Артем

АРТЕМ ДАНИЛЕНКО
Power BI Analyst | Power BI · SQL · Excel
Черкаси, Україна | [відкрити контакти](див. вище в блоці «контактна інформація») | LinkedIn | GitHub

Data Analyst із практичним досвідом аналізу, очищення, трансформації та візуалізації даних у власних
аналітичних проєктах з використанням Power BI, SQL та Excel. Самостійно реалізував проєкти на реальних
датасетах, включно з оптимізацією SQL-запитів та побудовою інтерактивних Power BI звітів для аналізу
бізнес-показників і KPI. Понад 10 років професійного досвіду в банківській сфері сформували глибоке розуміння
фінансових KPI та бізнес-процесів, що допомагає швидко занурюватися в бізнес-контекст аналітичних задач.

НАВИЧКИ
BI & Data Analytics
Power BI Desktop | DAX | Power Query | DAX Studio
Power BI Service | Dataflow Gen2 | Fabric Lakehouse
Data Modeling | Data Transformation | Data Visualization | Report & Dashboard Development | RLS | Workspace
Permissions
SQL
PostgreSQL | BigQuery
JOINs | Aggregations | CTEs | Subqueries | Window Functions
EXPLAIN ANALYZE | Indexing | Partitioning | Clustering
Excel
Advanced Formulas | Pivot Tables | Pivot Charts

ДОСВІД РОБОТИ
АТ КБ «ПриватБанк» | Спеціаліст / Старший спеціаліст – Hard Collection
Лютий 2015 – Травень 2026 | Черкаси, Україна
• Управляв портфелем простроченої заборгованості: розподіляв клієнтські кейси за рівнем ризику, узгоджував
умови оплати та реструктуризації, контролював виконання домовленостей через внутрішню систему обліку та
роботи з клієнтами.
• Визначав пріоритети в роботі з портфелем на основі комплексного аналізу терміну прострочення, суми боргу,
історії платежів, контактності, наявності застави/поручителя.
• Відстежував власні KPI через внутрішні дашборди, стабільно утримуючи результат на рівні 100-130%.

ПРОЄКТИ
Spotify Listening Analysis (датасет Kaggle) – SQL Analysis on GitHub | Power BI Dashboard
• Проаналізував понад 149 тис. записів історії прослуховувань у PostgreSQL та BigQuery, використовуючи CTE,
підзапити, віконні функції та часовий аналіз. Виявив, що лояльність слухача зосереджена на рівні артистів, а не
окремих треків: невелика група улюблених виконавців формує основну частку прослуховувань, тоді як
прослуховування розподілені між багатьма треками їхнього репертуару. Порівняння платформ показало суттєву
відмінність у поведінці – на десктопі частка пропущених треків значно вища, ніж на мобільному.
• Побудував інтерактивний Power BI звіт з фільтрами, Top-N аналізом та деталізацією до рівня альбомів і треків.
Розробив сегментацію треків за залученістю (частота + тривалість прослуховування), а не лише за кількістю
відтворень. Аналіз часових патернів прослуховувань за днями тижня та годинами показав пікову активність пізно
ввечері, вночі та у вихідні.
• Оптимізував SQL-запити в PostgreSQL та BigQuery за допомогою індексів, партиціонування й кластеризації –
скоротив час виконання окремих запитів у сотні разів, а обсяг оброблюваних даних у BigQuery – більш ніж на 90%;
визначив, які техніки оптимізації ефективні для конкретних типів запитів і обсягів даних.

Supply Chain Analysis (датасет Kaggle) – Power BI Dashboard
• Використовував Power Query для очищення та трансформації даних, DAX – для розрахунку KPI й аналітичних
показників, а також Data Modeling для побудови моделі даних і зв’язків між таблицями.
• Побудував інтерактивний Power BI звіт із фільтрами, трендами, порівняннями та деталізацією показників для
аналізу постачальників, виробництва, запасів, відвантажень і продажів.

• Виявив, що 29% товарних позицій перебувають нижче точки повторного замовлення, причому половина з
них зосереджена на одному складі, що дозволяє визначити пріоритетні зони для поповнення. Внутрішні виробничі
підрозділи забезпечують середній термін поставки близько 9 днів проти 12+ днів у зовнішніх постачальників, тоді
як найдорожчий постачальник не має найнижчого рівня дефектності.
• Проаналізував причини затримок доставки (7,64% усіх відправлень) та з’ясував, що операційні фактори –
обмеження з боку перевізників, проблеми з документацією та завантаженість портів – мають більшу частку, ніж
погодні фактори. Аналіз продажів показав виражену сезонність із піком виручки у IV кварталі при стабільній
маржинальності на рівні 28%.

ОСВІТА
Черкаський інститут банківської справи Університету банківської справи Національного банку України
Магістр – Банківська справа, 2015 | Бакалавр – Фінанси і кредит, 2013

МОВИ
Українська – Рідна
Англійська – Pre-Intermediate

Додаткова інформація
Особа з інвалідністю; маю чинну оформлену відстрочку від призову під час мобілізації.