Артем

ЩЕРБІНІН АРТЕМ АНДРІЙОВИЧ
Data Analyst
Київ | [відкрити контакти](див. вище в блоці «контактна інформація») | [відкрити контакти](див. вище в блоці «контактна інформація») | LinkedIn | GitHub

ПРОФІЛЬ
Data Analyst із 6-місячним практичним досвідом в рекламній аналітиці для e-
commerce (Meta Ads, Google Ads, Pinterest Ads, GA4): оптимізував кампанії до
цільового ROAS, працював з ключовими маркетинг та продуктовими
метриками та будував звіти в Tableau. Маю сильну технічну базу в Python,
просунутому SQL та Business Intelligence. Створюю аналітичні рішення
повного циклу: від збору даних через API та ETL-пайплайнів до
предиктивних моделей машинного навчання та дашбордів.
ДОСВІД РОБОТИ
Data Analyst | E-commerce компанія | 04.2026 – 09.2026
Аналізував дані платного трафіку з Meta Ads, Google Ads та Pinterest
Ads для e-commerce бізнесу; відстежував CPA, ROAS, CTR, CVR та
оптимізував кампанії до цільового ROAS.
Впроваджував і перевіряв трекінг (Meta Pixel, Pinterest Tag, події GA4,
UTM), усував розбіжності даних між рекламними кабінетами та GA4.
Створював і підтримував регулярні звіти та дашборди в Tableau.
ТЕХНІЧНІ НАВИЧКИ
Data Analysis & ML: Python (Pandas, NumPy, Scikit-Learn), A/B
тестування, аналіз LTV та RFM, Predictive Modeling, Математична
статистика.
Бази даних та ETL: Просунутий SQL (PostgreSQL, Window Functions,
CTEs), налаштування ETL-процесів, REST APIs.
Веб- та рекламна аналітика: GA4, Meta Pixel, Pinterest Tag, UTM,
Meta Ads, Google Ads, Pinterest Ads (ROAS, CPA, CTR, CVR).
Візуалізація та BI: Tableau, Power BI, Matplotlib, Seaborn.
Інструменти: Git, GitHub, Jupyter, асинхронне програмування (asyncio,
aiohttp).
Додатково: HTML/CSS, JavaScript, C++, розуміння Backend-
архітектури.

ПОРТФОЛІО ПРОЄКТІВ (GitHub)
Monobank ETL Pipeline: Побудував автоматизований пайплайн:
Monobank API → Pandas → PostgreSQL, з виявленням аномалій
(Isolation Forest) та поведінковою сегментацією; очищені дані живлять
дашборди Power BI. (Стек: Python, REST API, PostgreSQL, Scikit-Learn,
Power BI)
E-Commerce Cohort & LTV Analysis: Проаналізував утримання
клієнтів та логістичні вузькі місця: обробка в Python → PostgreSQL →
дашборди LTV у Power BI. (Стек: Python, PostgreSQL, Power BI)
Customer Churn Prediction: Модель Random Forest для виявлення
клієнтів із високим ризиком відтоку та дашборд Power BI з метрикою
«Revenue at Risk» для пріоритизації утримання. (Стек: Python, Scikit-
Learn, Power BI)

ОСВІТА
Київський національний економічний університет імені В. Гетьмана
Бакалавр, Комп’ютерні науки | 2024 – 2028
Рейтинг: 1-ше місце на факультеті за результатами 2-го курсу.
Середній бал: 95.4 (Grade A).

МОВИ
English: B2 (Upper-Intermediate) - вільне читання документації,
професійна комунікація.
Українська: Рідна.