Володимир Ветеран 

ВОЛОДИМИР ВОРОШИЛОВ
BI / Data Analyst
[відкрити контакти](див. вище в блоці «контактна інформація») | Telegram: @VoroshylovV | [відкрити контакти](див. вище в блоці «контактна інформація») | WhatsApp: [відкрити контакти](див. вище в блоці «контактна інформація») |
[відкрити контакти](див. вище в блоці «контактна інформація») | Poland (remote), готовий працювати за київським часом

ПРО МЕНЕ
Аналітик з 7+ роками досвіду в телекомунікаціях: понад 5 років щомісячної KPI-звітності, аналіз першопричин
помилок, керування командою (12–15 людей). Практичні навички SQL (BigQuery, PostgreSQL), dbt, Tableau,
Python (Pandas, NumPy), A/B тестування, EDA. Побудував автономний конвеєр даних на Python і Claude API з
контролем якості AI-виводу (59 тестів у CI, звірка двох незалежних реалізацій) та dbt-проєкт на BigQuery, де
тести даних виявили втрату до 37% інсталяцій і 30% виручки у вітрині кампаній. Завершив курс Data Analyst
(GoIT, сертифікат «Пройдено») і проєкт GoIT × ХНУ ім. В. Н. Каразіна. Шукаю позицію Junior/Entry-level Data /
BI Analyst.

КЛЮЧОВІ НАВИЧКИ
• SQL (BigQuery, PostgreSQL) — JOIN, GROUP BY та агрегації, підзапити, CTE, віконні функції (ROW_NUMBER,
RANK); DBeaver
• dbt Core + BigQuery — staging-моделі та mart, data tests (not_null, singular tests), звірка джерело → mart
• Python: Pandas, NumPy — очищення, трансформація, EDA; pytest, CI/CD (GitHub Actions)
• Data quality: звірка з джерелом, пошук аномалій і втрат даних, аналіз першопричин помилок; перевірка
AI-виводу (схема, детерміновані перевірки, контрольні запити)
• Статистичний аналіз та A/B тестування — перевірка гіпотез (z-test), аналіз конверсії; ARPU, retention
(навчальні проєкти), KPI-звітність
• Tableau — інтерактивні дашборди та публічні візуалізації; Microsoft Excel, Google Sheets — аналіз даних,
звітність
• Data Storytelling — висновки та рекомендації для людини, організації й державних органів на основі
даних

ДОСВІД
Власний проєкт | Job Search Automation Pipeline | Python, Claude API, Google Drive/Docs/Sheets/Gmail API,
GitHub Actions
• GitHub: github.com/VoroshylovV/job-search-automation-pipeline
• Автономний щоденний конвеєр: скрапінг 5 українських job-бордів, оцінка релевантності вакансій і
класифікація листів рекрутерів через Claude API, запис результатів у Google Sheets/Docs без ручних кроків;
дедублікація за 21-денним вікном, запуск за розкладом.
• Контроль якості AI-виводу: валідація JSON за схемою, один повторний виклик і далі явна помилка;
детерміновані фільтри дат і дублів після моделі; лог причин відсіву кожної вакансії за критерієм.
• Паралельна щоденна звірка двох незалежних версій (промт і Python-код) виявила, що одна пропускала
релевантні вакансії (0 з 8 за день); виправлено двоетапною оцінкою (картка як грубе сито, повний текст
як рішення). 59 тестів у CI.
Спільний проєкт | GoIT та Харківський національний університет імені В. Н. Каразіна | 12.08.2026 –
14.09.2026
• Тему обирав самостійно: за відкритими даними Держстату (stat.gov.ua) зібрав, очистив і проаналізував
дані (описова статистика, кореляційний аналіз, візуалізація), сформулював висновки та рекомендації для
трьох рівнів — людини, організації, державних органів.
• «Активні підприємства України 2025»: частка жінок-керівниць від 16–19% (добувна промисловість,
будівництво) до 77,5% (освіта) при середньому 36,7%. GitHub — enterprises-analysis-ua · Tableau —
public.tableau.com/…/2025_17874195058340 · стаття (з рекомендаціями за стратегічними документами) —
observer.in.ua.
• «Суб'єктивна оцінка достатності доходів в Україні (2021)»: частка домогосподарств у нестатку падає з
71,7% до 5,3% зі зростанням доходу; поріг достатності (4000–5000 грн на особу) удвічі перевищує
законодавчий прожитковий мінімум (2270–2481 грн). GitHub — income-satisfaction-ua.

