Ольга

РЕЗЮМЕ
Ольга Глубокая
Junior Data Analyst / BI Developer
Контакти: 🛠️ Навички
🔹 Аналітика даних
Аналіз та підготовка даних для прийняття бізнес-рішень
[открыть контакты](см. выше в блоке «контактная информация»)
Робота з часовими рядами та агрегаціями
[открыть контакты](см. выше в блоке «контактная информация») Формування гіпотез і перевірка даних
Інтерпретація результатів та формування висновків
LinkedIn 🔹 Python для аналітики та автоматизації
Telegram Обробка даних з використанням Pandas, NumPy
Робота з датами та часовими зонами
GitHub Автоматизація збору та оновлення даних
м. Умань Черкаської обл. Україна Робота з файлами (Excel, CSV, SQLite)
🔹
🎯 Про мене
API та інтеграції
Розробка REST API на Flask
Робота з HTTP-методами (GET, POST)
Я — аналітик з понад 10-річним досвідом роботи з Bearer Token автентифікація
даними в академічному та бізнес-середовищі. Інтеграція сторонніх API (PrivatBank API, Google Sheets API)
Тестування API через Postman, curl
Мій професійний шлях почався у вищій освіті та 🔹 Бази даних та SQL
ERP-системах, де я працювала з моделюванням Робота з реляційними базами даних (SQLite) у навчальних проєктах
бізнес-процесів, аналізом фінансових і виробничих Написання SQL-запитів з використанням JOIN, фільтрації та агрегацій
показників, створенням навчальних матеріалів і Проєктування простої структури таблиць
методичних рекомендацій. Я була співавторкою Підготовка даних для подальшого аналізу
книги «Самовчитель Microsoft Dynamics NAV», а 🔹 BI та візуалізація
також брала участь у підготовці навчальних курсів і Підготовка та моделювання даних для Power BI
підручників з інформаційних технологій, Створення аналітичних звітів і дашбордів
менеджменту та обліку. Написання базових та середніх DAX-виразів
(CALCULATE, FILTER, SUMX, AVERAGEX, time intelligence)
Упродовж 2012–2023 років я керувала сімейним Робота з мірами, фільтрами та контекстом обчислень
бізнесом у сфері роздрібної торгівлі, де поєднувала Розуміння бізнес-логіки показників
управлінську роль з аналітикою продажів, витрат, 🔹 Інструменти розробки
асортименту та маркетингової ефективності. Цей Git / GitHub (публічні репозиторії, .gitignore, README)
досвід дав мені глибоке розуміння операційних Віртуальні середовища Python (venv)
процесів бізнесу, KPI та прийняття рішень на Робота з середовищем VS Code
основі даних. Робота з environment variables (.env)
🔹 Деплой та середовище виконання
У 2024–2025 роках я працювала викладачем Python Розгортання Python-застосунків на PythonAnywhere
та тьютором (керівником викладачів) у школі Налаштування змінних середовища на хостингу
програмування Logika, де відповідала за аналіз Робота з production-обмеженнями (безпека, секрети)
освітніх даних, контроль KPI викладачів, фінансову
оцінку ефективності та менторство.
Проєкти
Наразі я зосереджуюсь на розвитку у напрямі BI “Аналіз причин відтоку клієнтів у школі програмування і прогноз
Developer / Data Analyst: підготовка даних, побудова можливостей їх усунення” (Python, ML)
моделей, метрик та аналітичних рішень для бізнесу.
Паралельно розширюю технічну експертизу у Аналіз ефективності товарного портфеля компанії “Voluntas Leather
бекенд-розробці на Python (Django) для глибшого Accessories” (Power BI, Excel)
розуміння джерел даних, API та архітектури
аналітичних систем. Сервіс автоматизації валютних даних для аналітичних звітів (Google
Sheets, Power BI)

Освіта

Master's Degree in Economics All-Russian
💼 Досвід роботи
Distance Institute of Finance and Викладач Python / Тьютор Logika IT school лютий 2024 - вересень 2025
Economics; 1999 - 2004 рр.
Основні обовʼязки
Аналіз освітніх даних та контроль KPI викладачів
Сonsultant in Navision and Axapta ERP Фінансова оцінка ефективності роботи викладачів
systems Microsoft Business Solution Розробка стратегій зниження помилок у навчальному процесі
2005 р.
Academy; Найм, онбординг та менторство нових викладачів
Аналітичний проєкт (паралельно з основною роботою)
Аспірантура по спеціальності “Економіка Data analysis & modeling on real educational and business data
і управління підприємствами і галузями Обробка та аналіз даних у Python (Pandas, NumPy): очищення, агрегації,
народної промисловості” All-Russian feature engineering
Distance Institute of Finance and Побудова моделей Machine Learning (Logistic Regression, Random Forest)
2004 - 2007 рр.
Economics; для перевірки гіпотез та прогнозування
Аналіз відтоку клієнтів та фінансових втрат
Computer Science Basics Stanford Статистичне тестування гіпотез (Mann–Whitney U test)
CSA106 + CSB106; 2022 - 2023 рр. Візуалізація результатів (Matplotlib, Seaborn), включно з аналізом SHAP-
значень
Python Teacher Logika IT School; 2024 р. Робота з API (GET-запити, парсинг JSON), ETL-процеси
Проєктування та використання SQLite-бази даних зі звʼязаними
таблицями
Англійська B1