Продуктовый аналитик — результат

Эксперименты

A/B Testing Methodology Toolkit

Задача: Сделать свойства методов проверяемыми: контроль ошибки подкреплён прогоном, а не ссылкой на литературу
Результат: CUPED срезает дисперсию на 17.7% (SE 0.00360 → 0.00327), delta-method находит CTR-лифт +0.51 pp при p < 0.0001, SRM p = 0.8376 — все 18 модулей откалиброваны симуляцией

PythonNumPy / SciPy +2

Аналитика

Cohort Analysis Dashboard

Задача: Показать поведение каждой когорты отдельно, а не сглаженную среднюю по всей базе
Результат: Python внутри Tableau: 4 когортных расчёта на TabPy-сервере и 65 тестов; когортная матрица вместо среднего retention показывает скорость оттока и расхождение монетизации с удержанием

Pythonpandas +3

Аналитика

RFM Analysis of Bank Clients

Задача: Заменить единое предложение адресным: для каждого сегмента — своя стратегия удержания
Результат: Шесть именованных сегментов; топ-20% клиентов держат 38,2% выручки (Gini 0,324), а Champions — 6,4% базы, дающие 12,1% дохода

PythonSQL +1

Аналитика

Churn Prediction — Leakage-Free Retention Model

Задача: Оценить модель так, чтобы качество на тесте не было следствием утечки будущего
Результат: В топ-10% самых рискующих модель ловит 54,4% отточников при lift 5,44×, но на at-risk подгруппе — 1,75×: 69,7% когорты — почти гарантированные негативы по конструкции.

PythonLightGBM +5

Аналитика Реальные + синтетика

SQL Analytics Case Study

Задача: Собрать кейсы, где каждый запрос отвечает на продуктовый вопрос и воспроизводится одной командой
Результат: Воронка теряет 78% на add-to-cart → checkout (54% — это шаг view→cart); retention с ~19.5% (D1) до ~4% (D30); повторных покупок 3.5%; на real data возвращаются 72.4%

SQLdbt +4

Инженерия

ClickHouse — десять SQL-кейсов на 50 млн строк

Задача: Мне нужно было собрать лабораторию, где каждый кейс сверяется со снапшотом и независимым движком, а выигрыш оптимизации измеряется при неизменном тексте запроса
Результат: Снапшот и семь DuckDB-двойников сходятся, идентичность slow и fast SQL закреплена тестом, а проекция проходит заложенный в тест порог ускорения ≥10× на полном скане

ClickHouseDuckDB +5

Аналитика

Delivery Control Tower

Задача: Собрать воспроизводимый контур: ETL, витрины, прогноз заказов, анализ узких мест, проверяемые гипотезы и SQL-слой с замерами
Результат: Лучший WAPE 6.01% на h=7 у seasonal_naive; время доставки почти не зависит от нагрузки (rho = −0.092), но закуски идут 40.0 мин против 26.6 мин у пиццы; доля mp выросла на 5.7 п.п.

pythonsql +2

Аналитика Реальные данные

GMV Drop RCA — разбор падения на реальных данных

Задача: Мне нужно было разложить падение до конкретного сегмента и доказать, что атрибуция полная, а не удобная нарезка
Результат: UK дециль-1 объясняет 56,2% именованного падения (−£195 218,25); полная атрибуция сходится в £0,00 при общем спаде −10,0%

Pythonpandas +6

Аналитика

Ликвидность классифайда — аудит измеримости

Задача: Мне нужно было измерить расхождение прокси с посаженной истиной по категориям и отдельно проверить, создаёт ли платная видимость контактный спрос или перераспределяет его
Результат: Прокси 0,2413 против истины 0,3070: ошибка −0,0657 (−21,4%); после поправки худшая категория ошибается на 1,61 п.п., а платная видимость даёт −2,47% контактов на сессию при p = 0,308

Pythonpandas +5

Эксперименты

Causal / Uplift — CUPED and Individual Treatment Effects

Задача: Реализовать CUPED и uplift-моделирование и доказать отсутствие смещения там, где верный ответ известен заранее
Результат: CUPED срезает стандартную ошибку на 26% (5,5k пользователей на руку вместо 10k), а предрегистрированный порог окупаемости 0.05 отправляет кампанию только на new.

