Перейти к проектам
Личное портфолио / 2026

Data / BI Analyst

Александр
Кочмарик

Аналитик данных с опытом
BI, DWH и автоматизации.

Работаю с корпоративными данными: от SQL и интеграций до моделей показателей и Power BI. В моём опыте — развитие общей BI-системы, аналитика для подразделений и автоматизация регулярных процессов.

Мой опыт и проекты Обсудить вакансию
Рассматриваю работу в штате

Москва · Офис, гибрид или удалённо

Адрес портрета нужно заполнить перед публикацией
SQL → DWH → BIПрактический опыт с данными, отчётностью и процессами внутри компании.
SQLPythonPower BIDWHApache Airflow

Мой опыт —
для задач команды.

Понимаю не только отчёт, но и систему за ним: источники, обработку данных, расчёт метрик и бизнес-контекст. Работал с запросами маркетинга, продаж и руководства; участвовал в развитии общей аналитической среды.

01 / Схема подхода

Данные и модели

Интеграции, хранилище и согласованные показатели.

02 / Схема подхода

Бизнес-контекст

Анализ воронки, клиентов и работы подразделений.

03 / Схема подхода

Работа в команде

Требования, взаимодействие с разработчиком и внедрение отчётности.

Опыт в проектах

Пять направлений моей работы в одной компании. В каждом — задача, мой вклад, технические решения и результат для команды.

В одной компании · Сеть медицинских центров

01 / BI & DATA

BI-система с нуля

От ручных выгрузок к общей системе отчётности.

SQL ServerApache AirflowPower BI

Параллельно в проекте участвовал второй аналитик на аутсорсе. Доработки API 1С выполнял разработчик по подготовленным мной техническим заданиям.

Путь данных

Источники

CRM, 1С и рекламные системы — данные из рабочих инструментов компании.

API / Airflow

Загрузка из источников по API и управление процессами через DAG.

Stage

Первичный слой загруженных данных.

ODS

Операционный слой обработки данных.

Core

Центральный слой связанных данных для аналитики.

Витрины

Подготовленные наборы под аналитические задачи и отчёты.

Модель / DAX

Связи фактов и справочников, формулы расчёта показателей.

Power BI

Дашборды по клиентской воронке, событиям и финансовым показателям.

Концептуальная схема по брифу: основные этапы, не полная спецификация инфраструктуры.

Мой вклад и детали — BI-система с нуля

Инициировал и представил руководству проект единой аналитики. Реализовал ключевые части решения: хранилище, DAG загрузки данных, слои обработки, модель показателей и дашборды.

Инициатор проекта и аналитик-разработчик

MS SQL ServerSQLPythonApache AirflowDWHAPIVisual StudioDAXPower BI

До

1С / CRM / реклама → выгрузки → таблицы → ручное сопоставление

После

Источники → единая обработка → модель показателей → BI

Контекст

Продажи анализировали через несколько отчётов из 1С: данные выгружали, переносили в Google Sheets и сопоставляли вручную.

В маркетинге информация также была разрозненной. Лиды поступали в Битрикс24, менеджеры отдельно заносили их в 1С, а данные из CRM, рекламной системы и 1С сводили в Excel. Подготовка отчётов занимала время, а изменение аналитических срезов требовало новой ручной работы.

Задача

Создать единую систему аналитики для маркетинга, продаж и руководства: связать источники, организовать обработку данных и предоставить пользователям готовую BI-отчётность.

Мой вклад

  • Предложил проект, подготовил презентацию и представил решение руководству и операционному штабу.
  • Подготовил хранилище данных и формировал DAG в Apache Airflow для загрузки из корпоративных источников.
  • Составлял технические задания разработчику 1С на доработку API для выгрузки необходимых данных.
  • Выстроил последовательную обработку через Stage, ODS, Core и аналитические витрины.
  • Работал с моделью данных в Visual Studio: настраивал связи таблиц фактов и справочников, создавал DAX-формулы для расчёта показателей.
  • Разрабатывал визуализацию и дашборды в Power BI.

Как устроено решение

Источники → API и Apache Airflow → DWH: Stage → ODS → Core → витрины → семантическая модель и DAX → Power BI.

Отчётность разделена по вопросам пользователей: клиентская воронка, клиентские события и финансовые показатели.

