В поисках Утерянного Инсайта
Привет! Я увлеченный аналитик данных с талантом рассказывать истории с помощью цифр и графиков. Добро пожаловать в мой уютный уголок интернета, где каждый клик - это шаг в увлекательный мир анализа данных.
Ниже приведен список некоторых моих работ:
| Проект | Описание | Навыки и инструменты |
|---|---|---|
| Оценка корректности проведения А/В теста по эффективности новой рекомендательной системы | Цель исследования - оценить корректность проведения А/В теста, и выявить эффект от новой рекомендательной системы на конверсию. В рамках анализа было проверено соответствие проеденного теста с условиями ТЗ, был проведен исследовательский анализ данных и анализ конверсии | А/В тестирование, статистика, проверка статистических гипотез, Python, EDA |
| Анализ оттока в банке | Цель проекта — провести анализ и подготовить план действий по удержанию клиентов. В рамках работы рассмотрела корреляцию каждого признака с оттоком, составила портреты оттчоных/неотточных клиентов, проверила несколько гипотез статистическим анализом. По результатам анализа выделила признаки, которые влияют на отток, провела сегментацию клиентов на основе отточных интервалов значении признаков, и подготовила рекомендации, по уменьшению оттока | Сегментация клиентов, проверка статистических гипотез, Python, Pandas, Matplotlib, Seaborn |
| Анализ NPS телекоммуникационной компании | Исследование данных с результатами опроса, отражающего текущий уровень потребительской лояльности (NPS) клиентов телекоммуникационной компании. | SQL, Python, Pandas, Tableau |
| Анализ убытков приложения ProcrastinatePRO+ | Анализ данных приложения ProcrastinatePRO+. Рассчитаны различные метрики, использован когортный анализ: LTV, CAC, Retention rate, ROI, conversion rate и т.д., с целью разобраться в причинах убытков, и выделить стратегии для выхода компании в плюс. | Python, Pandas, Matplotlib, когортный анализ, юнит-экономика, продуктовые метрики |
| Прогнозирование вероятности оттока пользователей для фитнес-центров | В данном проекте использовано машинное обучение. Спрогнозирована вероятность оттока (на уровне следующего месяца) для каждого клиента; сформированы типичные портреты пользователей: выделены наиболее яркие группы, охарактеризованы их основные свойства; проанализированы основные признаки, наиболее сильно влияющие на отток. | Python, Pandas, Scikit-learn, Matplotlib, Seaborn, ML, классификация, кластеризация |
| Исследование базы данных сервиса Stackoverflow | В этом исследовании работа идёт с базой данных StackOverflow — сервиса вопросов и ответов о программировании. Я исследовала предоставленные данные, сформировала требуемые выгрузки данных с помощью SQL, посчитала различные продуктовые метрики и визуализировала их с помощью библиотек matplotlib, seaborn. | SQL, SQLAlchemy, Python, Pandas, Matplotlib, Seaborn |