PythonLightGBM +5

Эксперименты

CRM Experiment Lab — сегментная рандомизация, GCG и нетто-эффект

Задача: Собрать лабораторию, где каждый этап CRM-эксперимента проверяется на данных с известным ответом и может сломаться наглядно
Результат: Сегментная рандомизация держит SRM p=0.266, GCG-аплифт +0.9968 [0.9433, 1.0502], а нетто-эффект +50.5 на 1 000 обработанных — положительный, но guardrail отписок пробит.

Pythonpandas / NumPy +5

Аналитика

SERP Rank Lab

Задача: Выяснить, сколько выручки даёт ранжирование по деньгам и чем эта выручка платится в кликах
Результат: На синтетическом логе: +34.45% выручки на поиск за −16.84% CTR; в раскатке −14.26% (p = 0.11) и −16.05% конверсии → не катим

PythonDuckDB +4

Аналитика

Sales Calls Analytics Dashboard

Задача: Снять разбор звонков с ручного просмотра и показать шаг воронки с наибольшей потерей
Результат: Ответ за минуту: где бот теряет клиента и что чинить; на выходе — взвешенная потеря контактов и первый A/B-сценарий

PythonStreamlit +1

Аналитика

ML Fundamentals — scikit-learn Pipeline

Задача: Собрать предобработку корректно с точки зрения современного scikit-learn: без утечки, без опоры на случайный сид и с воспроизводимым результатом
Результат: Сплит воспроизводим без сида (Train (8, 5), Test (2, 5)), четыре синтетических датасета и 21 тест (7 + 9 + 5) держат конвейер запускаемым

Pythonscikit-learn +3

Аналитика

RAG Evaluation Harness — retrieval and generation metrics

Задача: Собрать пайплайн с офлайн-харнессом оценки, который разделяет метрики ретрива и генерации и работает без API-ключей
Результат: recall@5 и MRR = 1.00 на 20 вопросах и 0.00 на 11-вопросном контроле с промахами ретрива (MRR@all 0.12) — метрика способна падать; correctness 0.37 у офлайн-базлайна (faithfulness ≡1.00 — инвариант экстрактива); ретрив и генерация оцениваются раздельно

Pythonscikit-learn +4

Продукт

TaskFlow — PostHog Product Analytics Pipeline

Задача: Определить события без утечек PII, довести их до аналитического инструмента и превратить в решения
Результат: Онбординг-тест на сидированном потоке: завершение 55.9% → 70.8% (+26.6%, χ² = 40.10, p < 0.0001, SRM p = 0.90), а до платного апгрейда доходят 6.3% завершивших регистрацию

PythonPostHog +5

Репозиторий приватный — доступ по запросу

Продукт

Product Analytics + A/B on Supabase

Задача: Собрать слой целиком: авторизация, изоляция по организациям, приём событий и результат эксперимента, считаемый в базе
Результат: Итог A/B на сидированном потоке: control 29,6% против treatment 40,7%, +11,1 пп при p ≈ 1,7·10⁻¹⁰ (χ²); метрики считаются в живой базе для любого клиента

PythonStreamlit +3

Продукт

Product Analytics Dashboard (Streamlit)

Задача: Собрать метрики так, чтобы они читались как один связный сюжет, а не набор отдельных графиков
Результат: Funnel, Retention, Revenue и Segments читаются на одной базе; тот же UI стал слоем презентации Supabase-проекта

PythonStreamlit +1

Репозиторий приватный — доступ по запросу

Инженерия

Airflow DAG Platform

Задача: Заменить ручную выгрузку воспроизводимым идемпотентным пайплайном с DQ-валидацией, алертами и метриками запусков
Результат: Три DAG-а по общему шаблону, 72 теста без Airflow-сервисов и БД; полный прогон DAG занимает 440 с, из них задача forecast — 413 с

