Index finger pointing up icon

Kraj: Poland

Lokalizacja: Piaseczno, PL

Na Useme od 18 października 2026

O mnie

Pomagam firmom zamienić dane w czytelne raporty i zautomatyzować powtarzalną pracę w Excelu. Przez ponad 4 lata rozliczałem należności w urzędzie (uzgadnianie wpłat z opłatami, wyłapywanie rozbieżności, raporty dla kierownictwa), wcześniej pracowałem w bankach przy dokumentacji kredytowej.

Co mogę dla Ciebie zrobić:

• raport lub dashboard w Power BI albo Excelu (sprzedaż, koszty, należności)

• uporządkowanie i połączenie danych z kilku plików, wyłapanie duplikatów i błędów

• zapytania SQL i zestawienia z bazy

• automatyzacja powtarzalnych zadań (Power Query, Python, narzędzia AI)

Przykłady pracy (github.com/CEEKAY78):

• uzgadnianie ok. 22 tys. przelewów z opłatami – 94,8% trafności

• dashboard budżetu w Power BI (6 stron, kontrola jakości danych, prognoza)

• klasyfikacja zgłoszeń klientów z użyciem AI, z mierzeniem jakości

Pracuję dokładnie, terminowo i tłumaczę wyniki prostym językiem.

Portfolio

Dashboard Power BI – budżet vs koszty marketingu

Raport Power BI (6 stron, dane syntetyczne): budżet vs koszt wg kanału, trend miesięczny r/r, kontrola jakości danych (duplikaty faktur, brak NIP), prognoza Q3 vs plan, analiza dostawców. Model danych i miary DAX.

Portfolio item

Dashboard Power BI – budżet vs koszty marketingu

Raport Power BI (6 stron, dane syntetyczne): budżet vs koszt wg kanału, trend miesięczny r/r, kontrola jakości danych (duplikaty faktur, brak NIP), prognoza Q3 vs plan, analiza dostawców. Model danych i miary DAX.

Automatyczna klasyfikacja zgłoszeń klientów (AI)

n8n + Python/FastAPI: maskowanie danych osobowych, klasyfikacja zgłoszenia lokalnym modelem AI, przydział do zespołu z SLA, ręczna weryfikacja przy niskiej pewności. 94,8% zgłoszeń testowych trafiło do właściwego zespołu.

Portfolio item

Automatyczna klasyfikacja zgłoszeń klientów (AI)

Automatyczna klasyfikacja zgłoszeń klientów (AI)

n8n + Python/FastAPI: maskowanie danych osobowych, klasyfikacja zgłoszenia lokalnym modelem AI, przydział do zespołu z SLA, ręczna weryfikacja przy niskiej pewności. 94,8% zgłoszeń testowych trafiło do właściwego zespołu.