Опыт

Проекты, Компании, Технологии и решения

 
 
 
 
 

Ведущий разработчик BI

Волгагаз, г.Саратов

Нефтедобывающая отрасль
02.2019 – Настоящее время
  • MS BowerBI (Реализация набора отчетов по мониторингу показателей состояния оборудования на производстве).
  • Azure Analysis Services. Перестроение структуры хранения данных в Data warehouse.
 
 
 
 
 

Ведущий разработчик BI

NewTech Services, г.Москва

Нефтедобывающая отрасль
07.2018 – Настоящее время
  • MS PowerBI (Реализация набора отчетов по сравнению плановых и фактических данных по движению денежных средств компании в разрезе различных видов валют с расчетом ключевых показателей предприятия)
 
 
 
 
 

Ведущий разработчик BI

UniqBro, г. Пермь

Сфера услуг
04.2018 – Настоящее время
  • MS Power BI (Разработка комплекта отчетов и дашбордов по управленению бизнесом)
  • Интеграция с сервисами по API. Python, Power Query
 
 
 
 
 

Ведущий разработчик BI

Агрохолдинг Выборжец, Ленинградская область

Сельское хозяйство
04.2018 – Настоящее время
  • MS Power BI (Разработка комплекта отчетов и дашбордов по производству, финансам, продажам и закупкам)
  • Разработка ETL с 1С через Odata
 
 
 
 
 

Ведущий разработчик BI

Scandic Construction, г. СанктПетербург

Производство строительных конструкций
10.2017 – 02.2018
  • MS Power BI (Разработка комплекта отчетов по трансформации отчетности РСБУ > IFRS)
  • Разработка аналитической модели и трансляция бизнес требований в модель на DAX
 
 
 
 
 

Ведущий разработчик BI

Reima, г. Москва

Легкая промышленность
09.2017 – 10.2017
  • MS Power BI (Разработка комплекса автоматизированной перекладки отчетности РСБУ > IFRS)
  • Разработка системы трансляции отчетности. Разработка синтаксического движка бизнес-формул для трансляции отчетности
 
 
 
 
 

Ведущий разработчик BI

Группа «Кронштадт», г. Санкт-Петербург

Наукоемкое оборудование
06.2017 – 06.2017
  • MS Power BI (Разработка комплекта отчетов по оборотному капиталу)
  • Оптимизация получения больших объемов данных из SQL Server
 
 
 
 
 

Ведущий разработчик Nav

«Profi Real Group», г. Санкт-Петербург

Fintech, Кредитная организация
09.2016 – 05.2017
Достижения
  • Создана и развита база знаний. База знаний содержит: информацию от уровня архитектуры приложения до уровня описания полей таблиц базы данных; особенности интеграции и взаимодействия между финансовой системой MS Nav и MS CRM; описание механизмов интеграции систем; бизнес-требования; инструкции пользователя. База знаний в компании стала общей точкой сбора и обмена знаниями.
  • Созданы отдельные концептуальные карты бизнес-терминов компании. Они позволили создать основу единого языка между бизнесом и ИТ-специалистами.
  • Разработана взаимосвязанная система отчетов. Она позволила оперативно вести мониторинг состояния обмена данными между системами. Это позволило реагировать на сбои обмена данными до поступления заявок от пользователей в систему поддержки.
  • Переработаны ключевые финансовые отчеты для инвесторов и регуляторов в результате совместной работы с аналитиком финансового отдела. Достигнуто значительное сокращение времени подготовки отчетов (в 10 и более раз).
Обязанности
  • Оперативная поддержка системы MS Nav, разрешение инцидентов от конечных пользователей и системы интеграции.
  • Разрешение вопросов по прохождению данных между системами (MS Nav, MS CRM, сервисы НБКИ) в рамках бизнес-процессов компании.
  • Разработка отчетности для финансового, операционного и других департаментов компании.
  • Разворачивание тестового стенда прикладных систем, системы интеграции и конфигурирование сервисов (WCF).
Технологии
Платформы Microsoft Dynamics Nav, Microsoft Dynamics CRM
СУБД SQL Server 2012
Инструменты Power Pivot Excel, Cmap Tools, Onenote
Языки Transact-SQL, Power Query, F#, C/AL
 
 
 
 
 

