Серафим

Серафим Мітрік
Junior Data / BI Analyst

Локація: Чернівці, Україна (Готовий до віддаленої роботи, гібриду та релокації)

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

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

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

GitHub: github.com/pipserrr

ПРОФЕСІЙНИЙ ПРОФІЛЬ

Аналітик даних та BI з фокусом на e-commerce та аналітику продажів. Володію
навичками побудови повного циклу аналітичних процесів — від вивантаження й
очищення даних на Python до моделювання «Зірка» (Star Schema) та інтерактивної
візуалізації в Power BI. Маю практичний досвід перетворення "сирих" даних на
бізнес-інсайти: виявлення втрат виторгу, аналіз відтоку клієнтів за допомогою
RFM-сегментації та оцінка тональності відгуків.

ТЕХНІЧНІ НАВИЧКИ

● BI та Візуалізація: Power BI, DAX, Power Query, Моделювання даних (Star
Schema), дизайн дашбордів.
● Обробка даних та програмування: Python (Pandas, Requests, JSON),
інтеграція з API, евристики текстового майнінгу (NLP).
● Бази даних: SQL (PostgreSQL/MySQL, JOINs, CTEs, Window Functions,
Aggregations).
● Інструменти: MS Excel (розширені формули, зведені таблиці), Git, GitHub.
● Бізнес-аналітика: Трекінг операційних KPI, RFM-аналіз, аналіз тональності
(Sentiment Analysis), аналіз маржинальності, YoY-тренди.

ПРОЄКТИ В ПОРТФОЛІО

E-Commerce Analytics & AI Customer Feedback Dashboard | Python, REST API, Power
BI, DAX

Посилання на GitHub

● Створив повний ETL-пайплайн на Python (використовуючи requests) для
вивантаження даних інтернет-магазину (замовлення, клієнти, товари, відгуки)
через REST API із розгортанням вкладених JSON-структур у реляційні таблиці.

● Розробив rule-based скрипт текстового майнінгу на Pandas для автоматичної
категоризації негативних відгуків (логістика, якість, ціноутворення), що
дозволило зекономити кошти на зовнішніх LLM API.
● Спроектував дашборд у Power BI зі схемою «Зірка» та користувацькими
DAX-мірами; виявив, що 62% негативних відгуків стосуються роботи служби
підтримки (Customer Service), а не цін чи доставки.
● Провів RFM-сегментацію клієнтської бази, виділивши 37% аудиторії в зонах "At
Risk" та "Lost", що дає основу для цільових кампаній з утримання.
● Знайшов товари з низьким рейтингом, які генерують високий виторг, що
дозволило менеджменту оперативно звернути увагу на проблеми з якістю, що
впливають на LTV.

Sales & Financial Analytics Dashboard | Power BI, DAX, Python, MS Excel

Посилання на GitHub

● Розробив комплексний 4-сторінковий дашборд у Power BI для аналізу
операційних та фінансових показників за історичними даними продажів
(2020–2023 рр.).
● Автоматизував конвертацію валют і цін за допомогою Python (Pandas) скрипта
для парсингу та збагачення історичних даних курсів валют.
● Побудував надійну модель даних із кастомною таблицею дат та написав складні
DAX-міри для розрахунку YoY-зростання, валової/чистої маржинальності та
медіани продажів.
● Визначив категорії-драйвери виторгу та локалізував низькомаржинальні регіони
для оптимізації логістичної й цінової стратегії компанії.

КУРСИ ТА СЕРТИФІКАТИ

● Microsoft — Power BI Data Analyst Professional Certificate (Coursera) | 2026
● IBM — Data Analysis with Python (Coursera) | 2026
● Google — Introduction to Git and GitHub (Coursera) | 2026
● University of Michigan — Python for Everybody (Coursera) | 2026

МОВИ (LANGUAGES)

● Англійська: Середній (Intermediate / B1)
● Українська: Рідна