Владислав

Брусенцев Владислав
[відкрити контакти](див. вище в блоці «контактна інформація») · [відкрити контакти](див. вище в блоці «контактна інформація») Vladyslav Brusentcev | LinkedIn Telegram | @Brusdown
Сонячний Берег, Болгарія
Фахівець з виробничого планування

Планувальник виробництва з дворічним стажем роботи на фармацевтичному заводі. Маю досвід коротко-,
середньо- та довгострокового планування виробництва, а також відмінні навички аналізу та оптимізації
випуску продукції. Керую всіма пов'язаними виробничими операціями за допомогою ERP-системи IFS та
Excel, забезпечуючи точність та ефективність процесів. Крім того, використовую BAS для управління
угодами з постачальниками. Здобув ступінь магістра з економічної кібернетики зі спеціалізацією на аналізі
великих даних, економічно-математичному моделюванні. Закінчив курс з аналізу даних у GoIT та
оволодів навичками роботи з SQL (MS SQL, PostgreSQL, BigQuery), Google Sheets, Google Colab, Python
(numpy, pandas, matplotlib), Power BI та Tableau.

НАВИЧКИ

• ERP Systems (IFS),
• BAS (Budgeting and Document Management);
• Excel/Google Sheets;
• SQL, MS SQL, PostgreSQL;
• BigQuery;
• Power BI;
• Tableau;
• Looker Studio

Планування та календарне планування виробництва, очищення та попередня обробка даних, статистичний
аналіз та візуалізація даних

ПРОЄКТНИЙ ДОСВІД

Аналіз часу доставки, США (Analysis of delivery time | Tableau Public)

Інструменти: SQL, Tableau,

Опис Проведено аналіз часу доставки в регіонах США з використанням геопросторових і часових показників.
Виявлено основні закономірності в швидкості доставки залежно від штату, дня тижня та типу замовлення.
Візуалізація дозволила порівняти середній час доставки, виявити затримки та оцінити ефективність
логістики.

Задачі: Збір та попередня обробка даних; розрахунок KPI: середній час доставки, частка затриманих
замовлень; Розробка інтерактивної інформаційної панелі в Tableau

Результат: Виділено штати з найбільшими затримками доставки; надано рекомендації щодо оптимізації
логістики; підтримано прийняття рішень на основі даних для поліпшення служби доставки.

Аналіз ефективності цінового A/B-тесту (A/B Test)

Інструменти: Google Colab, Python (pandas, numpy, scipy, matplotlib, seaborn), Google Sheets

Опис: Проведено повний аналіз A/B-тесту для оцінки впливу treatment-ціни на поведінку користувачів.
Виконано розрахунок ключових метрик (CR, ARPU), побудовано довірчі інтервали та застосовано статистичні
методи для перевірки гіпотез. Проведено country-level аналіз для виявлення неоднорідності ефекту між
ринками.

Задачі: Збір і підготовка даних; розрахунок CR та ARPU для treatment і control; застосування t-тестів для
оцінки статистичної значущості; побудова візуалізацій у Python; аналіз помилок першого та другого роду;
формування бізнес-висновків.

Результат: Встановлено, що treatment-ціна не має статистично значущого ефекту на більшості ринків, однак
у Канаді treatment демонструє доведене зростання як конверсії, так і ARPU. На основі цього сформовано
рекомендацію щодо подальшого глибшого дослідження канадського ринку та потенційного локального
впровадження treatment-ціни.

ДОСВІД РОБОТИ

АТ "КИЇВМЕДПРЕПАРАТ"
Серпень 2024–сьогодення
Фахівець з виробничого планування
• Аналіз та подальші висновки з виробничої діяльності підприємства
• Аналіз CRP-завантаження виробничих потужностей
• Оптимізація безперебійних виробничих процесів
• Аналіз MRP-системи підприємства для забезпечення безперебійних виробничих процесів
• Забезпечення дотримання GMP вимог для виробництва стерильної продукції
• Навички короткострокового, середньострокового та довгострокового планування виробництва
• Аналіз найбільш прибуткових і найменш прибуткових продуктів з подальшим коригуванням планів
продажів
• Аналіз використання складських приміщень
• Робота в кризові періоди під час нестачі персоналу, дефіциту сировини та матеріалів, а також
блокування готової продукції.
• Комунікація з багатьма відділами заводу для забезпечення високої якості процесу планування
виробництва
Досягнення:
• Скорочення часу аналізу забезпеченості виробництва на 30% завдяки поєднанню функціональних
можливостей Excel та IFS.
• Зменшення ймовірності простоїв виробничих потужностей заводу на 50% завдяки впровадженню
сценарного планування на випадок непередбачених поломок і зупинок.

ОСВІТА
IT School "GoIT"
2025
Аналітик Даних

Запорізький національний університет
Вересень 2024– Грудень 2025
Магістр з Економічної кібернетики

МОВИ
Англійська – Вище середнього
Німецька - Базовий
Українська - Вільно