Ведущий бизнес-аналитик

ОАО «БТК Групп», г. Санкт-Петербург

Легкая промышленность
08.2008 – 08.2016
Достижения
  • Успешное завершение проекта внедрения ERP системы MS Dynamics NAV;
  • Продуктивная поддержка стремительного развития и роста (до 200 одновременных пользователей в системе, более 500 рабочих мест);
  • Разработана интеграция системы MS Dynamics Nav с системой PLM Lectra.
  • Внедрено несколько поколений систем совместной работы и баз знаний поддержки ERP систем: Redmine, DokuWiki, SharePoint.
  • Разработаны многочисленные аналитические отчеты, удобные для пользователей с использованием Excel (с вызовом хранимого объекта Transact SQL) и MS Report Services.
  • Разработаны утилиты на базе языка F#. Они позволили: повысить продуктивность администрирования и сопровождения ERP системы; упростили интеграцию MS Dynamics Nav с MS Exchange и Active Directory; облегчили анализ, очистку и строгую валидацию данных, получаемых из текстовых файлов и файлов Excel.
  • Разработано и внедрено хранилище всей истории финансовых операций компании. Над хранилищем разработана OLAP система анализа финансовых показателей на базе MS Analysis Services;
Обязанности
  • Прикладное администрирование серверов: ввод пользователей, распределение прав доступа, мониторинг производительности и доступности;
  • Поддержка пользователей системы: прием заявок на обслуживание, определение приоритета работ, работа над инцидентами. Основные направления поддержки: нормирование, диспозиция, производство. Смежные направления поддержки: финансы, логистика, зарплата и кадры.
  • Модернизация системы: анализ, оценка, согласование, приемка в работу, исполнение и разработка внутренних и внешних инструментов (в частности хранимых объектов Trancast-SQL), сдача внутреннему заказчику заявок на изменения.
  • Проведение внутреннего обучения по работе с информационными системами и инструментами: MS Dynamics NAV, Transact-SQL, Regular Expression, MS Excel, MS SharePoint.
  • Развитие новых прикладных автоматизированных систем: планирование, проектирование, реализация, ввод в эксплуатацию проектных решений.
Технологии
Платформы Microsoft Dynamics Nav, 1C 8.2 ERP, MS Report Services, MS Analysis Services
СУБД SQL Server 2012
Инструменты Git, Power Pivot Excel, Cmap Tools, Onenote, SharePoint
Языки Transact-SQL, XML for Analysis, C/AL, Power Query, Visual Basic, RegExp, F#, R
 
 
 
 
 

Консультант по внедрению ERP-систем

Центр Информационных Технологий и Консалтинга Парус, г. Санкт-Петербург

Консалтинг
06.2002 – 08.2006
Достижения
  • Успешно реализованы проекты внедрения ERP системы Парус 8 on Oracle в Государственном Эрмитаже и компании ОАО “Завод по выпуску тяжелых механических прессов”;
  • Разработан и внедрен пилотный проект “панель руководителя” на базе Cognos BI в Государственном Эрмитаже.
Обязанности
  • Участие в полном цикле консалтинговых услуг: участие в отраслевых региональных конференциях, предпродажная работа совместно с менеджерами по продажам, работа в команде внедрения решения, работа в команде сопровождения решения.
  • Предпроектное и проектное обследование: анализ и уточнение требований к системе, разработка и корректировка технического задания, формирование контрольного примера.
  • Разработка хранимых объектов Oracle PL/SQL: пакетов, процедур, функций, представлений.
  • Разработка отчетов в Crystal Reports.
  • Импорт данных из унаследованных систем: очистка данных, проектирование и разработка механизмов загрузки.
  • Разработка инструкций.
  • Обучение пользователей.
  • Администрирование базы данных Oracle 8-9 и ERP системы на платформе Windows, установка, настройка, аудит производительности и безопасности.
Освоенные навыки
  • Методы проектной работы и организации труда;
  • Язык Oracle PL/SQL;
  • Бухгалтерский учет на промышленном предприятии особенно участки: валютного учета, материального учета, учета расчетов с экспортерами/импортерами, учета основных средств и капитальных вложений, учета ценных бумаг, кредитов и займов в рублях и валюте.
Технологии
Платформы Parus 8 On Oracle
СУБД Oracle 8-9
Инструменты PL/SQL Developer, Crystal Reports, Cognos BI
Языки PL/SQL, Visual Basic, Perl

