Особисті дані приховані

Vadym Mosiichuk
Аналітик даних

Харків, Україна
Email: [відкрити контакти](див. вище в блоці «контактна інформація»)
LinkedIn: [відкрити контакти](див. вище в блоці «контактна інформація»)
Telegram: https://t.me/mine_telegram

ПРО СЕБЕ:
Дата Аналітик із ґрунтовною базою знань у продуктовій аналітиці, статистичних дослідженнях та
візуалізації даних. Маю практичний досвід оцінювання ефективності рекламних кампаній та аналітичний
підхід до вирішення бізнес-завдань. Спеціалізуюся на перетворенні необроблених даних на практичні
висновки, що допомагають ухвалювати обґрунтовані бізнес-рішення. Використовую SQL, Python та
сучасні інструменти візуалізації для визначення факторів залученості користувачів і пошуку можливостей
оптимізації продукту. Прагну приєднатися до команди, де зможу застосовувати аналітичні навички,
системне мислення та вміння працювати зі складними структурами даних для підвищення ефективності
бізнес-процесів.

ТЕХНІЧНІ НАВИЧКИ:
Аналіз Даних і Статистика: SQL, Python, Теорія Ймовірностей і Математична Статистика, Очищення та
Валідація Даних (Data Cleaning & Validation), A/B Testing.
Продуктова аналітика та метрики: Product Analysis, Збір Вимог (Requirements Gathering), Бізнес- і
Продуктові Метрики (Conversion Rate, ARPU/ARPPU, LTV, Retention, Churn Rate).
Візуалізація та Презентація Даних: Data Visualization, Data Storytelling, Tableau, Matplotlib, Seaborn.
ІНСТРУМЕНТИ:
Tableau, Looker Studio, Power BI, Pandas, NumPy, Jupyter Notebook, BigQuery, Google Sheets, Excel.
ОСОБИСТІ ЯКОСТІ:
Уважність до деталей, Відповідальність, Цілеспрямованість, Ретельність, Критичне мислення.

ПРОЄКТНИЙ ДОСВІД:
1. Аналітика воронки продажів та конверсії в E-Commerce (GA4 & Tableau) (Link)
Проєкт: E-Commerce Sales Funnel & Conversion Analytics
Інструменти: Google BigQuery (SQL), GA4 Event Schema, Tableau Public, Regex, Data Modeling,
Data Visualization.
Опис проєкту:Розробив комплексну аналітичну панель на основі даних GA4 для E-Commerce
(приблизно 867 тис. рядків). Проаналізував 7-етапну воронку конверсії та маркетингові канали з
метою оптимізації Conversion Rate (CR) і витрат на рекламу.
Основні завдання:
• Підготовка та трансформація даних (SQL/BigQuery): розгорнув вкладені структури та
трансформував необроблені журнали подій GA4, використовуючи CTEs і REGEXP_EXTRACT
для обробки URL. Створив складені ключі на основі user_pseudo_id та ga_session_id для
точного відстеження сесій.
• Розробка Dashboard і метрик (Tableau): створив інтерактивну аналітичну панель E-
Commerce Funnel із власними KPI-картками (Sessions, Purchases, CR) та оптимізованими
глобальними фільтрами.
Результати та бізнес-ефект:
• Ключові інсайти: виявив відтік приблизно 78,8% користувачів на початковому етапі воронки
— від початку сесії до перегляду товару. Визначив базові показники ефективності: CR —
1,34% за 354,8 тис. сесій і 4,7 тис. покупок.
• Бізнес-ефект: створив інтерактивну Dashboard, яка дає маркетинговій команді змогу
аналізувати ефективність каналів залучення та сегментів користувачів і визначати можливості
для оптимізації рекламних витрат.

2. Аналітична панель доходів і зростання користувачів SaaS-продукту (Link)
Проєкт: SaaS Revenue & User Growth Analytics Dashboard
Інструменти: PostgreSQL (DBeaver), Advanced SQL (CTEs, LAG/LEAD), Tableau Public, SaaS
Metrics, UI/UX Design.
Опис проєкту:Розробив комплексну аналітичну панель у Tableau Public для моніторингу динаміки
MRR, утримання підписників та економіки продукту (Unit Economics). Мета проєкту — забезпечити
аналітичну основу для ухвалення продуктових рішень.
Основні завдання:
• Обробка та аналіз даних (SQL): отримав і трансформував реляційні дані за допомогою
багаторівневих CTEs і віконних функцій (LAG, LEAD, DATE_TRUNC) для формування місячних
когорт, аналізу змін платежів та виявлення подій відтоку користувачів.
• Розрахунок метрик і контроль якості (Metric Modeling & QA): розрахував ключові SaaS-
метрики, зокрема структуру MRR, ARPPU, LTV та Churn Rate. Реалізував механізм перевірки
розрахунків у Tableau для забезпечення 100% точності обчислень.
• Візуалізація та UX: застосував принципи карткового UI/UX-дизайну, зокрема Z-pattern,
графіки з подвійною віссю та власні колірні палітри. Налаштував глобальні фільтри за
діапазоном дат, віком і мовою для зручного інтерактивного аналізу.
Результати та бізнес-ефект:
• Визначення особливостей утримання користувачів: виявив, що Revenue Churn (17–22%)
нижчий за User Churn (25–28%). Це свідчить про те, що користувачі з вищим доходом від
підписок демонструють кращу лояльність.
• Виявлення проблем на етапі адаптації користувачів: визначив суттєве зниження Retention
у листопаді, коли User Churn зріс до 35,7%. Отримані результати дали підстави змістити
фокус продуктової аналітики з залучення нових користувачів на запобігання відтоку на 3–4-му
місяцях користування продуктом.
ДОСВІД РОБОТИ:
VITORIA — менеджер із B2B/B2C-продажів обладнання для басейнів і водопідготовки
03.2018 – 06.2022
Зростання доходу та ефективності продажів: оптимізував процеси продажу обладнання для басейнів і
систем водопідготовки, що сприяло збільшенню щомісячного доходу регіонального сегмента на 10%.
Технічна аналітика та консультування: аналізував інженерні запити клієнтів і надавав технічні
консультації щодо очищення води на основі фактичних даних, що сприяло підвищенню конверсії з ліда в
угоду на 12%.
Утримання клієнтів: відстежував тенденції у зворотному зв’язку від B2B-клієнтів та аналізував дані щодо
перехресних продажів. Це допомагало оптимізувати процес продажу сервісних рішень і підтримувати
високий рівень утримання клієнтів.
МОВИ:
• Українська: рідна.
• Англійська: Intermediate.
ОСВІТА:
IT School GoIT
Курс «Data Analysis»
03.2026 – 09.2026
Харківський національний автомобільно-дорожній університет
Ступінь магістра за спеціальністю «Транспортні технології»
Спеціалізація: «Організація та регулювання дорожнього руху»
2012