Что получилось

  • Дашборд по маркетинговым лидам и клиентской воронке.
  • Дашборд по событиям клиентов: назначенные и проведённые встречи, звонки и конверсии.
  • Общий дашборд по финансовым показателям для руководства.
  • Вместо повторяющегося ручного сопоставления выгрузок появилась централизованная BI-отчётность.
Схема подхода02Аналитика под вопросы бизнесаПродажи, клиентские когорты и сегменты.

Использовал общую систему данных для запросов разных подразделений: анализировал продажи, клиентскую воронку, повторные покупки, когорты и RFM-сегменты.

Аналитик данных

SQLMS SQL ServerBI-отчётностьКогортный анализRFM

Контекст

После появления общей системы сбора и обработки данных её использовали не только для регулярных дашбордов, но и для отдельных аналитических вопросов подразделений.

Задача

Подготовить анализ под конкретный запрос: от сравнения подразделений и оценки маркетинга до изучения покупательского поведения.

Мой вклад

  • Анализировал продажи и эффективность маркетинга на данных корпоративной системы.
  • Сравнивал показатели подразделений и рассчитывал конверсии от обращения до встречи и покупки.
  • Исследовал число покупателей и суммы покупок в первые 30 дней после регистрации.
  • Проводил когортный и RFM-анализ клиентской базы, анализировал повторные покупки и жизненный цикл клиентов.

Как устроено решение

Использовал SQL-запросы и подготовленные данные для формирования выборок и расчёта показателей под задачу подразделения.

Рассматривал клиентскую воронку, когорты и сегменты как разные способы ответить на вопросы о продажах и поведении клиентов.

Что получилось

  • Подготовленные аналитические выборки, расчёты и выводы по запросам подразделений.
  • Возможность рассматривать клиентские и коммерческие показатели не только в целом, но и в нужных разрезах.
Схема подхода03Отчётность без ручной отправкиЕжедневный мониторинг и еженедельная сводка в рабочем чате.

Разработал и внедрил бота, который отправляет ежедневный мониторинг лидов и готовит еженедельный расчёт показателей для операционной планёрки.

Разработчик автоматизации и аналитик

PythonSQLБитрикс24 APIКорпоративное хранилище

Контекст

Руководителю и команде маркетинга нужны были регулярные показатели в привычном рабочем канале — без отдельного ручного составления каждого сообщения.

Задача

Автоматизировать подготовку и доставку отчётности на базе уже построенной системы сбора и обработки данных.

Мой вклад

  • Разработал бота для отправки аналитических сообщений в чат маркетинга в Битрикс24.
  • Настроил ежедневный мониторинг новых лидов с разбивкой по источникам и географии.
  • Автоматизировал подробный еженедельный расчёт показателей для операционной планёрки руководителя.
  • Внедрил решение в регулярные процессы отдела.

Как устроено решение

Ежедневная сводка показывает количество новых лидов и распределение по источникам и городам.

Еженедельная сводка сравнивает периоды: лиды, конверсию в запись и продажу, CPL по распределённым расходам. В ней выделяются филиалы, требующие внимания, и доступны подробный расчёт и методология.

Что получилось

  • Команда получает ежедневный мониторинг в рабочем чате.
  • Руководитель получает регулярный расчёт показателей для еженедельного обсуждения.
  • Подготовка и доставка этих сводок встроены в рабочий процесс.

Демонстрация формата. Все значения вымышлены.

Ежедневный мониторинг лидов

2026-07-26 · Лиды: 128

Поисковая реклама
47
Социальные сети
21
Органический поиск
35
Рекомендации
25
Филиал A
32
Филиал B
28
Филиал C
41
Филиал D
27

Все новые лиды за демонстрационный день; одна база для обеих разбивок.

Еженедельная аналитическая сводка

Лиды: 640 → 612

Относительное изменение лидов: -4,4 %

Изменение конверсии в запись, п.п.: 5

Филиал B: 200 → 162 (-19 %)

Посмотреть демонстрационный расчёт

Границы недель включены; периоды не пересекаются.

Еженедельная аналитическая сводка
Период привлеченияЛидыКлиенты с записьюПокупателиВ записьЛид → покупкаСмешанный CPL
2026-07-13 — 2026-07-196402887745 %12 %1 141 ₽
2026-07-20 — 2026-07-266123066850 %11,1 %1 157 ₽
Схема подхода04AI-ассистент для постановки задачИз свободного запроса — в согласованную задачу.

Разработал Python-бота, который уточняет запрос сотрудника, предлагает исполнителя и после подтверждения создаёт задачу в Битрикс24. Протестировал и внедрил его в процессы маркетинга.

