Портфолио и кейсы фрилансеров по статистическому анализу

Проект по анализу продаж интернет-магазина. Провёл полный цикл работы с данными: очистка и подготовка CSV-файлов, загрузка данных в MySQL, проверка качества данных и анализ с помощью SQL и Python (pandas). Рассчитал ключевые показатели: общую выручку, средний чек, динамику выручки по месяцам, выручку по категориям и товарам, активность клиентов и долю повторных покупателей. Для визуального представления результатов использовал Matplotlib и Seaborn. По результатам анализа сформировал основные бизнес-выводы о динамике продаж, наиболее значимых категориях и поведении клиентов. В проекте также учитывались проблемы качества данных: дубликаты, пропуски, некорректные значения и отсутствие связанных записей.

Авторский демонстрационный концепт адаптивного продуктового лендинга для многоразового пакета GreenLeaf. Задача проекта — понятно представить экологичный продукт, раскрыть его преимущества и привести посетителя к целевому действию. В проекте разработана структура одностраничного сайта, подготовлены тексты и визуальное оформление, создан индивидуальный первый экран в Zero Block, оформлены блоки о продукте и его преимуществах, настроены кнопки целевого действия и базовые SEO-параметры. Страница адаптирована для компьютеров и мобильных устройств. Проверены основные размеры экранов, заголовки, изображения, кнопки и последовательность смысловых блоков. Результат — готовый опубликованный лендинг с единой визуальной системой, адаптивной вёрсткой и понятным пользовательским сценарием. Проект является авторским демонстрационным концептом и создан на синтетическом примере, а не для вымышленного заказчика.

Самостоятельный демонстрационный проект на синтетических данных — не работа для вымышленного заказчика. AI Sales Assistant автоматизирует первичную обработку обращений на сайте. Ассистент отвечает только в пределах согласованной FAQ-базы, не придумывает цены, сроки и гарантии, а неизвестные вопросы предлагает передать менеджеру. Реализовано: • адаптивный чат на React + TypeScript; • явное согласие перед сбором контакта; • пошаговый сбор и проверка имени, телефона/email, продукта и комментария; • предварительный просмотр заявки перед отправкой; • защищённая панель менеджера со статусами; • FastAPI, PostgreSQL, SQLAlchemy и Alembic; • серверная авторизация, HttpOnly-cookie, CSRF и rate limiting; • SMTP-уведомления через transactional outbox без персональных данных в письме; • Docker Compose, Caddy, HTTPS Let's Encrypt; • резервные копии с проверкой восстановления, мониторинг и firewall. Полный сценарий «чат → заявка → панель → смена статуса» проверен на реальном PostgreSQL. На контрольном снимке проходят 449 backend- и 96 frontend-тестов. Решение можно адаптировать под FAQ, фирменный стиль, CRM и каналы клиента.

Разработал интерактивный Power BI-дашборд для контроля продаж и анализа ключевых показателей. На обзорной странице собраны выручка, количество продаж, проданные единицы и средний чек. Графики показывают распределение выручки по регионам и товарным категориям, а также динамику по месяцам и кварталам. Динамические карточки помогают быстро определить ведущий регион и категорию. На странице детализации доступна таблица отдельных операций с датой, регионом, категорией, количеством и выручкой. Настроены фильтры по периоду, региону и категории, а также кнопки быстрого сброса фильтров. Выполнил подготовку и проверку данных, построение модели Power BI, разработку DAX-мер и настройку интерактивности. Для воспроизводимой обработки данных использован Python-пайплайн с проверкой обязательных полей, дубликатов и некорректных значений. Демонстрационный набор содержит 1 606 продаж за 12 месяцев. Все данные синтетические и не относятся к реальной компании. Неполный август 2026 года отдельно отмечен в отчёте, чтобы избежать неверного сравнения периодов.

Разработал интерактивный Power BI-дашборд для руководителя отдела продаж. Решение помогает контролировать выполнение плана по марже, сравнивать подразделения и менеджеров, анализировать динамику за 12 месяцев и находить сделки, требующие внимания. В отчёте реализованы пять страниц: общий обзор, эффективность менеджеров, активность и воронка продаж, мобильная сводка и детализация по выбранному менеджеру. Выполнены подготовка и проверка данных, построение модели из 12 таблиц, разработка 64 DAX-мер, настройка фильтров, рейтинга менеджеров, воронки продаж и перехода к персональным показателям и списку сделок. Дашборд показывает фактическую и плановую маржу, отклонение от плана, выполнение плана, количество коммерческих предложений, счетов и оплат, конверсию и задержавшиеся сделки. Это авторский демонстрационный проект на синтетических данных. Он показывает полный цикл работы: от подготовки данных и модели до визуализации, проверки расчётов и мобильной версии.

