{"id":"pacc_9cd797603bb143a4b02a1cea7a1673a3","batch_file_id":null,"source_filename":"headhunter-86e80c3e000c419120004bf79b763356517357.json","source_mime_type":null,"source_document_url":null,"normalized_resume":{"hh_resume_id":"86e80c3e000c419120004bf79b763356517357","hh_updated_at":"2026-07-29T17:49:58+0300","hh_created_at":"2023-08-08T12:26:37+0300","hh_area_id":"1","hh_area_name":"Москва","hh_area_parent_name":null,"hh_metro":null,"hh_job_search_status":"Рассматривает предложения","hh_job_search_status_id":"looking_for_offers","hh_can_view_full_info":false,"hh_contact_view_status":"NONE","hh_view_without_contacts_reason":null,"hh_hidden_fields":[],"hh_candidate_insights":[{"category":"activity","label":"Активность","value":"Рассматривает предложения; обновлено 2026-07-29T17:49:58+0300"},{"category":"contacts","label":"Контакты","value":"контакты скрыты; доступ к полной информации: нет"},{"category":"logistics","label":"Логистика","value":"Москва; время в пути: Не имеет значения; командировки: Не готов к командировкам"},{"category":"preferences","label":"Предпочтения","value":"занятость: Полная занятость; график: Удаленная работа; формат работы: Удалённо"},{"category":"achievements","label":"Достижения","value":"есть измеримые результаты в опыте: 4 из 4 мест работы"},{"category":"seniority","label":"Уровень","value":"есть senior/lead сигнал"},{"category":"sales","label":"Продажи","value":"есть sales/key account сигнал"}],"full_name":null,"first_name":null,"last_name":null,"middle_name":null,"emails":[],"phones":[],"contact_hidden":true,"birth_date":null,"gender":"male","social_media":["https://hh.ru/resume/86e80c3e000c419120004bf79b763356517357"],"city":"Москва","country":null,"about":"Senior продуктовый аналитик, 5+ лет в финтехе: платёжный процессинг, банковские продукты (Райффайзенбанк), кредитные продукты e-commerce (Вайлдберриз).\n\nСпециализация - продуктовая аналитика и аналитика платежей: approval rate, конверсия воронки, retention, юнит-экономика, LTV/CAC.\n\nЧто делаю ежедневно: проектирование и обсчёт A/B-тестов (суммарно 40+ экспериментов, приросты конверсии от +6 до +28 п.п.), проверка продуктовых гипотез, когортный анализ, статистический анализ, поиск точек роста метрик. Строю ETL-пайплайны (Airflow, Python) и дашборды (Power BI, Superset, Metabase), работаю с ClickHouse и Snowflake на объёмах в десятки миллионов событий.\n\nОтдельный фокус - AI в аналитике: разработал AI-агента для мониторинга аномалий approval rate (Anthropic SDK, LLM tool use), интегрировал LLM-категоризацию обращений (−15% time-to-resolution). Использую AI-инструменты в ежедневной работе (Claude Code, LLM-ассистенты для SQL/Python).\n\nИщу роль senior продуктового аналитика / аналитика платежей с фокусом на измеримый вклад в конверсию и выручку. Удалённый формат.","current_title":"Senior Продуктовый аналитик","current_company":"Вайлдберриз, ООО","skills":["SQL","Python","Продуктовая аналитика","A/B-тестирование","Clickhouse","Snowflake","Apache Airflow","Power BI","Аналитика данных","Статистический анализ","Когортный анализ","Юнит-экономика","Проверка статистических гипотез","ETL","Superset","DAX","pandas","LLM"],"source_skills":["SQL","Python","Продуктовая аналитика","A/B-тестирование","Clickhouse","Snowflake","Apache Airflow","Power BI","Аналитика данных","Статистический анализ","Когортный анализ","Юнит-экономика","Проверка статистических гипотез","ETL","Superset","DAX","pandas","LLM"],"inferred_skills":[],"total_experience_months":62,"expected_salary":"350000 RUR","preferred_position":"Продуктовый аналитик","recommendations":[],"source_url":"https://hh.ru/resume/86e80c3e000c419120004bf79b763356517357","source_photo_url":null,"resume_text":"Источник: HeadHunter API\nПозиция: Продуктовый аналитик\nГород: Москва\nЖелаемая зарплата: 350000 RUR\nОпыт: 62 мес.