Kraj: Poland
Lokalizacja: Warszawa, PL
Na Useme od 29 marca 2026
O mnie
Data Science i analityka | Python, SQL, raporty i automatyzacje
Pomagam w analizie danych, prognozowaniu, rekomendacjach i automatyzacji procesów. Łączę Python, SQL, Excel/CSV oraz API, aby przygotować dane, raporty i narzędzia do kolejnych aktualizacji.
Wakacje.pl — Data Scientist: praca nad modelami konwersji, rekomendacjami i rankingiem ofert, prognozami ruchu oraz pipeline’ami danych. Monitoring, Power BI, integracja danych, eksporty do Google Sheets i udział w modelowaniu powrotów klientów.
LPP — Data Analyst: analizy sprzedaży, zapasów, zwrotów, kosztów i rentowności e-commerce; SQL/BigQuery na GCP, Python, Looker, GA4 i testy A/B.
Portfolio obejmuje mój wkład w projekty zawodowe oraz projekty własne: monitoring ofert, rekomendacje, przetwarzanie dokumentów i narzędzia AI.
Przyjmuję również małe poprawki arkuszy, research i przygotowanie danych do importu. Dostępność: 5–10 h tygodniowo. Ustalamy zakres, wynik i sposób jego sprawdzenia; oddaję rozwiązanie z instrukcją.
Kategorie
Portfolio
Doświadczenie zawodowe: udział w prognozowaniu ruchu, integracji danych, utrzymaniu tabel i eksportach do Google Sheets. Opis mojego zakresu pracy w projekcie zespołowym oraz zastosowań dla klienta.
Doświadczenie zawodowe: raporty sprzedaży, zapasów, zwrotów, kosztów i rentowności; SQL/BigQuery na GCP, Python i Looker. Analizy lejków GA4 i testów A/B. Pod linkiem zakres pracy oraz zastosowania dla klienta.
Doświadczenie zawodowe: rozwój i utrzymanie pipeline’ów wartości konwersji, kalibracja oraz poprawki zasilania danych dla procesów reklamowych. Praca zespołowa; pod linkiem zakres mojego udziału.
Projekt własny: zbieranie ofert, deduplikacja, historia zmian i kontrola kosztów w panelu. Pod linkiem rzeczywisty interfejs na fikcyjnych danych, ze zmianą ceny i informacjami do sprawdzenia. Python, SQLite, FastAPI.
Projekt własny: ekstrakcja informacji z HTML, PDF, XLSX i DOCX, historia cen oraz raport z odnośnikami do źródeł. Braki danych są jawne. Scenariusze cenowe opierają się na założeniach, nie potwierdzonych zyskach.
Doświadczenie zawodowe: praca przy rekomendacjach i rankingu ofert, monitoring wyników oraz raportowanie Power BI. Pod linkiem opis mojego udziału w projekcie zespołowym i zastosowań dla klienta.
Projekt własny: aplikacja Flask tworząca rekomendacje z ocen użytkownika. Przygotowanie danych, obsługa duplikatów, klasteryzacja i ranking uwzględniający różnorodność. Przykład systemu rekomendacyjnego z publicznym kodem.
Projekt własny, wydzielony z JDG Assistant: parsery faktur XML, JPK i CSV, raporty oraz lokalny OCR PDF. Obliczenia wykonuje kod; człowiek kontroluje wysyłkę. Publiczny kod i przykład wejścia oraz wyniku parsera.
Przykład własny na danych syntetycznych: połączenie eksportów zamówień i klientów, usunięcie duplikatu i raport CSV/JSON. Wynik: 4 zamówienia, 278 zł. Pod linkiem: obraz wyniku, wejście, kod, instrukcja i ograniczenia.
Projekt własny: oferty z wielu źródeł, kontrola ich tożsamości, panel ocen i modele uczące się preferencji użytkownika. Walidacja na późniejszych ocenach warunkuje sortowanie modelem. Aplikacja lokalna.