Автоматизированная обработка массивов измерений с расчётом статистики по отдельным периодам, годам, сериям наблюдений или другим заданным диапазонам. Для каждого диапазона могут рассчитываться: минимум; максимум; среднее значение; медиана; стандартное отклонение; дополнительные показатели по заданию. Результаты автоматически записываются в итоговую Excel-таблицу с сохранением требуемого оформления, числовых форматов и структуры документа. При необходимости дополнительно строятся графики, временные ряды, сравнительные диаграммы и сводные таблицы. Подходит для лабораторных, инженерных, производственных, коммерческих и других данных, где ручной расчёт множества диапазонов занимает много времени. Технологии: Python, pandas, NumPy, openpyxl, Matplotlib, Excel.

Разработка клиент-серверной информационно-аналитической системы для хранения, обработки и визуализации пространственных данных. Реализованы запросы к базам натурных наблюдений, загрузка результатов численного моделирования, обработка NetCDF, пространственная интерполяция, отображение векторных и растровых слоёв на интерактивной карте, работа со спутниковыми данными и авторизация пользователей. Серверная часть разработана на Python/Flask, клиентская — JavaScript/Leaflet. Python · Flask · JavaScript · Leaflet · SQL/SQLite · NumPy · SciPy · NetCDF · Matplotlib · HTML/CSS

Разработка инструмента для автоматизированного сбора данных из открытых патентных баз и последующей аналитической обработки. Программа на C# использовалась для получения и систематизации библиографических данных патентов. Сформирован массив патентной документации с номерами документов, названиями, странами, заявителями и правообладателями, датами приоритета и публикации и другими характеристиками. На основе собранных данных выполнен анализ динамики патентной активности, географии патентования, крупнейших правообладателей и технологических тенденций. Технологии: C#, автоматизация работы с веб-источниками, сбор и обработка данных, статистический анализ, визуализация.

Работа выполнена в рамках исследования многолетней изменчивости температуры воздуха на побережье Белого моря. Обработан массив из более чем 378 тыс. среднесуточных наблюдений по 11 метеостанциям с временным охватом 1881–2022 гг. Проведены контроль полноты данных, анализ структуры пропусков и формирование сопоставимых временных рядов. Для восстановления отсутствующих значений разработана и проверена собственная статистическая процедура. Станции-аналоги ранжировались по тесноте связи временных рядов, для каждого календарного месяца строились отдельные регрессионные модели с использованием до четырёх аналогов. Качество метода проверялось на независимых временных блоках и в имитационном эксперименте, воспроизводящем фактическую структуру пропусков. По результатам проверки определены критерии допустимой доли восстановленных данных. Восстановлено 98,6 % внутренних пропусков. На подготовленных рядах выполнены статистический анализ, сравнение климатологических периодов 1961–1990 и 1991–2020 гг., расчёт долговременных трендов и пространственная визуализация результатов.

Работа выполнена в рамках научного исследования ледового режима Онежского залива Белого моря для исследовательского проекта Института водных проблем Севера КарНЦ РАН. Была проведена обработка многолетнего массива спутниковых данных Bremen ASI AMSR-E/AMSR2 о сплочённости морского льда за 2002–2026 гг. Дополнительно использовались данные реанализа ERA5 по температуре воздуха. В ходе работы сформированы и проверены временные ряды, выполнена оценка полноты исходных данных, рассчитаны статистические характеристики ледового режима, сроки появления и разрушения ледяного покрова, проведено сравнение сезона 2025/26 гг. со средними многолетними условиями. Для представления результатов построены графики временных рядов и карты пространственного распределения сплочённости льда. Особенность проекта — совместная обработка спутниковых, метеорологических и пространственных данных с последующей статистической интерпретацией. В результате установлено, что общая сезонная сплочённость льда в 2025/26 гг. была близка к многолетней средней, однако ледовый период оказался существенно короче из-за раннего весеннего разрушения ледяного покрова и очищения акватории.