\nНавыки: SQL, Python, Продуктовая аналитика, A/B-тестирование, Clickhouse, Snowflake, Apache Airflow, Power BI, Аналитика данных, Статистический анализ, Когортный анализ, Юнит-экономика, Проверка статистических гипотез, ETL, Superset, DAX, pandas, LLM\n\nО себе:\nSenior продуктовый аналитик, 5+ лет в финтехе: платёжный процессинг, банковские продукты (Райффайзенбанк), кредитные продукты e-commerce (Вайлдберриз).\n\nСпециализация - продуктовая аналитика и аналитика платежей: approval rate, конверсия воронки, retention, юнит-экономика, LTV/CAC.\n\nЧто делаю ежедневно: проектирование и обсчёт A/B-тестов (суммарно 40+ экспериментов, приросты конверсии от +6 до +28 п.п.), проверка продуктовых гипотез, когортный анализ, статистический анализ, поиск точек роста метрик. Строю ETL-пайплайны (Airflow, Python) и дашборды (Power BI, Superset, Metabase), работаю с ClickHouse и Snowflake на объёмах в десятки миллионов событий.\n\nОтдельный фокус - AI в аналитике: разработал AI-агента для мониторинга аномалий approval rate (Anthropic SDK, LLM tool use), интегрировал LLM-категоризацию обращений (−15% time-to-resolution). Использую AI-инструменты в ежедневной работе (Claude Code, LLM-ассистенты для SQL/Python).\n\nИщу роль senior продуктового аналитика / аналитика платежей с фокусом на измеримый вклад в конверсию и выручку. Удалённый формат.\n\nОпыт работы:\nВайлдберриз, ООО — Senior Продуктовый аналитик\n2025-05-01\nКредитные продукты маркетплейса (embedded finance).\n\n— Увеличил конверсию в заявку на кредит на +6 п.п. (финансовый потенциал +400 млн ₽) через генерацию и валидацию продуктовых гипотез A/B-тестированием.\n— Автоматизировал ETL и сбор данных из разрозненных источников (Airflow, Python): −40 человеко-часов в неделю операционной нагрузки.\n— Оптимизировал воронку и клиентский путь (CJM): статистически значимое снижение reject rate на −2 п.п.\n— Построил раннюю детекцию риска в кредитном пайплайне на предиктивной аналитике для улучшения качества портфеля.\nRaiffeisenbank — Senior продуктовый аналитик\n2023-10-01 - 2025-05-01\nИнтернет-банк для СМБ (SME).\n\n— Запустил и обсчитал 12 A/B-тестов: +10–12% конверсии заявок (Python, Airflow, Superset).\n— Выявил узкие места клиентского пути: NPS +5.5 п.п. → +8 п.п. к удержанию клиентов (retention).\n— Интегрировал LLM-категоризацию обращений (YandexGPT): −15% time-to-resolution.\n— Анализ эффективности кросс-продаж и маркетинговых каналов для максимизации ценности клиента (ACV/LTV).\nTU SOFT — Продуктовый аналитик\n2023-03-01 - 2023-10-01\n— Построил BI-инфраструктуру (Metabase) для C-level: −50% ручной управленческой отчётности.\n— Внедрил систему продуктовых метрик LTV/CAC как основу роадмапа и инициатив роста.\nАлмазэргиэнбанк АКБ, ОАО — Продуктовый аналитик\n2021-06-01 - 2023-07-01\nРозничные депозитные продукты, мобильный банк.\n\n— Оптимизировал воронку открытия вкладов в мобильном приложении: +28% к конверсии в оформление.\n— Повысил retention по вкладам на +9% сегментированными push-кампаниями (AppMetrica, A/B-тесты коммуникаций).\n— Внедрил дашборды Superset и дерево метрик: −50% времени операционной отчётности.\n\nОбразование:\nСибирский государственный университет путей сообщения, Новосибирск. Промышленное и гражданское строительство (ПГС). 2019\n\nЯзыки:\nРусский: Родной\n\nИнсайты HeadHunter:\nАктивность: Рассматривает предложения; обновлено 2026-07-29T17:49:58+0300\nКонтакты: контакты скрыты; доступ к полной информации: нет\nЛогистика: Москва; время в пути: Не имеет значения; командировки: Не готов к командировкам\nПредпочтения: занятость: Полная занятость; график: Удаленная работа; формат работы: Удалённо\nДостижения: есть измеримые результаты в опыте: 4 из 4 мест работы\nУровень: есть senior/lead сигнал\nПродажи: есть sales/key account сигнал\n\nДополнительно:\nДоступ к полной информации: нет\nСтатус просмотра контактов: NONE\nЗанятость: Полная