Nikita

Fedoruk Nikita
Data Analyst | Product Analyst
Kyiv, Ukraine / [відкрити контакти](див. вище в блоці «контактна інформація») / [відкрити контакти](див. вище в блоці «контактна інформація») / https://t.me/Sakatar

OBJECTIVE

Product Analyst із 2.5 роками досвіду роботи у сфері фітнес-додатків із
підпискою (FitnessAI), з фокусом на конверсію, утримання (retention) та
монетизацію. Працюю за принципом end-to-end: від формулювання
продуктових гіпотез та запитань до побудови автоматизованих дашбордів,
проектування A/B-тестів і перетворення інсайтів з даних у чіткі продуктові
рішення для крос-функціональних команд.

EXPERIENCE

FitnessAI – Product Analyst (2.5 years) Jun 2023 - Dec 2025

Провів A/B-тестування для оновленого процесу онбордингу (onboarding
flow), збільшивши конверсію в реєстрацію на 3% шляхом видалення зайвих
кроків та впровадження контекстних підказок (in-flow guidance).

Налаштував автоматизовану щотижневу звітність за ключовими
показниками (конверсія, ARPU, retention, DAU, MAU), скоротивши час на її
підготовку на 40% завдяки заміні ручних звітів в Excel єдиним
автоматизованим конвеєром даних (data pipeline) та дашбордом.

Рефакторив та оптимізував основні збережені процедури SQL (stored
procedures), підвищивши швидкість виконання запитів та надійність
регулярного оновлення даних за рахунок спрощення логіки й зниження
навантаження на базу даних.

Оцінив результати A/B-тесту для оновлення персоналізованих
рекомендацій, підтвердивши статистично значуще зростання CTR та
забезпечивши стабільність обмежувальних метрик (guardrail metrics).

Розробив дашборди у Power BI в реальному часі для відстеження
ефективності маркетингових кампаній, що дозволило прискорити
оптимізацію бюджетів та зменшити неефективні витрати на рекламу.

Проводив ad-hoc дослідження для: (1) визначення ключових факторів
відтоку (churn drivers) для підтримки експериментів з утримання (product
retention), та (2) діагностики раптового падіння конверсії, в результаті чого
було виявлено помилку інтерфейсу (UI bug) на специфічних пристроях, яка
блокувала запуск тренувань, що дозволило оперативно випустити хотфікс
(hotfix).
Дослідив фактори утримання 30-го дня (D30 retention drivers) та розробив
евристичну модель прогнозування відтоку (rule-based churn-prediction
model) для таргетування користувачів з високим ризиком відтоку
пропозицією безкоштовної підписки на 1 місяць, знизивши відтік D30 з 20%
до 18% (−2 в.п.).

Спроектував та проаналізував понад 20 A/B-тестів і більше 10 досліджень
продукту у сферах онбордингу, пейволу (paywall), ціноутворення та
сценаріїв комунікації (lifecycle messaging).

EDUCATION

BS in Computer Science Sep 2021 - Jun 2025
PSACEA,
Faculty of Information Technologies and
Mechanical Engineering

SKILLS

• Product Analytics: KPI frameworks, metric trees, funnels, cohorts,
retention/churn, segmentation, activation, DAU/WAU/MAU, ARPU/LTV,
MRR/ARR

• Experimentation: A/B testing, A/A testing, statistical
significance & confidence intervals, lift/incrementality,
SRM checks, guardrail metrics

• Tracking & Instrumentation: tracking plan, event taxonomy, event
naming conventions, event properties, data QA/validation, instrumentation
debugging

• SQL, Databases & DWH: MS SQL (SSMS), PostgreSQL, BigQuery,
ClickHouse; CTE, window functions, query optimization

• Data Pipelines: SQL-based pipelines, ETL/ELT basics

• BI & Reporting: Power BI (data modeling, DAX), Metabase,
Tableau, Looker Studio; dashboarding, stakeholder reporting

• Event Analytics: Amplitude, Google Analytics 4 (GA4) (funnels, cohorts,
retention, segmentation)

• Spreadsheets & Data Prep: Excel & Google Sheets (Advanced formulas,
PivotTables, Power Query / M-code)

• Python: pandas, NumPy, SciPy, statsmodels, matplotlib, scikit-learn