Полина В. — System Analyst

Ключевые проекты: 1. Аналитическая платформа для юридических заявлений (LegalTech) Результат: время создания заявления сократилось с 2 часов до 15 минут (в 8 раз), конверсия на этапе заполнения выросла на 65%. - Спроектировала модель данных и воронку конверсии для отслеживания поведения пользователей. - Настроила ETL-пайплайн агрегации данных из PostgreSQL и определила продуктовые метрики (time-to-complete, drop-off rate). - Протестировала качество автозаполнения полей через LLM с помощью A/B-тестов на исторических данных. - Настроила дашборды в Power BI для мониторинга ключевых показателей продукта в реальном времени. 2. Аналитика клиентских взаимодействий и AI-чат-боты (FoodTech / Инфобизнес) Результат: ручная обработка запросов первой линии сократилась на ~40%, точность автоматических ответов достигла 85%. - Разобрала 500+ сценариев взаимодействий, провела кластеризацию запросов и выделила топ-20 наиболее частых сценариев. - Настроила NLP-модель классификации запросов и систему мониторинга качества бота (CSAT, NPS, F1-score). - Консолидировала данные о клиентских взаимодействиях в единое хранилище (PostgreSQL) и провела когортный анализ удержания. 3. Аналитическая платформа управления портфелем недвижимости (PropTech, 500+ объектов) Результат: эффективность использования площадей выросла в 3 раза, количество операционных конфликтов снизилось на 60%. - Спроектировала архитектуру хранилища данных (Data Warehouse) и определила систему KPI (occupancy rate, utilization rate, ROI). - Обучила прогнозную модель загрузки площадей на исторических данных (Python, pandas, Seaborn), добившись точности 87%. - Подключила данные с IoT-датчиков к интерактивным дашбордам в Power BI. 4. AI-верификатор документации — система контроля качества данных (Data Quality) Результат: скорость проверки документации выросла на 30%, количество дефектов на поздних этапах снизилось на 45%. - Собрала библиотеку из 50+ промптов и определила метрики качества текстов (читаемость, терминология, логическая связность). - Автоматизировала скоринг документации (0–100 баллов) с выводом отклонений в дашборд. - Настроила CI/CD-пайплайн для авто-валидации данных и перевела процесс в парадигму Docs-as-Code. 5. Процессная аналитика и база знаний (1С:ДО 3.0, Confluence) Результат: цикл согласования сократился с ~5 до 2–2,5 дней, время поиска регламентов снизилось на 40%. - Провела process mining (BPMN 2.0), нашла узкие места и настроила алертинг SLA в Power BI. - Настроила ML-поиск (Vector Search / Embeddings) в Confluence и проанализировала воронку поиска информации.

1. Автоматизация документооборота и процессная аналитика (1С:ДО 3.0) Действия: - Провела process mining в нотации BPMN 2.0, построила карты AS-IS и TO-BE. - Определила систему метрик SLA для мониторинга согласования (среднее время на этапе, процент просрочек, bottlenecks). - Настроила дашборды в Power BI для отслеживания KPI документооборота с алертингом при отклонениях. - Обучила модель предсказания вероятности возврата документа на доработку (логистическая регрессия). - Разобрала 2000+ документов за год для выявления паттернов ошибок. Достижения: - Цикл согласования сократился с ~5 до 2–2,5 дней (на 50–60%). - Количество возвратов снизилось на 50% (с 24% до 12% документов). - SLA соблюдается в 94% случаев против 67% до внедрения аналитики. 2. AI-верификатор технической документации — система контроля качества данных Действия: - Собрала чек-листы и алгоритмы автоматической проверки на соответствие стандартам IEEE 1063-2001 и ГОСТ Р 7.0.97. - Определила систему метрик качества: полнота разделов, читаемость, терминологическая согласованность, актуальность ссылок. - Автоматизировала скоринг и ранжирование документов по приоритету доработки. - Перевела процесс в парадигму Docs-as-Code, настроила Git-репозиторий с версионированием и CI/CD-пайплайны. Достижения: - Время вычитки документации сократилось на 50% (с 8 часов до 4 часов на документ). - Скорость выпуска обновлений выросла на 30%. - 100% документов проходят автоматическую валидацию перед публикацией. 3. Корпоративная база знаний и аналитика использования регламентов Действия: - Спроектировала и администрировала базу знаний в Confluence с интеграцией ML-поиска (Vector Search / Embeddings). - Разработала систему тегирования и категоризации 300+ документов для улучшения discoverability. - Настроила аналитику использования базы: популярные запросы, точки роста, неиспользуемые материалы. - Построила воронку поиска информации и выявила этапы с наибольшим оттоком пользователей. - Обеспечила соответствие процессов требованиям ФЗ-152, ГОСТ Р 7.0.97, стандартам Минцифры. Достижения: - Время поиска актуальных регламентов сократилось на 40% (с 15 минут до 9 минут). - Покрытие базы знаний выросло с 60% до 95% критических бизнес-процессов. - Удовлетворённость сотрудников базой знаний (CSAT) составила 4.2/5. Стек и инструменты: 1С:Документооборот 3.0, 1С:ERP, Power BI, DAX, Python (pandas, Seaborn), SQL, PostgreSQL, NLP, Git, CI/CD, Confluence REST API, BPMN, UML.