Задачи:
● Разрабатывал дашборды в Fine BI для оперативного мониторинга ключевых метрик, а также в целях перевода регулярной отчётности на BI-решения.
● Разрабатывал сопроводительную документацию для каждого дашборда в Confluence (методология расчёта, глоссарий, инструкции по использованию).
● Проведение цикла встреч с заказчиками с целью сбора требований и формирования технического задания с учётом функционала BI-системы.
● Разрабатывал и поддерживал скрипты на Python (Pandas, Numpy) для очистки, предобработки данных, сбора агрегатов и заливки в базу по качеству клиентского обслуживания.
● Проводил когортный анализ в целях увеличения конверсии в целевое действие клиентов.
● Проводил ad-hoc исследования клиентского пути (выявление «узких мест», распределение по целевым действиям) для руководства.
● Разрабатывал сложные SQL-запросы (PostgreSQL, ClickHouse) для извлечения и анализа актуальных данных об оценках клиентами продуктов и услуг банка.
Достижения:
● Перевёл регулярную отчётность на BI-решения, в следствии чего освободил более 8 часов в неделю для каждого бизнес-пользователя.
● Разработал 13 дашбордов по банковским каналам обслуживания и дашборд по банковским продуктам с обратной связью клиентов, которые позволили производить мониторинг ключевых клиентских метрик CSI, NPS.
● Разработал дашборд по структурам негативной обратной связи клиентов для каналов и продуктов банка. В результате была реализована корректная классификация обращений. Благодаря этому клиенты быстро попадали к соответствующим подразделениям, что позволило снизить Churn Rate на 4,3% и увеличить Retention на 8,5%.
● Оптимизировал обновление источников данных для дашбордов, сократив время обработки на 83% благодаря внедрению инкрементальных SQL-запросов с настройкой расписания обновления, что позволило снизить нагрузку на сервер БД.
