Кейсы продуктовой аналитики: A/B-тесты, retention, сегментация, дашборды. Фильтр по сфере, категории и стеку.
Под выбранные фильтры нет проектов.
Эксперименты
Закрыл узкое место онбординга необанка A/B-тестом: +5,72 пп конверсии KYC, €208,5K за 12 мес при 13,9× ROI. 23 проекта: воронка → A/B → retention → сегментация → Market & Jobs → RAT v2 → causal.
Эксперименты
18 модулей A/B-методологии с калибровкой: CUPED срезает дисперсию на 17.7% (SE 0.00360 → 0.00327), delta-method ловит CTR-лифт +0.51 pp при p < 0.0001, SRM p = 0.8376.
Эксперименты
10 играбельных мини-игр в self-contained SVG: 7 аналитических (A/B до p<0.05, funnel drop, cohort catch, retention day) и 3 аркадных. Один файл — вся игра, без сборки.
Эксперименты
CUPED срезал стандартную ошибку на 26%: та же мощность на 5,5k пользователей на руку вместо 10k. Предрегистрированный порог окупаемости 0.05 отправляет кампанию только на new.
Эксперименты
CRM-эксперимент: рандомизация на этапе сегмента держит SRM p=0.266, GCG-аплифт +0.9968 покупки на пользователя, а нетто-эффект +50.5 на 1 000 отправок с учётом отписок.
Эксперименты
Telegram-бот для аналитика без BI: CSV из выгрузки превращается в p-value, лифт и 95% CI за 30 секунд — 12 команд, история анализов и экспорт в HTML.
Аналитика
Streamlit-дашборд ИИ-обзвона на 16 891 синтетическом звонке: 4-шаговая воронка (приветствие → оффер → встреча → квалификация), разбор утечки по типам и drill-down в транскрипты.
Аналитика Реальные + синтетика
26 SQL-кейсов: 25 на синтетике (~183k событий) + 1 real-data на UCI Online Retail II. Воронка, retention, LTV, атрибуция, аномалии, dbt-слой на DuckDB, живой отчёт на GitHub Pages.
Аналитика
Агрегат 550 710 строк день × город × канал × категория: star-schema в DuckDB, бэктест прогноза заказов, узкие места доставки, 14 оконных SQL-запросов и офлайн-дашборд по трём ролям.
Аналитика Реальные данные
Внедрённое падение GMV на −10% на реальных UCI Online Retail II: дерево метрик относит 56,2% именованного спада к UK дециль-1, а полная атрибуция сходится в £0,00.
Аналитика
Синтетический классифайд с посаженной истиной: прокси-метрика завышает sell-through на 21,4%, EM-поправка возвращает все категории в 3 п.п., а платная видимость не проходит холдаут.
Аналитика
Разбил клиентскую базу банка на 6 RFM-сегментов: топ-20% клиентов держат 38,2% выручки (Gini 0,324). Синтетический датасет — 1 983 клиента, 9 492 транзакции.
Аналитика
Python внутри Tableau: 4 когортных расчёта на TabPy-сервере и 65 тестов; треугольная матрица удержания с ARPU и LTV по когортам, оговоркой о возрасте наблюдения и экспортом CSV + Hyper.
Аналитика
Leakage-free churn-модель: recall@top-10% = 0.544 и lift 5,44× при ROC-AUC 0.916 на хронологическом сплите; на at-risk подгруппе lift 1,75×, ведь 69,7% когорты — почти гарантированные негативы.
Аналитика
RAG-пайплайн с офлайн-харнессом: recall@5 и MRR = 1.00 на 20 вопросах, correctness 0.37 — и 0.00 на контроле с промахами ретрива. TF-IDF без API-ключей; faithfulness ≡1.00 — инвариант экстрактива.
Аналитика
Покрытие pytest ≥80% у модульного Python-тулкита для аналитики: загрузка, чистка, EDA и визуализация собраны в один переиспользуемый пайплайн — база для каждого нового анализа.
Аналитика
На синтетическом логе две политики на одном множестве: деньги дают +34.45% выручки на поиск за −16.84% CTR, а раскатка по user_id — −14.26% и вердикт «не катим».
Аналитика
Leak-free пайплайн scikit-learn: вся предобработка в одном ColumnTransformer, обученном только на трейне, детерминированный сплит и 21 тест (7 + 9 + 5) на воспроизводимость.
Аналитика
Аналитика моих постов в LinkedIn: один парсер, четыре рендера. Форматы сравниваются с доверительными интервалами — и шум называется шумом, а не рейтингом.
Аналитика
Промо даёт +68.5 млн ₽ выручки и −24.4 млн ₽ прибыли: 97.9% волн убыточны, breakeven-глубина 1.0–19.5% при фактической 25.4%, а оптимизатор — +231 496 ₽ против +136 648 ₽ у top-15%.
Аналитика
Воронка 12 000 → 9 623 → 3 384 и A/B на 2 552 пользователях: онбординг поднимает activation → paid на 19.59% (p=0.000946), вердикт SHIP; при равном шаге конверсия даёт +10.00% к LTV, удержание +8.65%
Продукт
Full-stack аналитика на Supabase: A/B на сидированном потоке дал +11,1 пп (p ≈ 1,7·10⁻¹⁰, χ²), а Streamlit-дашборд читает живые данные через RLS и SQL-вьюхи.
Продукт
Онбординг-тест на сидированном потоке событий: завершение 55.9% → 70.8% (+26.6%), χ² = 40.10, p < 0.0001 при SRM p = 0.90; 6.3% завершивших регистрацию доходят до платного апгрейда.
Продукт
Продуктовый дашборд на синтетическом SaaS-датасете (8 000 пользователей): AARRR-воронка, cohort retention, выручка (MRR, ARPU, churn) и сегментация — 5 страниц на Streamlit.
Инженерия
Девять SQL-кейсов на 50 млн событий плюс оптимизация, где текст запроса не меняется: проекция читает диапазон ключа вместо полного скана, а семь DuckDB-двойников ловят расхождения движков.
Инженерия
Scrollytelling-гайд по spoken English для рабочих разговоров (A2–B1): MDX-нарратив и D3-визуализации, где контент и визуализации разделены. Astro 6, деплой на GitHub Pages.
Инженерия
Заметки связаны в сеть, а не в ленту: цифровой сад про эмоциональный интеллект в IT на Quartz v4 — бэклинки и граф превращают накопление заметок в навигируемую структуру.
Инженерия
Платформа отчётов на Airflow 3: полный DAG проходит за 440 с, задача forecast — за 413 с; каждый отчёт — версионируемый DAG с DQ-валидацией, алертами и метриками запусков.
Инженерия Реальные данные
Статический каталог 47 открытых репозиториев: метаданные GitHub синхронизируются скриптом во frontmatter, а сборка читает только его — 15 полей на проект, 26 тестов и идемпотентный рендер.
Инженерия
Воспроизвёл страницу программы конференции: сетка время × залы на 91 доклад, фильтр треков, модалка и .ics. Сверил с оригиналом замерами, а не на глаз.
Инженерия
Сайт, который вы читаете: Astro 7, TypeScript и Markdown-коллекции, статическая сборка, тёмная/светлая тема, RSS, sitemap, JSON-LD и деплой на GitHub Pages.