Репозиторий аналитических проектов

Этот репозиторий представляет портфолио аналитика данных.
В проектах демонстрируются ключевые навыки работы с SQL, Python, Yandex DataLens.

Проекты охватывают разные аналитические задачи:

• расчёт и визуализация ключевых бизнес-метрик;
• дизайн, мониторинг и анализ A/B-тестов;
• исследовательский анализ данных (EDA);
• выполнение ad-hoc-запросов и аналитических выборок;
• комплексная аналитика пользовательского поведения и продаж;
• построение дашбордов и подготовка бизнес-рекомендаций.

Папки названы таким образом, чтобы сразу было понятно, вокруг какой аналитической задачи построен проект. Например, в папке ab_test — дизайн, мониторинг и анализ результатов A/B-теста, а в папке metrics — расчёт и визуализация метрик продукта.

---

Как использовать

1. Перейдите в интересующий проект.
2. Ознакомьтесь с файлом README.md внутри папки — там указаны описание проекта, цели и основные результаты.
3. Все .ipynb-файлы содержат выполненные ячейки с кодом и визуализациями.

---

Используемые технологии

• Языки и библиотеки: Python (pandas, matplotlib, seaborn, scipy, statsmodels, phik), SQL
• Инструменты визуализации: Yandex DataLens: чарты в Wizard и QL-чарты
• Форматы отчётности: Jupyter Notebook, Markdown

---

Структура репозитория

1. ab_test

Название проекта: Разработка A/B-тестирования и анализ результатов
Описание: Проект посвящён расчёту параметров, мониторингу и анализу результатов A/B-теста для нового алгоритма рекомендаций в развлекательном приложении.
Основные технологии: pandas, matplotlib, seaborn, scipy.stats, statsmodels.stats
Структура папки:

• ab_test.ipynb — дизайн, мониторинг и анализ результатов A/B-теста;
• README.md — подробное описание проекта и выводы.

---

2. ad-hoc

Название проекта: Анализ данных для агентства недвижимости
Описание: Аналитическая поддержка выхода агентства недвижимости на рынок Санкт-Петербурга и Ленинградской области. В проекте решены ad-hoc-задачи с использованием SQL-запросов средней сложности (CTE).
Основные технологии: SQL
Структура папки:

• 01_explore_data.sql — знакомство с данными;
• 02_ad_hoc.sql — решение аналитических задач;
• 03_ad_hoc_analysis_note.md — аналитическая записка с выводами и рекомендациями;
• README.md — подробное описание проекта и результаты.

---

3. eda

Название проекта: Исследование заведений общественного питания Москвы
Описание: Исследовательский анализ рынка общепита Москвы по данным Яндекс Карт и Яндекс Бизнес (лето 2022 г.). Определение перспективных форматов и локаций для открытия нового заведения.
Основные технологии: pandas, matplotlib, seaborn, phik
Структура папки:

• eda.ipynb — исследовательский анализ и визуализация данных;
• README.md — подробное описание проекта и результаты.

---

4. full_analysis

Название проекта: Анализ продаж и пользовательской активности сервиса продажи билетов на мероприятия
Описание: Комплексный анализ данных сервиса продажи билетов на мероприятия за лето–осень 2024 года. Определение факторов, влияющих на продажи билетов, исследование поведения пользователей, подготовка рекомендаций для продуктовой команды.
Основные технологии: SQL, Python (pandas, matplotlib, seaborn, scipy.stats), DataLens

Структура папки:

📂 01_sql/

• 01_explore_data.sql — знакомство с данными;
• 02_key_metrics.sql — расчёт ключевых метрик;
• 04_extract_for_python.sql — подготовка данных для анализа в Python.

📂 02_datalens/

• 03_yandex_afisha_dashboard.md — описание и ссылка на дашборд с визуализацией ключевых бизнес-показателей.

📂 03_python/

• 05_yandex_afisha_eda.ipynb — исследовательский анализ данных и проверка гипотез.

• README.md — подробное описание проекта и выводы.

---

5. metrics

Название проекта: Расчёт и визуализация ключевых бизнес-метрик сервиса доставки еды
Описание: Разработка SQL-запросов и дашборда для анализа клиентской базы сервиса доставки еды в городе Саранске. Проект фокусируется на расчёте и визуализации бизнес-метрик.
Основные технологии: SQL, DataLens
Структура папки:

• 01_metrics_calculation.sql — подготовка QL-запросов с расчётом метрик;
• 02_metrics_dashboard — визуализация ключевых бизнес-показателей;
• README.md — подробное описание проекта и результаты.

---