занятость\nВарианты занятости: Полная занятость\nГрафик: Удаленная работа\nВарианты графика: Удаленная работа\nФормат работы: Удалённо\nВремя в пути: Не имеет значения\nКомандировки: Не готов к командировкам\nРазрешение на работу: Россия\nГражданство: Россия","employment":"Полная занятость","schedule":"Удаленная работа","travel_time":"Не имеет значения","relocation_readiness":null,"business_trip_readiness":"Не готов к командировкам","citizenship":["Россия"],"professional_roles":[{"id":"164","name":"Продуктовый аналитик"}],"certificates":[],"education_level":"Высшее","salary_amount":350000,"salary_currency":"RUR","work_experience":[{"company_name":"Вайлдберриз, ООО","position":"Senior Продуктовый аналитик","start_date":"2025-05-01","end_date":null,"total_months":null,"description":"Кредитные продукты маркетплейса (embedded finance).\n\n— Увеличил конверсию в заявку на кредит на +6 п.п. (финансовый потенциал +400 млн ₽) через генерацию и валидацию продуктовых гипотез A/B-тестированием.\n— Автоматизировал ETL и сбор данных из разрозненных источников (Airflow, Python): −40 человеко-часов в неделю операционной нагрузки.\n— Оптимизировал воронку и клиентский путь (CJM): статистически значимое снижение reject rate на −2 п.п.\n— Построил раннюю детекцию риска в кредитном пайплайне на предиктивной аналитике для улучшения качества портфеля.","city":"Москва"},{"company_name":"Raiffeisenbank","position":"Senior продуктовый аналитик","start_date":"2023-10-01","end_date":"2025-05-01","total_months":null,"description":"Интернет-банк для СМБ (SME).\n\n— Запустил и обсчитал 12 A/B-тестов: +10–12% конверсии заявок (Python, Airflow, Superset).\n— Выявил узкие места клиентского пути: NPS +5.5 п.п. → +8 п.п. к удержанию клиентов (retention).\n— Интегрировал LLM-категоризацию обращений (YandexGPT): −15% time-to-resolution.\n— Анализ эффективности кросс-продаж и маркетинговых каналов для максимизации ценности клиента (ACV/LTV).","city":"Москва"},{"company_name":"TU SOFT","position":"Продуктовый аналитик","start_date":"2023-03-01","end_date":"2023-10-01","total_months":null,"description":"— Построил BI-инфраструктуру (Metabase) для C-level: −50% ручной управленческой отчётности.\n— Внедрил систему продуктовых метрик LTV/CAC как основу роадмапа и инициатив роста.","city":"Москва"},{"company_name":"Алмазэргиэнбанк АКБ, ОАО","position":"Продуктовый аналитик","start_date":"2021-06-01","end_date":"2023-07-01","total_months":null,"description":"Розничные депозитные продукты, мобильный банк.\n\n— Оптимизировал воронку открытия вкладов в мобильном приложении: +28% к конверсии в оформление.\n— Повысил retention по вкладам на +9% сегментированными push-кампаниями (AppMetrica, A/B-тесты коммуникаций).\n— Внедрил дашборды Superset и дерево метрик: −50% времени операционной отчётности.","city":null}],"education":[{"organization":"Сибирский государственный университет путей сообщения, Новосибирск","specialization":null,"start_year":null,"end_year":2019,"degree":"Промышленное и гражданское строительство (ПГС)"}],"languages":[{"lang":"Русский","level":"Родной"}]},"contacts":{"first_name":null,"last_name":null,"email":null,"phone":null,"contact_hidden":true},"skillaz_api_payload":{"VacancyId":null,"OrgUnitId":null,"FirstName":"кандидат","LastName":"Скрытый","MiddleName":null,"Email":"hidden-86e80c3e000c419120004bf79b763356517357@skillaz.invalid","PhoneNumber":"+71116877912","InternationalPhoneNumber":null,"SourceUrl":"https://hh.ru/resume/86e80c3e000c419120004bf79b763356517357","BirthDate":null,"Source":"Other","Gender":"male","AddWay":"manual","CallType":"Unknown","RecommendedBy":null,"Comment":"Добавлено из Расширение 3.0\nИмя и фамилия скрыты на источнике. Поля имени подставлены технически для создания карточки.