Проєкти на навчальних і тестових даних
• dbt + BigQuery — маркетингова вітрина ROAS (дані тестового завдання Junior Data Analyst). Перебудував
ad-hoc SQL-запит на ~100 рядків у шаровий dbt-проєкт (staging → mart по днях і кампаніях: витрати,
інсталяції, виручка, CPI, ROAS). Тест not_null виявив 56 рядків із порожнім campaign_id: у старій вітрині
губилось 7,6% виручки від реклами, 29,9% виручки від покупок і 37,2% інсталяцій; виправлення дало
зміну сукупного ROAS з ~279% до ~375%, а тест звірки джерело → mart тепер зупиняє збірку при
розбіжності. GitHub — marketing-campaign-roas-dbt.
• SQL-кейс: P&L по каналах продажів (PostgreSQL, DBeaver, Tableau). P&L по 5 каналах без fan-out
(агрегація в CTE до JOIN), розбір розбіжності з маркетплейсом ($7 830 = повернення + часовий пояс),
аудит AI-запиту з 6 дефектами; відтворюваний тестовий стенд. GitHub — sql-test-task-sales-analytics ·
Tableau — public.tableau.com/views/SalesChannelsPLJuly2026.
• A/B тест цін підписки (Python, Pandas, NumPy, SciPy). 19 998 користувачів, z-test: варіант B підвищив
конверсію з 6,10% до 8,90% (+45,9%). GitHub — Subscription-Pricing-A-B-Test-Analysis.

ДОСВІД РОБОТИ
Оператор колл-центру | ТОВ «Мережа Ланет» (Lanet Ukraine LLC) | 2024 – 2025
• Консультував абонентів по телефону з поточних технічних і фінансових питань у внутрішніх CRM та
білінгових системах. Стабільно підтримував особистий KPI на рівні 90%+.
Військова служба | Збройні Сили України (2022 – 2024) — помічник гранатометника в піхоті, згодом пілот
БпАК; Медаль «За поранення»
Аналітик операційних показників & Тім-лід (Operations Data Analyst / Team Lead) | ТОВ «Центр системного
опрацювання звернень» | 2016 – 2022 (оператор → тім-лід з грудня 2016, неофіційна посада)
• Ранні досягнення (2016): ще оператором виявив помилку в білінгу: пільгові 3 дні не віднімались від
наступного оплаченого періоду після призупинення послуги. Перевірив 100+ випадків, оцінив втрати в
близько 10–12 тис. грн/міс і передав дослідження техвідділу, після чого помилку виправили; це стало
однією з причин підвищення до тім-ліда.
• KPI & Data Reporting: понад 5 років вів моніторинг операційних показників технічної підтримки. Після
запуску нової моделі 4 роки щомісяця збирав статистику по кожному оператору, розраховував KPI і
готував звіт, на основі якого нараховувалась заробітна плата.
• Реінжиніринг системи мотивації: у складі крос-функціональної команди (6 тім-лідів + 3 начальники
відділів) близько року переробляв систему оплати праці колл-центру: проаналізовано десятки метрик,
команда розробила й впровадила багатофакторну модель замість одного суб'єктивного показника.
Середній KPI команди зріс з близько 72–75% до близько 90% за 6 місяців, топ-оператори — близько 95–
98%.
• Data Quality & Automation: особисто розробив і впровадив 25+ атестаційних тестів (Google Forms,
автоматичне оцінювання) для адаптації новачків і перевірки знань; після кожного тесту — розбір
помилок за кореневою причиною (механічна, прогалина в знаннях, відповідальність).
• Керівництво командою: типово близько 12–15 людей, з них 3–5 новачків з досвідом до 3 місяців; у пікові
періоди — близько 30.
Менеджер з логістики | ТОВ «Еліт-Авто Плюс» | березень – грудень 2015
• Проаналізував пасажиропотік і переробив графіки руху під пікові дні (п'ятниця, субота, неділя, свята); у
пікові години після змін вдалося перевозити приблизно на 40% більше пасажирів, ніж до них.

ОСВІТА
IT School GoIT | Data Analyst (сертифікат «Пройдено», серпень 2026)
Білоцерківський державний аграрний університет | Бакалавр, Філологія (2001 – 2007)

МОВИ
Українська — рідна | Англійська — Upper-Intermediate (B2) | Польська — Elementary