Кирил

Іванов Кирил
Product Analyst | Data Analyst
[відкрити контакти](див. вище в блоці «контактна інформація») | @ivkir00 | [відкрити контакти](див. вище в блоці «контактна інформація»)

Аналітик даних із сильною базою в SQL, Python (pandas, numpy), візуалізації даних (Tableau,
Power BI) та розумінням бізнес-метрик. Маю практичний досвід обробки масивів даних у
BigQuery, розробки інтерактивних дашбордів та використання математичної статистики (описова
статистика, перевірка гіпотез, регресійні моделі).

Навички
● SQL (оптимізація запитів, віконні функції, CTE).
● Python (pandas, numpy, scipy, matplotlib, seaborn).
● Excel та Google Sheets (Power Query, зведені таблиці, складні функції, INDEX/MATCH).
● Продуктові метрики (ARPU, Churn Rate, CPU/CPL/CPA, ROI, когортний аналіз тощо).
● Статистика і теорія ймовірності (А/Б тестування, перевірка гіпотез, статистичний аналіз).
● Tableau, Power BI (візуалізація).
Мова: Англійська (B1+).

Практичний досвід
● Аналіз ROI маркетингових кампаній (SQL, BigQuery, Tableau) [github.com][tableau.com]:
Створив єдину маркетингову вітрину, консолідувавши 4 розрізнені таблиці (витрати, інстали,
in-app покупки та ad revenue) із загальною кількістю понад 12 млн рядків. Використав складні
LEFT / FULL OUTER JOIN та агрегації в CTE для зведення витрат і доходів. Опрацював
пропущені значення через COALESCE та розрахував ключові метрики (Total Revenue,
абсолютну окупність та відносний ROAS/ROI). Побудував дашборд у Tableau для швидкого
виявлення збиткових кампаній та оптимізації бюджету, який скоротив час на аналіз кампаній
на 2 години на тиждень.

● Дослідницький аналіз даних продажів (Python, EDA) [github.com]. Використав Python
(pandas, seaborn). Очистив сирі дані за рік (привів до потрібного типу, працював над
відсутніми даними, виявив аномалії) та провів розвідувальний аналіз: розрахував середній
чек (AOV), виявив сезонність, топ-товари та найприбутковіші локації.

● Когортний аналіз та розрахунок Retention Rate (Python) [github.com]: Побудова пайплайну
для продуктової аналітики на Python (pandas, seaborn). Перетворив сирі дані на класичну
Retention матрицю з розбивкою по когортах, що дозволяє швидко оцінювати життєвий цикл
юзерів (Lifetime) та візуально відслідковувати патерни відтоку (Churn Rate).

Освіта
Запорізький національний університет
Бакалавр, Економіка (Спеціальність: Економічна кібернетика)
Роки навчання: 2024 – 2028 (3-й курс, навчання не перешкоджає full-time роботі)
Середній бал: 95/100 за всі роки навчання