Разработчик решения и инициатор внедрения

PythonAPIБаза данныхБитрикс24TimewebAI-интеграция

Контекст

Сотрудникам требовался понятный способ передать запрос в маркетинг. Ассистент помогал уточнить, что нужно сделать, какого результата ждут и кому назначить задачу.

Задача

Организовать сценарий от первичного сообщения до задачи в Битрикс24, сохранив подтверждение со стороны пользователя.

Мой вклад

  • Разработал серверную логику бота на Python.
  • Организовал хранение логов, переписок и данных о сотрудниках маркетинга в базе на сервере.
  • Подключил AI через API к сервису, развёрнутому на инфраструктуре Timeweb.
  • Разделил поведение на заранее прописанные сценарии и ответы, формируемые через AI.
  • Отдельно оптимизировал расход токенов и время ответа.
  • Провёл тестирование на уровне компании и самостоятельно внедрил решение в процессы отдела маркетинга.

Как устроено решение

Сотрудник пишет запрос → бот задаёт уточняющие вопросы → предлагает исполнителя → пользователь подтверждает → формируется текст задачи → задача создаётся в Битрикс24.

Python-бот и база данных размещены на сервере. AI вызывается по API; часть логики задана в коде.

Что получилось

  • Рабочий сценарий постановки задач через бота с уточнением требований и подтверждением пользователя.
  • Внедрение решения в процессы маркетинга после тестирования.
Посмотреть сценарий

Синтетический пример. Интерактивная демонстрация сценария. Без подключения к AI и Битрикс24.

01 / Запрос

Нужно подготовить текст для страницы новой услуги.

02 / Уточнения

Какую услугу описываем, кто аудитория, какой результат нужен и к какому сроку?

03 / Требования

Нужен текст для лендинга диагностической услуги: объяснить, как проходит приём, кому он подходит и как записаться. Срок — следующий вторник.

04 / Исполнитель

Предлагаю назначить задачу специалисту по контенту. Подтвердите исполнителя и описание.

05 / Карточка задачи

Пример задачи сформирован. В корпоративную систему ничего не отправлено.

Задача
Подготовить текст для страницы услуги
Исполнитель
Специалист по контенту
Результат
Черновик текста лендинга: описание услуги, порядок приёма, ответы на основные вопросы и запись.
Срок
Следующий вторник — демонстрационное условие

Масштаб работы> 4 млн ₽рекламный бюджет в месяцБюджет, не сумма экономии.05Оптимизация рекламы на данныхПрикладная аналитика при бюджете более 4 млн ₽ в месяц.

Работал с рекламными кампаниями в Яндекс Директе с бюджетами более 4 млн ₽ в месяц, используя данные о лидах, конверсиях и эффективности привлечения для оптимизации.

Интернет-маркетолог с аналитической зоной ответственности

Яндекс ДиректSQLBI-отчётностьМаркетинговая аналитика

Контекст

Маркетинговые задачи были связаны с существенным рекламным бюджетом и необходимостью оценивать результат не только по показателям рекламного кабинета.

Задача

Использовать данные для оценки эффективности и оптимизации рекламных кампаний.

Мой вклад

  • Вёл и оптимизировал рекламные кампании в Яндекс Директе.
  • Анализировал маркетинговые и клиентские показатели: лиды, конверсии и стоимость привлечения.
  • Использовал результаты анализа при принятии решений по рекламным кампаниям.

Как устроено решение

Сопоставление рекламной статистики с данными о лидах и последующих этапах клиентской воронки.

Аналитика как постоянная часть управления кампаниями, а не отдельный отчёт в конце периода.

Что получилось

  • Аналитически обоснованная работа с рекламными кампаниями и бюджетом более 4 млн ₽ в месяц.

Бюджет характеризует масштаб работы. Он не является суммой экономии, размером выручки или доказательством прироста эффективности.

Интерактивная демонстрация

Посмотрите на данные
с разных сторон.

Выберите период, филиал или канал. Показатели, воронка и таблица пересчитываются из одного набора данных.

Синтетические данные. Демонстрация аналитической логики, а не рабочая отчётность компании.

Без JavaScript доступна общая выборка за апрель–июнь 2026. Фильтры и CSV требуют JavaScript.

Лиды16 959
Покупатели2 019
Выручка за 30 дней114 510 000 ₽
Лид → покупка11,9 %

Клиентская воронка

Лиды16 959 чел.

Конверсия от всех лидов: 100 %

Клиенты с записью9 933 чел.

