
зниження кількості помилок у даних на 95%
• Автоматизував робочі процеси звітності, заощадивши понад 60% часу на ручну обробку в усіх
аналітичних проєктах
• Аналітика торговельної дохідності (Python) — побудував наскрізний пайплайн обробки даних на
Pandas/NumPy/ Matplotlib/Seaborn
• Керував та аналізував портфель обсягом понад $1 млн з повним відстеженням P&L, когорт та
ефективності
• Стабільно підтримував точність даних на рівні понад 95% у всіх звітних та аналітичних матеріалах

НЕЗАЛЕЖНІ ПРОЄКТИ
• NeuralTick Research — засновник незалежної ініціативи кількісних досліджень для американських акцій;
розробляю алгоритмічні торгові інструменти, побудовані на прозорій, тестованій логіці (без прихованих
сіток, мартингейлів), перевірені в тестері стратегій та на реальних ринкових даних
• Аналітика торговельної дохідності (Python) — побудував наскрізний пайплайн обробки даних на
Pandas/NumPy: завантаження та очищення великих масивів угод, приведення до єдиного формату
(дата, обсяг, ціна), об'єднання 5–10 наборів даних в один датафрейм з перерахунком балансу;
розраховував ключові метрики ефективності (профіт-фактор, максимальна просадка, математичне
очікування, коефіцієнт Шарпа) та прогнозував подальшу дохідність; візуалізував динаміку капіталу та
статистику через Matplotlib/Seaborn.
• MQL5 Market — опублікував 2 алгоритмічні торгові продукти (експертний радник та індикатор) на
маркетплейсі MQL5: mql5.com/ru/
• Маркетинг та розвиток аудиторії — керую контент-стратегією та розвитком аудиторії NeuralTick на
Facebook та YouTube, від планування контенту до таргетингу на основі аналітики
• 3D-шахи з інтерактивним навчанням —створив тривимірний шаховий тренажер — (HTML/JavaScript,
Three.js). Electron для реалізації в Steam, з трьома основними дошками плюс рухомими дошками атаки,
суперником на основі штучного інтелекту з регульованою складністю та вбудованими навчальними
оверлеями (візуалізація рухів/загроз).

ОСВІТА ТА НАВЧАННЯ
Інженерний ступінь
GO IT — Курс аналітики даних
SQL, PostgreSQL, BigQuery, Python (Pandas, NumPy, Matplotlib), Google Sheets, Looker Studio, Tableau,
Google Analytics 4, A/B-тестування