\nКонтакты кандидата были скрыты на источнике. Телефон и email подставлены технически для создания карточки. https://hh.ru/resume/86e80c3e000c419120004bf79b763356517357","UtmSource":"parser-3.0","TabelNumber":null,"UtmCampaign":null,"UtmMedium":null,"UtmContent":null,"UtmTerm":null,"UtmSessionId":null,"CommonCandidateInfo":{"Avatar":null,"AvatarFileId":null,"Area":null,"Metro":null,"About":"Senior продуктовый аналитик, 5+ лет в финтехе: платёжный процессинг, банковские продукты (Райффайзенбанк), кредитные продукты e-commerce (Вайлдберриз).\n\nСпециализация - продуктовая аналитика и аналитика платежей: approval rate, конверсия воронки, retention, юнит-экономика, LTV/CAC.\n\nЧто делаю ежедневно: проектирование и обсчёт A/B-тестов (суммарно 40+ экспериментов, приросты конверсии от +6 до +28 п.п.), проверка продуктовых гипотез, когортный анализ, статистический анализ, поиск точек роста метрик. Строю ETL-пайплайны (Airflow, Python) и дашборды (Power BI, Superset, Metabase), работаю с ClickHouse и Snowflake на объёмах в десятки миллионов событий.\n\nОтдельный фокус - AI в аналитике: разработал AI-агента для мониторинга аномалий approval rate (Anthropic SDK, LLM tool use), интегрировал LLM-категоризацию обращений (−15% time-to-resolution). Использую AI-инструменты в ежедневной работе (Claude Code, LLM-ассистенты для SQL/Python).\n\nИщу роль senior продуктового аналитика / аналитика платежей с фокусом на измеримый вклад в конверсию и выручку. Удалённый формат.","Gender":"male","GenderType":"unknown","BirthDate":null,"Education":null,"CurrentTitle":"Senior Продуктовый аналитик","CurrentCompany":"Вайлдберриз, ООО","Skills":["SQL","Python","Продуктовая аналитика","A/B-тестирование","Clickhouse","Snowflake","Apache Airflow","Power BI","Аналитика данных","Статистический анализ","Когортный анализ","Юнит-экономика","Проверка статистических гипотез","ETL","Superset","DAX","pandas","LLM"],"Citizenship":["Россия"],"TotalExperience":62,"AverageExperience":null,"UpdatedAt":"2026-07-29T17:49:58+03:00","Comments":[],"PreferredSalary":null,"ExpectedSalary":"350000 RUR","ResumeTitle":"Продуктовый аналитик","City":"Москва","PreferredEmployments":["Any"],"PreferredSchedules":["FullDay"],"EducationType":"Undefined","WorkExperienceType":"Undefined","Educations":[{"Organization":"Сибирский государственный университет путей сообщения, Новосибирск","Specialization":null,"EducationForm":"Undefined","EducationType":null,"StartYear":null,"EndYear":2019,"Degree":"Промышленное и гражданское строительство (ПГС)","AverageGrade":null}],"WorkExperience":[{"CompanyName":"Вайлдберриз, ООО","Position":"Senior Продуктовый аналитик","StartDate":"2025-05-01","EndDate":null,"TotalMonths":null,"Description":"Кредитные продукты маркетплейса (embedded finance).\n\n— Увеличил конверсию в заявку на кредит на +6 п.п. (финансовый потенциал +400 млн ₽) через генерацию и валидацию продуктовых гипотез A/B-тестированием.\n— Автоматизировал ETL и сбор данных из разрозненных источников (Airflow, Python): −40 человеко-часов в неделю операционной нагрузки.\n— Оптимизировал воронку и клиентский путь (CJM): статистически значимое снижение reject rate на −2 п.п.\n— Построил раннюю детекцию риска в кредитном пайплайне на предиктивной аналитике для улучшения качества портфеля.","Industries":null,"City":"Москва","EmploymentType":"Any"},{"CompanyName":"Raiffeisenbank","Position":"Senior продуктовый аналитик","StartDate":"2023-10-01","EndDate":"2025-05-01","TotalMonths":null,"Description":"Интернет-банк для СМБ (SME).\n\n— Запустил и обсчитал 12 A/B-тестов: +10–12% конверсии заявок (Python, Airflow, Superset).\n— Выявил узкие места клиентского пути: NPS +5.5 п.п. → +8 п.п. к удержанию клиентов (retention).\n— Интегрировал LLM-категоризацию обращений (YandexGPT): −15% time-to-resolution.