Достижения

Курсы, Сертификаты, Статусы

Поиск структуры в данных

В машинном обучении встречаются задачи, где нужно изучить структуру данных, найти в них скрытые взаимосвязи и закономерности. Например, нам может понадобиться описать каждого клиента банка с помощью меньшего количества переменных — для этого можно использовать методы понижения размерности, основанные на матричных разложениях. Такие методы пытаются сформировать новые признаки на основе старых, сохранив как можно больше информации в данных. Другим примером может служить задача тематического моделирования, в которой для набора текстов нужно построить модель, объясняющую процесс формирования этих текстов из небольшого количества тем…
Посмотреть сертификат

Обучение на размеченных данных

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина…
Посмотреть сертификат

MCSA: BI Reporting - Certified 2018

Earners of the MCSA: BI Reporting certification demonstrate knowledge relevant to data analysis, data visualization, modeling, dashboards, and direct connectivity to data sources in Excel and Power BI.
Посмотреть сертификат

Exam 779: Analyzing and Visualizing Data with Microsoft Excel

Passing Exam 779: Analyzing and Visualizing Data with Microsoft Excel validates the skills and knowledge necessary to consume, transform, model, and visualize data in Excel. Candidates demonstrate the ability to configure and manipulate data in PowerPivot, PivotTables, and PivotCharts.
Посмотреть сертификат

Exam 778: Analyzing and Visualizing Data with Power BI

Passing Exam 778: Analyzing and Visualizing Data with Power BI validates the skills and knowledge necessary to be proficient in connecting to data sources and performing data transformations, modeling and visualizing data by using Microsoft Power BI Desktop, and configuring dashboards by using the Power BI service. Candidates demonstrate implementing direct connectivity to Microsoft SQL Azure and SQL Server Analysis Services (SSAS), and implementing data analysis in Microsoft Excel.
Посмотреть сертификат

Математика и Python для анализа данных

Анализ данных и машинное обучение существенно опираются на результаты из математического анализа, линейной алгебры, методов оптимизации, теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понимать, как устроены методы анализа данных. Задача этого курса — сформировать такой фундамент. Мы обойдёмся без сложных формул и доказательств и сделаем упор на интерпретации и понимании смысла математических понятий и объектов…
Посмотреть сертификат

Course of Microsoft 6234 Implementing and Maintaing Microsoft SQL Server 2008 Analysis Services

Последние статьи

Мысли, путевые заметки, короткие заметки, наброски статей

Где посмотреть возможности маркдаун? Учебник по markdown от разработчиков протокола Commonmark. Как регулировать размер изображения в …

Встроенные средства языка В этом варианте используем встроенную в язык функцию #table. Функция принимает два варианта параметров: …

Предисловие После установки августовского релиза Power BI я очень обрадовался, увидев поддержку Python. Как раз в работе оказался …

Предисловие Приводится обзор всех существующих функций DAX. Основное назначение статьи максимально возможно упростить обзор и изучение, …

Пустое значение в: SQL это null; Excel это не заполненная ячейка; DAX это blank. В DAX также существует функция blank() возвращающее …

Выступления

Ближайшие, прошедшие и предстоящие

Custom коннектор от нуля до единицы. Расскажем о кейсе собственного опыта написания custom-коннектора для Power BI к Mango Office …

Чем отличаются эти две технологии и какое у них будущее? Обсудим особенности каждой, нюансы лицензирования, сравним производительность.

История разработки четвертой версии F# в лицах. Улучшения языка F# и среды исполнения. Улучшения основой библиотеки языка FSharp.Core. …

Последние публикации

Быстро обнаружить соответствующего содержания, фильтрация публикаций.

FParsec состоит из двух библиотек: FParsec.dll и FParsecCS.dll. Для использования FParsec в вашем проекте, вы можете или установить из …

Синтаксический разбор входного потока включает два этапа: 1. построение синтаксического анализатора и 1. применение анализатора к …

Реализация синтаксических анализаторов с использованием библиотеки FParsec обычно означает, что высокоуровневые синтаксические …

Одной из самых больших сильных сторон FParsec является легкость, с которой вы можете определить свои собственные абстрактные …

Мы уже течение трех глав обсуждаем как делать синтаксический разбор одного числа с плавающей запятой, поэтому в этот раз мы попытаемся …

Контакты