Junior Analyste de données

Аналитик данных с трёхлетним опытом работы с коммерческими данными. Анализирую продажи и ключевые показатели, сопоставляю данные из разных источников, проверяю выгрузки на пропуски, дубли и расхождения. Готовлю выводы и аналитические материалы для принятия решений. В работе использую Excel, Google Таблицы, SQL/MySQL и Python (pandas). С помощью SQL объединяю таблицы и рассчитываю показатели продаж; применяю Power Query для подготовки данных, знаком с основами Power BI. На фрилансе анализирую товары, цены, конкурентов и карточки на Wildberries, Ozon, Avito и Яндекс Маркете. Работаю с открытыми данными, клиентскими выгрузками и данными кабинетов продавцов; сопоставляю рекламные расходы с заказами и выручкой. При анализе учитываю возвраты, логистику и другие затраты. Пример задачи в ООО «СФР Норд»: аналитический отчёт по продажам на Ozon. Исходные данные: Excel-выгрузка за 1–13 октября 2026 года - 16 815 строк и 20 столбцов с заказами FBO и FBS, рекламными расходами, остатками, затратами и денежными показателями. В данных было 128 товарных блоков и 501 блок характеристик, преимущественно размеров. Задача: проанализировать динамику заказов и денежных показателей, определить вклад каналов и товаров в изменение продаж, проверить качество данных и подготовить отчёт с выводами. Что сделал: изучил структуру выгрузки и разделил общий итог, товары и характеристики, чтобы не суммировать одни и те же данные повторно. Сверил заказы между уровнями и каналами FBO/FBS. В Excel подготовил листы с расчётами по дням, товарам и размерам и лист проверки. Сопоставил периоды 1–6 и 7–12 октября, а также периоды с одинаковым составом дней недели. Рассчитал динамику заказов, доли каналов, вклад отдельных товаров в изменение продаж, рекламные расходы на заказ и отношение рекламы к розничной сумме. Разложил изменение розничной суммы на влияние количества заказов и средней суммы на заказ. Отчёт с графиком и выводами оформил в Word. Результаты анализа: заказы за 7–12 октября снизились с 9 989 до 5 497 по сравнению с 1–6 октября, или на 44,97%. На FBS пришлось 3 303 из 4 492 заказов общего снижения, на FBO - 1 189. Заказы сократились у 82 из 128 товарных блоков; пять товаров с наибольшим падением дали 25,85% итогового снижения. Розничная сумма уменьшилась на 38,32%, а средняя сумма на заказ выросла на 12,08%. Рекламные расходы на заказ увеличились с 55,06 до 77,64 руб., или на 41%; отсутствие рекламной атрибуции не позволяет оценить окупаемость рекламы. Качество данных: выявил отсутствие затрат за 13 октября и исключил этот день из финансового сравнения. Также обнаружил нулевые остатки FBO за 4 октября при 849 заказах FBO; зафиксировал расхождение без неподтверждённых выводов о его причинах. Подготовил аналитическую книгу с расчётами и проверками и отчёт в Word. Учебный проект Olist: анализ продаж бразильского маркетплейса. Исходные данные: открытый анонимизированный набор Olist с данными о заказах, товарных позициях, покупателях, категориях и регионах. Для сопоставимого анализа выбраны доставленные заказы за январь 2017 - август 2018 года. Цель: изучить динамику товарной выручки, определить ведущие категории и регионы, рассчитать количество заказов, среднюю сумму заказа и долю повторных покупателей. Ход работы: в проекте данные CSV проверены на полноту, дубликаты и корректность связей между таблицами; объединены сведения о заказах, товарах и покупателях. Заказы без статуса delivered и записи вне выбранного периода исключены из расчёта продаж. Строки без перевода категории сохранены с пометкой unknown, а высокие цены, отмеченные по правилу IQR, не исключались автоматически. Анализ и расчёты выполнены с использованием Python/pandas и SQLite; результаты SQL-запросов сопоставлены с расчётами Python. Динамика, категории и региональная структура представлены на графиках. Результаты: в выборке 96 211 доставленных заказов и 93 104 уникальных покупателя; товарная выручка без стоимости доставки - 13 181 027,13 BRL, средняя сумма заказа - 137 BRL. Повторную покупку в пределах периода совершили 2 789 покупателей, или 3,00%. Пять ведущих категорий дали 39,9% товарной выручки, на регион Southeast пришлось 65,4%. Выводы относятся к выбранному периоду и не устанавливают причины изменений. Итог: оформлен проект с методологией, SQL-запросами, расчётами, графиками и проверками. Репозиторий: https://github.com/nm6z5zwf6j-cyber/olist-ecommerce-sales-analysis Интересуюсь аналитикой данных, e-commerce и исследованием товаров, рассматриваю удалённую работу.