PythonApache Airflow 3 +5

Эксперименты

Data Analyst Telegram Bot

Задача: Проверить гипотезу прямо в Telegram — из CSV получить корректный результат с гардрейлами, без BI и без ноутбука
Результат: Из CSV — p-value, лифт и 95% CI менее чем за 30 секунд, плюс заметка по мощности и график; /export отдаёт standalone HTML

Pythonaiogram +6

Репозиторий приватный — доступ по запросу

Аналитика

Python Analytics Playground

Задача: Вынести общую часть в модули, которые можно передать коллеге и не бояться сломать
Результат: Покрытие pytest ≥80%; модули маленькие и одноцелевые, требования в PRD, инструмент можно дорабатывать, не ломая существующее

Pythonpandas / NumPy +3

Эксперименты

Browser Mini-Games — Analytics Arcade

Задача: Сделать смысл метрики очевидным из самого действия, а не из объяснения
Результат: 10 игр: 7 аналитических и 3 аркадных, один файл без сервера; smoke-тесты Playwright ловят поломки

SVGJavaScript +2

Инженерия

Scrolly English Speaking

Задача: Закрыть разрыв между грамматикой и живой речью: ситуации, где фразы применяют, а не узнают
Результат: Нарратив и визуализация синхронны: читатель доходит до абзаца, график меняется; новая сцена — data-файл плюс MDX

AstroTypeScript +3

Инженерия

Digital Garden — EQ in IT

Задача: Опубликовать личный Zettelkasten как статический сайт, где связи между заметками видны читателю
Результат: Связи вместо хронологии: бэклинки делают заметку узлом, граф превращает накопление заметок в навигируемую структуру

TypeScriptQuartz v4 +2

Аналитика

LinkedIn Content Analytics

Задача: Отвечать не на «сколько показов я набрал», а на «какой формат писать дальше — и доказано ли вообще, что разница есть»
Результат: 50 101 показов, охват 9 440, ER 1.71 % за окно 12.10.2025 — 11.10.2026; три из четырёх разрезов оказались внутри шума, и это записано как результат

Pythonopenpyxl +3

Репозиторий приватный — доступ по запросу

Аналитика

Promo Margin Lab — цена промо в рублях

Задача: Измерить промо в рублях маржи и выбрать глубину и набор магазинов под бюджет так, чтобы числа можно было перепроверить
Результат: Промо даёт +68.5 млн ₽ выручки и −24.4 млн ₽ прибыли; 97.9% волн убыточны при breakeven-глубине 1.0–19.5% и фактической 25.4%, а на одном бюджете оптимизатор зарабатывает +231 496 ₽ против +136 648 ₽ у top-15%

Pythonpandas +6

Аналитика

Product A/B & Funnel Analytics — конверсия против удержания

Задача: Связать результат эксперимента с воронкой, когортным удержанием и юнит-экономикой и выдать один управленческий вердикт
Результат: SHIP: activation → paid +19.59% (p=0.000946) без деградации guardrails; при равном шаге конверсия даёт +10.00% к LTV против +8.65% у удержания

Pythonpandas / NumPy +5

Инженерия Реальные данные

OSS-каталог — 47 проектов из одного источника

Задача: Мне нужно было сделать каталог, где данные приходят из одного машинного источника, страницы собираются из него, а повторная синхронизация не ломает ручные правки
Результат: 47 страниц проектов и 15 полей метаданных собираются из одного TOML; повторный рендер идемпотентен, а 26 тестов покрывают три ветки сопоставления записей

AstroTypeScript +5

Инженерия

Программа Матемаркетинг 2026 — статическая копия

Задача: Разобрать чужой интерфейс до измеримых величин и собрать работающую копию без сборки и бэкенда
Результат: Сетка совпадает с оригиналом до пикселя: колонка времени 99 px, зал 420 px, карточка 391 px, строка 550 px, верх сетки y = 414; тесты ловят расхождение данных и вёрстки

HTMLCSS +2

Инженерия

This Portfolio Site

Задача: Свести публикацию проекта к добавлению файла, без правки компонентов и ручных шагов между коммитом и продакшеном
Результат: Невалидный frontmatter ломает сборку, а не деплой; ни одна ссылка не хардкодит base; новый проект — без правки кода

AstroTypeScript +2