Под руководством до 6 команд аналитиков (25+ человек суммарно):- Продуктовая аналитика: развитие приложения и сайтов, выстраивание процессов работы с кросс-функциональными продуктовыми командами, методология a/b тестирования, продуктовые исследования- Клиентская аналитика: исследования на тему: кто наши клиенты, как они к нам приходят, как себя ведут у нас и почему именно так- Маркетинговая аналитика: оценка эффектов всех промоакций, проведение ценовых a/b, выстраивание системы оценки эффективности трат маркетинга на рекламу- Операционная аналитика: создание системы отчетности, исследования на тему улучшения показателей утилизации рабочего времени курьеров, проработка процессов взаимодействия с овнерами курьской логистики и операций на складах- Логистическая аналитика: создание дата-инструментов для функционирования департамента товародвижения, прогнозирование и создания инструментов факторного анализа товародоступности и других kpi- Аналитика Клиентского сервиса: Исследования по тематике влияния качества клиентского сервиса и опыта взаимодействия клиента с нами на его дальнейший LTV. Стабилизация и развития ряда ключевых отчетов по факторному анализу kpi показателей направления.Саму команду растил почти с нуля ( 5 человек на старте -> 25+ сейчас), был играющим тренером сначала для рядовых аналитиков, а затем и для лидов команд. Помимо руководства умею также работать руками: помогаю командам выстраивать методику a/b тестирования, проводить сложные исследования, реализовывать и валидировать неординарные методики и практики при работе с данными

Построение процесса аналитики: - участие в создании системы KPI- создание иерархии метрик- организация взаимодействия product owners, аналитиков, разработчиков и data engeniers- разработка методологии и создание инструментов для - проведения a/b экспериментов- найм аналитиков в команду- обучение коллег использованию новых инструментов (Spark/Hadoop)- отвечал на вопросы: что с нашими пользователями и ключевыми показателями продукта? Почему они такие, а не лучше? Какие точки роста у нас есть? Приведет ли к успеху текущая стратегия или лучше выбрать другую?

- системы рекомендаций продуктов для корпоративных клиентов- churn-prediction- создание витрин данных, выявление потребностей бизнеса в использовании данных- внедрение data driven подхода- формирование команды DS в корпоративном сегменте- генерация идей по монетизации данных

Улучшение алгоритмов ранжирования / развитие движка поисковой системыРазработка и поддержка алгоритмов классификации контента сайтов

Обязанности:- Lead-роль в группе аналитиков. Команда занималась продуктовой аналитикой и data science для нескольких продуктовых команд (Поиск, браузер и прочие десктопные приложения).- Прогнозирование финансовых и аудиторных показателей (LTV, ROI, Retention, Revenue, Доля рынка и т.д.): определение ценности как существующих пользователей, так и только планируемых к привлечению (Demand-Side Platform)- Построение моделей сhurn-prediction, user-attraction, сегментации пользователей + аналитические исследования совместно с продуктовой командой на их основе- Проведение A/B экспериментов и их контроль.- Внедрение Data Driven подхода в продуктовых командах. - Выполнение ad/hoc аналитических задач, связанных с расследованием инцидентов изменения основных kpi и показателей проекта Поиск и дистрибуционных продуктов.- Разработка и поддержка ETL поверх hadoop кластераИнструменты:Java, Hadoop (MapReduce/Streaming/Spark), Python (в том числе IPython/Pandas/Numpy/Scipy ), xgboost and other ML-tools, Linux (bash-скриптинг), Математическая статистика, machine learning, svn/git, etcВ меньшей степени: R, Hive

Составил и вел курс "Введение в анализ данных" для студентов МГУ.В курсе рассматривалось введение в прикладную математическую статистику, обработку данных на java + python + R, математические методики проверки гипотез, а также базовые аспекты работы с временными рядами (прогнозирование, выявление сезонности и т.д.)

Разработка на C# (и не много на Java) , работа с web-service, БД, XML