Конверсия от всех лидов: 58,6 %
Конверсия от предыдущего этапа: 58,6 %

Клиенты с проведённой встречей6 672 чел.

Конверсия от всех лидов: 39,3 %
Конверсия от предыдущего этапа: 67,2 %

Покупатели2 019 чел.

Конверсия от всех лидов: 11,9 %
Конверсия от предыдущего этапа: 30,3 %

Динамика когорт

Лиды / Покупатели · чел.

5 345 / 616Апрель 2026
5 554 / 670Май 2026
6 060 / 733Июнь 2026

Снимок на 1 августа 2026 · окно наблюдения 30 дней

Таблица по филиалам
Текущая выборка · 48 строк
ФилиалЛидыКлиенты с записьюКлиенты с проведённой встречейПокупателиВыручка за 30 днейРасходы на привлечениеЛид → покупкаСмешанный CPL
Филиал A3 6082 1471 59548626 252 000 ₽2 225 740 ₽13,5 %617 ₽
Филиал B4 1582 4281 63649529 150 000 ₽2 600 680 ₽11,9 %625 ₽
Филиал C4 4472 5951 33440621 258 000 ₽2 770 960 ₽9,1 %623 ₽
Филиал D4 7462 7632 10763237 850 000 ₽2 935 000 ₽13,3 %618 ₽
Итого16 9599 9336 6722 019114 510 000 ₽10 532 380 ₽11,9 %621 ₽

CSV: агрегированные строки текущей выборки; суммы в RUB, этапы в людях.

Как считаются показатели

Одна строка — месяц привлечения × филиал × канал. Каждый лид относится к одной когорте. Запись, проведённая встреча и покупка учитываются в первые 30 дней после обращения; на каждом этапе человек учитывается один раз. Конверсия рассчитывается из суммарных числителей и знаменателей, а не как среднее процентов. Период отражает месяц привлечения, а не дату продажи. Все когорты имеют полное окно наблюдения.

L = Σ leads; B = Σ booked; A = Σ attended; P = Σ buyers; R = Σ revenue_rub; S = Σ spend_rub.
B/L · A/B · P/A · P/L · CPL = S/L.
0 → — (Нет базы для расчёта).

Снимок на 1 августа 2026 · окно наблюдения 30 дней

Профессиональный путь

Где я работал и за что отвечал.

Основная работа, проектная занятость и начало карьеры в маркетинге. Некоторые периоды пересекаются: проекты выполнялись параллельно. Компании описаны без названий.

07.2024 — настоящее времяОсновная работа

Сеть медицинских центров

Аналитик данных

Корпоративная BI-система: от источников и хранилища до показателей маркетинга, продаж и клиентской воронки.

SQLApache AirflowDWHPower BIDataLens
Задачи и зона ответственности
  • Инициировал BI-проект и участвовал в создании общей аналитической среды для подразделений и руководства.
  • Работал с ETL-процессами в Apache Airflow, API-интеграциями CRM, 1С, рекламных систем и телефонии; со слоями хранилища и витринами данных.
  • Писал SQL-запросы для анализа клиентов, маркетинга и продаж: первые 30 дней после обращения, сравнение филиалов, конверсии от обращения до покупки.
  • Разрабатывал отчётность в Power BI и DataLens по воронке, каналам, филиалам и клиентским сегментам; анализировал выручку, CAC, CPA, CPL, ROMI и LTV.
  • Автоматизировал регулярные сводки и участвовал во внедрении AI-ассистента для постановки задач.

BI-система создавалась с участием другого аналитика. Изменения API 1С реализовывал разработчик по техническому заданию. Пять кейсов выше относятся к этой компании.

06.2024 — 06.2026Проектная занятость

Проект по клиентской аналитике

Аналитик данных

Клиентская база, повторные покупки и эффективность маркетинговых каналов.

RFMКогортный анализLTV / CACВеб-аналитика
Задачи и зона ответственности
  • Анализировал продажи, клиентов и рекламные кампании; сегментировал базу по покупательскому поведению.
  • Проводил RFM- и когортный анализ, исследовал повторные покупки и жизненный цикл клиентов.
  • Рассчитывал LTV, CAC, CPA, CPL и ROMI; оценивал маркетинговые каналы и поведение пользователей на сайте.
  • Готовил аналитическую отчётность и рекомендации на основе результатов анализа.
01.2024 — 03.2025Проектная занятость

Транспортно-логистическая компания

Аналитик данных

Заказы и операционная эффективность: сроки доставки, загрузка транспорта и структура спроса.

