● Проводила исследовательский анализ данных и подготовку датасетов в Python (pandas) и SQL (PostgreSQL) для решения задач продуктовой аналитики. ● Рассчитывала ключевые продуктовые метрики (DAU, MAU, конверсия в ЦД) и готовила отчётность для мониторинга динамики. ● Разрабатывала аналитические дашборды в DataLens на основе продуктовых данных и показателей. Ключевые достижения: ● Выполнила анализ продуктовых данных (2000 тыс. записей) и рассчитала метрики DAU, MAUи конверсию в ЦД для оценки поведения пользователей. ● Построила 2 аналитических дашборда в DataLens для регулярного мониторинга продуктовых показателей. ● Обработала датасет пользователей (около 200 тыс. записей) и выявила факторы, влияющие на вероятность покупки; построила модель прогнозирования покупки с ROC-AUC около 0.72. ● Исследовала данные поездок в каршеринге (около 100 тыс. записей) и выявила факторы, влияющие на вероятность ДТП.

● Планировала и проводила исследования: выдвигала гипотезы, проектировала эксперименты, собирала данные и интерпретировала результаты. ● Готовила научные статьи и доклады по итогам исследований. ● Собирала и анализировала данные производственных процессов, выявляя тенденции и отклонения. Ключевые достижения: ● Заняла 1 место на Республиканском конкурсе за исследование критериев отбора животных для канис-терапии. ● Выявила причину заражения птиц на основе анализа лабораторных данных, что предотвратило убытки хозяйства на сумму ~500 тыс. рублей. ● Систематизировала библиотеку препаратов, ускорив поиск эталонных образцов в 3 раза. ● Оптимизировала работу лаборатории (контроль смен, заказ расходников), что увеличило пропускную способность на ~300 проб в сутки.