\n— Анализ эффективности кросс-продаж и маркетинговых каналов для максимизации ценности клиента (ACV/LTV).","Industries":null,"City":"Москва","EmploymentType":"Any"},{"CompanyName":"TU SOFT","Position":"Продуктовый аналитик","StartDate":"2023-03-01","EndDate":"2023-10-01","TotalMonths":null,"Description":"— Построил BI-инфраструктуру (Metabase) для C-level: −50% ручной управленческой отчётности.\n— Внедрил систему продуктовых метрик LTV/CAC как основу роадмапа и инициатив роста.","Industries":null,"City":"Москва","EmploymentType":"Any"},{"CompanyName":"Алмазэргиэнбанк АКБ, ОАО","Position":"Продуктовый аналитик","StartDate":"2021-06-01","EndDate":"2023-07-01","TotalMonths":null,"Description":"Розничные депозитные продукты, мобильный банк.\n\n— Оптимизировал воронку открытия вкладов в мобильном приложении: +28% к конверсии в оформление.\n— Повысил retention по вкладам на +9% сегментированными push-кампаниями (AppMetrica, A/B-тесты коммуникаций).\n— Внедрил дашборды Superset и дерево метрик: −50% времени операционной отчётности.","Industries":null,"City":null,"EmploymentType":"Any"}],"Languages":[{"Lang":"Русский","Level":"Родной"}],"PreferredSchedule":"FullDay","KnownLanguages":null,"PreferredPosition":"Продуктовый аналитик","PreferredEmployment":null,"RelocationReadiness":null,"AdditionalFields":[],"ContactsHidden":true,"Country":null,"ProfessionalAreas":[{"id":"164","name":"Продуктовый аналитик"}],"ResumeText":"Источник: HeadHunter API\nПозиция: Продуктовый аналитик\nГород: Москва\nЖелаемая зарплата: 350000 RUR\nОпыт: 62 мес.\nНавыки: SQL, Python, Продуктовая аналитика, A/B-тестирование, Clickhouse, Snowflake, Apache Airflow, Power BI, Аналитика данных, Статистический анализ, Когортный анализ, Юнит-экономика, Проверка статистических гипотез, ETL, Superset, DAX, pandas, LLM\n\nО себе:\nSenior продуктовый аналитик, 5+ лет в финтехе: платёжный процессинг, банковские продукты (Райффайзенбанк), кредитные продукты e-commerce (Вайлдберриз).\n\nСпециализация - продуктовая аналитика и аналитика платежей: approval rate, конверсия воронки, retention, юнит-экономика, LTV/CAC.\n\nЧто делаю ежедневно: проектирование и обсчёт A/B-тестов (суммарно 40+ экспериментов, приросты конверсии от +6 до +28 п.п.), проверка продуктовых гипотез, когортный анализ, статистический анализ, поиск точек роста метрик. Строю ETL-пайплайны (Airflow, Python) и дашборды (Power BI, Superset, Metabase), работаю с ClickHouse и Snowflake на объёмах в десятки миллионов событий.\n\nОтдельный фокус - AI в аналитике: разработал AI-агента для мониторинга аномалий approval rate (Anthropic SDK, LLM tool use), интегрировал LLM-категоризацию обращений (−15% time-to-resolution). Использую AI-инструменты в ежедневной работе (Claude Code, LLM-ассистенты для SQL/Python).\n\nИщу роль senior продуктового аналитика / аналитика платежей с фокусом на измеримый вклад в конверсию и выручку. Удалённый формат.\n\nОпыт работы:\nВайлдберриз, ООО — Senior Продуктовый аналитик\n2025-05-01\nКредитные продукты маркетплейса (embedded finance).\n\n— Увеличил конверсию в заявку на кредит на +6 п.п. (финансовый потенциал +400 млн ₽) через генерацию и валидацию продуктовых гипотез A/B-тестированием.\n— Автоматизировал ETL и сбор данных из разрозненных источников (Airflow, Python): −40 человеко-часов в неделю операционной нагрузки.\n— Оптимизировал воронку и клиентский путь (CJM): статистически значимое снижение reject rate на −2 п.п.\n— Построил раннюю детекцию риска в кредитном пайплайне на предиктивной аналитике для улучшения качества портфеля.\nRaiffeisenbank — Senior продуктовый аналитик\n2023-10-01 - 2025-05-01\nИнтернет-банк для СМБ (SME).\n\n— Запустил и обсчитал 12 A/B-тестов: +10–12% конверсии заявок (Python, Airflow, Superset).\n— Выявил узкие места клиентского пути: NPS +5.5 п.п. → +8 п.п. к удержанию клиентов (retention).\n— Интегрировал LLM-категоризацию обращений (YandexGPT): −15% time-to-resolution.\n— Анализ эффективности кросс-продаж и маркетинговых каналов для максимизации ценности клиента (ACV/LTV).