Сфера и направление — FinTech, E-commerce/Retail, BI, ML, Data Security, Automation

Проект и роль — BI/ML-платформа для динамического ценообразования и маркетинговой эффективности: от сбора и консолидации данных до ML-моделей прогноза спроса, выручки и рекомендаций.

Роль — продукт-стратег и владелец полного контура (roadmap, аналитика, ML, UX, DevSecOps, релизы).

Фокус — разработка безопасной аналитической платформы, внедрение ML-моделей (прогноз спроса, эластичность цены, AI-рекомендации), защита данных, P&L и управляемая юнит-экономика продукта.

Основные задачи и кейсы

1. Стратегия и roadmap

— Сформировала 9-месячную стратегию развития BI/ML-продукта: фичи, приоритеты, KPI, roadmap и метрики GMV, ROI, LTV/CAC, Margin.

— Интегрировала NFR-блоки: SLA/SLO, DLP, IAM/SSO, audit logs, DR-план.

— Кейс: пересмотр feature-портфеля по экономическому вкладу ускорил рост GMV на 50 % без увеличения техдолга.

2. ETL-инфраструктура и качество данных

— Спроектировала ETL-конвейер (Python + Google Apps Script + Cloud Functions): шифрование TLS, контроль checksum, SLA-обновлений, key rotation.

— Интеграции: CRM, ERP, Ads, Marketplace API, кассы, склад, аналитика.

— Кейс: консолидация метрик из 7 источников сократила ручную сборку отчётов на 60 %, устранила расхождения между отделами.

3. Безопасность и контроль доступа

— Внедрила RBAC/IAM: аналитики, ML, бизнес; токены с TTL, RLS-фильтры в Power BI, подписанные вебхуки, аудит выгрузок.

— Реализовала CI/CD-pipeline с security-review, линтерами и secret-scanning.

— Кейс: policy-based access и аудит выгрузок устранили риски утечек — 0 инцидентов за год.

4. ML-модели

— Построила ML-пайплайны (Scikit-learn, TensorFlow): прогноз спроса, price-elasticity, промо-эффекты, рекомендации.