Тетяна Гордійчук
Особисте повідомлення
Запропонувати роботу
Київ,
Україна
1 рік тому
вільний для роботи
вік 36 років
на сервісі 1 рік
Рейтинг
Успішних проєктів
Середня оцінка
Рівень володіння мовами
English: вище середнього
Резюме
Привіт, спільното! Мене звати Тетяна, і наразі я відкрита до нових викликів у сфері аналітики даних. Я почала поглиблено вивчати аналітику минулого року, а зараз вдосконалюю свої знання на таких платформах, як DataCamp та Coursera. Маю практичний досвід роботи в аналітиці протягом 1 року та володію на гарному рівні такими інструментами як Mc Exel, Power Query, PostgreSQL, Big Query, Looker Studio, Tebleau, Pover Bi, Amplitude. Мені подобається працювати з даними, знаходити інсайти та вирішувати цікаві кейси . Працюю прозоро, завжди залишаюсь на зв’язку та відкрита до обговорення деталей. Готова виконати тестове завдання або надати звіт про прогрес.
Навички та вміння
Програмування
Послуги
Портфоліо
-
1200 UAH SQL query
Бази даних та SQL
Цей SQL-запит аналізує щомісячний дохід користувачів гри, визначає нових платних користувачів, а також оцінює динаміку доходу. Він обчислює метрики, як-от розширення або скорочення доходу, втрату користувачів та їх повернення після відмови. Це дозволяє глибше зрозуміти поведінку користувачів та динаміку доходу.
У SQL-запиті використовуються наступні інструменти та функції:
CTE (Common Table Expressions) - для структурування запиту на логічні частини (monthly_revenue, revenue_lag_lead_month, revenue_metrics).
… Агрегаційні функції:
SUM() - для обчислення загального доходу користувача за місяць.
COUNT(DISTINCT user_id) - для підрахунку унікальних платних користувачів.
Віконні функції:
LAG() та LEAD() - для отримання значень доходу з попереднього та наступного місяців для порівняння.
PARTITION BY - для розбиття даних за кожного користувача, щоб оцінювати дані окремо для кожного.
Умовні вирази CASE - для обчислення різних типів доходу, як новий дохід, розширення, скорочення, повернення після втрати користувачів тощо.
Функція date_trunc() - для об’єднання дати до рівня місяця ('month'), що спрощує групування платежів за місяцями.
-
1000 UAH Analysis of advertising campaigns
Бази даних та SQL
Проєкт полягав в аналізі ефективності рекламних кампаній шляхом оцінки рентабельності інвестицій у рекламу (ROMI) у період з листопада 2020 року по жовтень 2022 року. Було проаналізовано дані щодо витрат на рекламу, вартості за клік (CPC), вартості за тисячу показів (CPM), клікабельності (CTR) та рентабельності для різних кампаній, таких як "Expansion", "Lookalike", "Electronics", "Wholesale", серед інших. Цей аналіз допоміг зрозуміти, які кампанії мали найвищу ефективність та оптимізувати витрати на рекламу в майбутньому.
-
1000 UAH Revenue Metrics
Бази даних та SQL
Цей проєкт передбачаd створення інформаційного дашборду для відстеження та аналізу ключових показників доходу. Дашборд містить п'ять діаграм, що висвітлюють нових платних користувачів, доходи (MRR), кількість користувачів, що відмовилися від підписки (Churned Users), та індикатори розширення і скорочення доходів. Інтерактивні фільтри для мови та віку користувачів дозволяють виконувати більш детальний аналіз динаміки доходів за різні періоди.
Аналіз включав вивчення кількості нових платних користувачів, рівня регулярного місячного доходу (MRR), динаміки відтоку користувачів (Churned Users) та впливу на доходи розширень і скорочень. Основні висновки показали, що спостерігалося збільшення нових платних користувачів у середині року, що позитивно вплинуло на MRR. Однак, наприкінці року відбулося збільшення відтоку користувачів, що знизило загальний дохід. Також було виявлено значний вплив розширення доходів у деякі місяці, що компенсувало втрати від скорочень. Ця інформація допоможе продукт-менеджерам приймати стратегічні рішення щодо збереження користувачів та підвищення доходу.