Дмитро

ДМИТРО КУПРІЯНОВ
JUNIOR DATA ANALYST
Початківець Data Analyst із практичним досвідом використання SQL та Python для
очищення, аналізу даних і побудови звітності. Аналізував користувацькі та
фінансові дані з e-commerce і банківських датасетів, сегментував користувачів та
розраховував ключові бізнес-метрики (conversion, AOV, revenue). Виконував
КОНТАКТИ
exploratory data analysis (EDA) та створював аналітичні звіти. Цікавлюсь аналізом
[відкрити контакти](див. вище в блоці «контактна інформація»)
даних за допомогою SQL та створенням дашбордів у Tableau. та data-driven
[відкрити контакти](див. вище в блоці «контактна інформація»)
прийняттям рішень.
LinkedIn | GitHub |
Tableau Public ПРОЄКТИ
Чернігів,Україна Installment Loan Portfolio Analysis
Інструменти: SQL (T-SQL), MS SQL Server
ТЕХНІЧНІ НАВИЧКИ
Опис: Аналіз портфеля кредитів на виплат для оцінки платіжної поведінки клієнтів
• SQL(JOINs, CTE, Window
та кредитних ризиків.
Functions)
Завдання: Порівняння планових та фактичних платежів. Розрахунок прострочених
• Python для аналізу даних
сум та залишків заборгованості. Сегментація клієнтів за рівнем прострочення.
• Очищення та валідація даних
Результати: Виявлено клієнтів із високим рівнем ризику. Визначено закономірності
• Exploratory data analysis
повторних затримок платежів.
(EDA)
• Бізнес—метрики: ARPU, Stack Overflow Developer Survey Analysis (Python, Pandas)
LTV, churn, conversion, Інструменти: Python, Pandas, NumPy, Jupyter Notebook
retention, AOV, revenue Опис: Аналіз великого датасету опитування розробників (40,000+ відповідей) для
• Базова статистика та дослідження зарплатних трендів, рівня досвіду та популярності технологій.
hypothesis testing Завдання: Очищення та валідація даних. Проведення exploratory data analysis
• Основи А/В тестування (EDA). Аналіз взаємозв’язку між досвідом роботи та рівнем зарплати. Порівняння
• Візуалізація даних та популярності віддаленої роботи у різних регіонах. Аналіз трендів використання
дашборди Python.
• Data storytelling Результати: Виявлено ключові фактори, що впливають на рівень зарплати.
ІНСТРУМЕНТИ Визначено регіональні відмінності у використанні віддаленої роботи.
Підготовлено аналітичний звіт із бізнес-висновками.
• MS SQL Server, PostgreSQL
• Excel, Google Sheets Revenue & User Analytics (SQL, Tableau)
• Python (Pandas, NumPy) Інструменти: PostgreSQL, Tableau
• Jupyter Notebook Опис: Створення end-to-end аналітичного рішення для аналізу поведінки
• Tableau користувачів та відстеження ключових SaaS-метрик.
• Power BI (basic)
Завдання: Розробка SQL-запитів із використанням CTE та Window Functions
• Matplotlib, Seaborn
(LAG/LEAD). Розрахунок MRR, New MRR, Net MRR, ARPPU, Churn Rate. Аналіз
• BigQuery
revenue-трендів та поведінки користувачів у часі. Створення інтерактивного Tableau
ОСОБИСТІ ЯКОСТІ dashboard.
• Аналітичне мислення Результати: Виявлено churn як основний фактор зниження revenue. Показано, що
• Уважність до деталей основне зростання забезпечують нові користувачі. Виявлено нестабільність revenue
• Комунікаційні навички через періоди contraction.
МОВА ДОСВІД РОБОТИ
Англійська — Sense Bank: Спеціаліст з обслуговування клієнтів (клієнти малого та середнього
Pre-Intermediate бізнесу та VIP клієнти) 2017 – зараз
Українська — Рідна Обов’язки:
ОСВІТА • Супровід фінансових операцій та транзакцій SME, ФОП, VIP клієнтів
IT School “GoIT” — Data • Аналіз та вирішення складних платіжних кейсів
Analysis (2025–2026) • Дослідження причин повторних звернень клієнтів
• Взаємодія з внутрішніми командами для покращення процесів
Чернігівський національний
Досягнення:
технологічний університет
• Зменшив кількість повторних звернень клієнтів через оптимізацію процесу
Магістр фінансів, банківської
• Покращив операційну ефективність завдяки структурованому аналізу проблем
справи та страхування (2013–
2019)