\nTU SOFT — Продуктовый аналитик\n2023-03-01 - 2023-10-01\n— Построил BI-инфраструктуру (Metabase) для C-level: −50% ручной управленческой отчётности.\n— Внедрил систему продуктовых метрик LTV/CAC как основу роадмапа и инициатив роста.\nАлмазэргиэнбанк АКБ, ОАО — Продуктовый аналитик\n2021-06-01 - 2023-07-01\nРозничные депозитные продукты, мобильный банк.\n\n— Оптимизировал воронку открытия вкладов в мобильном приложении: +28% к конверсии в оформление.\n— Повысил retention по вкладам на +9% сегментированными push-кампаниями (AppMetrica, A/B-тесты коммуникаций).\n— Внедрил дашборды Superset и дерево метрик: −50% времени операционной отчётности.\n\nОбразование:\nСибирский государственный университет путей сообщения, Новосибирск. Промышленное и гражданское строительство (ПГС). 2019\n\nЯзыки:\nРусский: Родной\n\nИнсайты HeadHunter:\nАктивность: Рассматривает предложения; обновлено 2026-07-29T17:49:58+0300\nКонтакты: контакты скрыты; доступ к полной информации: нет\nЛогистика: Москва; время в пути: Не имеет значения; командировки: Не готов к командировкам\nПредпочтения: занятость: Полная занятость; график: Удаленная работа; формат работы: Удалённо\nДостижения: есть измеримые результаты в опыте: 4 из 4 мест работы\nУровень: есть senior/lead сигнал\nПродажи: есть sales/key account сигнал\n\nДополнительно:\nДоступ к полной информации: нет\nСтатус просмотра контактов: NONE\nЗанятость: Полная занятость\nВарианты занятости: Полная занятость\nГрафик: Удаленная работа\nВарианты графика: Удаленная работа\nФормат работы: Удалённо\nВремя в пути: Не имеет значения\nКомандировки: Не готов к командировкам\nРазрешение на работу: Россия\nГражданство: Россия","CreatedAt":"2026-07-30T07:23:24.053221Z","BusinessTripReadiness":"Не готов к командировкам","WorkTravelTime":"Не имеет значения","JobSearchStatus":"Рассматривает предложения","HasMedcard":null,"HasChildren":null,"RelocationRegions":null,"SocialMedia":[],"DrivingExperiences":[],"Disability":null,"MaritalStatus":"Undefined","Recommendations":[],"ExtraEducation":{"AdditionalEducations":[],"TestsExams":[],"Certificates":[]},"PreferredCurrencyAmount":{"Amount":350000,"Currency":"RUB"}},"IncludeInApplicantsBankAgreement":true,"Data":{"ExtraData":{"ai-judge":"Рыбный текст"}},"HireRequestId":null,"NegotiationId":null,"TagIdsExtended":[],"ExternalIds":[{"Id":"86e80c3e000c419120004bf79b763356517357","Type":"headhunter_resume_id"}],"ExpandDuplicateInfo":true},"trace":{"source":"headhunter_api","source_url":"https://hh.ru/resume/86e80c3e000c419120004bf79b763356517357","resume_id":"86e80c3e000c419120004bf79b763356517357","hh_payload_keys":["actions","age","alternate_url","area","birth_date","business_trip_readiness","can_view_full_info","certificate","citizenship","complaint_status","contact","contact_view_status","created_at","download","driver_license_types","education","employment","employment_form","employments","experience","experience_group_by_company","favorited","first_name","gender","has_vehicle","hidden_fields","id","job_search_status","language","last_name","metro","middle_name","negotiations_history","owner","paid_services","photo","platform","portfolio","professional_roles","real_id","recommendation","relocation","resume_locale","salary","schedule","schedules","site","skill_set","skills","specialization","tags","title","total_experience","travel_time","updated_at","view_without_contacts_reason","work_format","work_ticket"],"hh_unmapped_keys":["actions","complaint_status","download","experience_group_by_company","favorited","negotiations_history","owner","paid_services","platform","real_id","resume_locale"],"hh_hidden_fields":[]},"skillaz_status":"not_submitted","skillaz_candidate_id":null,"skillaz_vacancy_id":null,"skillaz_vacancy_name":null,"duplicate_decision_info":[],"duplicate_decision_info_raw":null,"skillaz_response_keys":[],"skillaz_error":null}