Самый полный список достижений для резюме для Дата/Продуктового Аналитика Достижения в резюме с метриками и бизнес-ценностью — это основа резюме в 2026 году. Что хр, что нейронка — обе они будут искать конкретные метрики, которые конкретно ты изменил конкретным инструментом (подробнее про XYZ здесь). Насколько это адекватный отбор обсуждать не будем, так что у тебя 2 варианта: 1⃣ "Наём сломан, никто вокруг не понимает как отбирать кандидатов" и сидеть дальше без работы 2️⃣ Принять правила игры, адаптировать своё резюме и лутать лучшие офферы Тем, кто выбрал второй вариант, и поможет мой пост. Часто бывает сложно самому понять, на какие метрики ты смог повлиять своими эксель выгрузками, поэтому ниже список достижений для резюме, которые охватывают бОльшую часть рабочих инструментов и обязанностей: Важно: эти достижения — лишь костяк, на который ты в своём резюме должен нарастить мяса, а не просто копировать контрл цэ - контрл вэ. - Оптимизировал запрос SQL в clickhouse, что ускорило его исполнение с 1 часа до 5 минут. - Провёл когортный анализ пользователей с использованием SQL (ClickHouse) и Python (pandas), что позволило увеличить GMV на привлечённого пользователя на 15%. - Провел A/B-тест по изменению интерфейса обратной связи и рассчитал статистическую значимость, что увеличила конверсию на 3%. - Настроил автоматический еженедельный отчет в Superset по ключевым показателям, что сэкономило 6 человекочасов в неделю; - Внедрил систему регулярных Data Quality проверок (python, pandas) для ключевых таблиц в DWH, что повысило качество данных и уменьшило количество ручных проверок на 80%. - Проанализировал воронку продаж с помощью Python (pandas, numpy), предложил упрощение пользовательского пути, что повысило конверсию в покупку на 7%. - Проанализировал, спроектировал на SQL и реализовал в Clickhouse витрину данных по продажам. На ее основе создал дашборд в SuperSet, что помогло руководству всегда иметь актуальные данные и оперативно принимать логистические решения. - Провёл А/В эксперимент по оптимизации процесса регистрации, что увеличило количество завершенных регистраций на 3%. - Автоматизировал процесс подготовки отчётов с помощью Python и SQL, что сократило время выполнения AD-hoc запросов на 40%. - Построил RFM-модель на стеке SQL (ClickHouse) + Python (pandas, numpy) + Power BI (DAX), что позволило оптимизировать ассортимент и персонализировать коммуникации. - Оптимизировал ассортимент товаров на основе анализа потребительского спроса и сезонности с помощью Python (pandas, numpy), что увеличило продажи на 7%. - Настроил парсинг данных с сайтов-агрегаторов квартир с помощью python (BeautifulSoup4), что позволило всегда иметь актуальные данные о ценовых решениях конкурентов. - Разработал и автоматизировал 5 ETL процессов, обеспечив оперативный доступ к данным и метрикам. - Обновил методологию расчета ключевых метрик, что повысило точность расчета до 100%. @lines_of_c0de