APIERP / CRMDataLensОперационная аналитика
Задачи и зона ответственности
  • Получал и обрабатывал данные из ERP, CRM и рекламных систем через API.
  • Анализировал клиентские заказы, сезонность, географию и структуру спроса.
  • Рассчитывал и визуализировал среднее время доставки, использование транспорта и количество доставок на единицу техники.
  • Анализировал маркетинговые расходы, каналы привлечения и веб-данные; создавал дашборды в DataLens.
  • Сопровождал пилотные проекты по автоматизации и готовил аналитику для руководителей и операционных менеджеров.
04.2023 — 05.2025Проектная занятость

Медицинский центр

Аналитик данных

Путь пациента — от первого обращения до записи и визита. Отчётность для руководства и клиентского сервиса.

BI-отчётностьКогортный анализLTVКлиентская воронка
Задачи и зона ответственности
  • Анализировал клиентов, обращения, записи и посещения; рассчитывал конверсии между этапами клиентской воронки.
  • Проводил когортный анализ, рассчитывал LTV сегментов и оценивал каналы привлечения пациентов.
  • Разрабатывал BI-отчётность для руководства и мониторинг клиентских и операционных показателей.
  • Готовил выводы и рекомендации для маркетинга и клиентского сервиса.
09.2023 — 05.2024Опыт в маркетинге

Компания в сфере упаковки и расходных материалов

Интернет-маркетолог

Рекламные кампании, аналитические дашборды и автоматизация повседневных задач маркетинга.

Яндекс ДиректPower BIDataLensHTML / CSS / JSBitrix CMS
Задачи и зона ответственности
  • Запускал и вёл кампании в Яндекс Директе, анализировал их эффективность.
  • Собирал маркетинговые данные и создавал дашборды в Power BI и DataLens.
  • Администрировал сайт: HTML, CSS, JavaScript и CMS Bitrix.
  • Разрабатывал и внедрял решения для автоматизации рутинных операций отдела маркетинга.
01.2023 — 09.2023Начало карьеры

Digital-агентство

Менеджер по платному трафику

Работа с рекламой дала практический контекст для последующего перехода к аналитике данных.

Яндекс ДиректVK РекламаPower BIDataLens
Задачи и зона ответственности
  • Настраивал и вёл рекламные кампании в Яндекс Директе и VK Рекламе.
  • Разрабатывал отчёты в Power BI и DataLens, анализировал эффективность кампаний.
  • Готовил рекомендации по оптимизации рекламы, взаимодействовал с клиентами и вёл отчётность.
01.2024 — 07.2026Дополнительный проект

Собственный проект в бизнес-аналитике и автоматизации

Сооснователь / аналитик данных

Дополнительный опыт сбора требований и проектирования аналитических решений.

SQL / PythonETL / DWHPower BI
Задачи и зона ответственности
  • Выявлял задачи и ожидания, анализировал бизнес-процессы и формировал концепцию решения.
  • Проектировал архитектуру, настраивал ETL, хранилища, слои и витрины; писал SQL- и Python-скрипты, создавал BI-отчётность.
  • Готовил демонстрации и презентации; согласовывал состав работ, сроки и формат взаимодействия.

Рабочий стек
и задачи.

Apache Airflow / DWH

DAG загрузки данных и последовательная обработка через Stage, ODS, Core и витрины.

BI-система с нуля ↗

Power BI / DAX / Visual Studio

Модели данных, связи таблиц фактов и справочников, расчёт показателей и дашборды.

BI-система с нуля ↗

DataLens

BI-отчётность и визуализация показателей в проектной работе.

Профессиональный путь
в аналитике.

Мой опыт объединяет корпоративную BI-систему, прикладную аналитику и автоматизацию. Участвовал в работе с данными на разных этапах: от интеграций и слоёв хранилища до моделей показателей, аналитических запросов и регулярной отчётности.

Опыт в digital-маркетинге дал мне бизнес-контекст для аналитических задач. В работе уделяю внимание тому, как рассчитан показатель, какой вопрос команды он помогает решить и как сделать данные доступными без повторной ручной сборки.

Готов обсудить
вашу вакансию.

Рассматриваю работу в штате на позиции аналитика данных или BI-аналитика. На встрече расскажу о своём опыте, роли в проектах и подходе к задачам команды.

Москва · Офис, гибрид или удалённая работа

© 2026 Александр Кочмарик
Портфолио аналитика данных. Компании описаны без названий; интерактивные примеры используют синтетические данные.

Наверх ↑