Analyst

SQL и базы данных: ClickHouse, PostgreSQL, MS SQL (оконные функции: ROW_NUMBER, LAG, LEAD; CTE, вложенные запросы, JOIN, GROUP BY + ROLLUP/CUBE, работа с датами, JSON, индексы, оптимизация). Писала скрипты для витрин данных (5000+ SKU: продажи, цены, остатки, промо). Настроила автоматическую выгрузку из ClickHouse в Power BI. Автоматиция контроля: система мониторинга акционных цен (SQL + VBA) → автоматическая проверка скидок по 5000+ SKU. Результат: сокращение ручного труда смежных отделов на 70%, устранение ошибок, скорость реакции — с 2 дней до 2 часов. Переговоры с поставщиками: аналитика за 3 года (динамика продаж, маржинальность, конкурентные позиции) → снижение закупочных цен на 3–7% по ключевым брендам. BI и дашборды: Power BI (меры, RLS, витрины), Yandex DataLens (ClickHouse, панели для закупок), Excel (сводные, Power Query, VBA). Ключевой результат: высвобождено 2 FTE (200+ часов/месяц) для смежных отделов. Инструменты: ClickHouse, PostgreSQL, MS SQL, Power BI, Yandex DataLens, Excel (VBA, Power Query), Git (базово).

Автоматизация отчётности: настроила выгрузки из учётных систем (SQL-подобные запросы + VBA + Power Query) → сокращение времени на консолидацию с 25 до 8 часов в месяц (–68%). Финансовое моделирование: построила модель в Excel (NPV, IRR, DPP, CAPEX/OPEX) + Project Expert — основа для инвестиционного решения (~35 млн руб.). Анализ безубыточности рейсов и рентабельности топ-10 клиентов → корректировка тарифов → рост среднего чека на 7% (+~2,3 млн руб./квартал). Переговоры с партнёрами (стройкомпании): презентация аналитики рентабельности, обоснование изменения тарифов. Оптимизация процессов (BPMN): выявила узкие места (простой на загрузке) → сокращение времени оборота рейсов на 9%. Инструменты: Excel (NPV, IRR, break-even, сводные, Power Query, VBA), Project Expert, BPMN, выгрузки из 1С.

Управление сменами (12–20 сотрудников): внедрила сбор KPI (revenue, average check, conversion, spoilage rate). Анализ эффективности (скорость/качество сборки) → оптимизация графиков, снижение перегрузок в часы-пик без потери качества. Прогнозирование списаний: модель на основе исторических продаж (Excel: FORECAST.ETS, линейная регрессия) → снижение потерь на 5% (экономия ≈180 тыс руб. за 4 месяца). Инструменты: BI-панели Додо, Excel (сводные, FORECAST.ETS, CORREL, Power Query), кассовые данные.

· Оптимизация маршрутов: анализ геоданных и заказов (SQL) → автоматизация маршрутизации, сокращение ручного труда логистов на 20% (экономия ~1,2 млн руб./год). · Управление командой: руководство 5–7 логистами (постановка задач, контроль, обучение SQL и BI). · Аналитика курьеров: выявление топ-3 факторов задержек (SQL, Excel/Power Query) → снижение времени доставки на 6%, рост NPS на 4 пп. · Инструменты: SQL (базовый уровень), CRM, Excel (сводные, Power Query), геоданные (координаты, кластеризация).