{"id":"pacc_f709b0f286eb47149386a50a632bedcd","batch_file_id":null,"source_filename":"headhunter-c19a1833000b91ed20004bf79b37497151586b.json","source_mime_type":null,"source_document_url":null,"normalized_resume":{"hh_resume_id":"c19a1833000b91ed20004bf79b37497151586b","hh_updated_at":"2026-07-30T09:11:31+0300","hh_created_at":"2023-01-03T21:09:06+0300","hh_area_id":"1","hh_area_name":"Москва","hh_area_parent_name":null,"hh_metro":null,"hh_job_search_status":"Активно ищет работу","hh_job_search_status_id":"active_search","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":"Активно ищет работу; обновлено 2026-07-30T09:11:31+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: Готов к редким 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":"female","social_media":["https://hh.ru/resume/c19a1833000b91ed20004bf79b37497151586b"],"city":"Москва","country":null,"about":"В анализе данных проработала более 7 лет. Опыт работы в интернет-маркетинге и аналитике - более 10 лет: smm ->  контекстная реклама -> комплексный интернет-маркетинг -> анализ данных. Люблю и умею правильно разработать и оптимизировать рекламные кампании и инструменты анализа трафика с целью достижения KPI. \n\nВладею SQL, Python, библиотеками для анализа данных. Python изучала в Университете искусственного интеллекта. Есть опыт разработки нейросетей (CV). Люблю исследовать и анализировать данные для решения простых и сложных задач с помощью современных инструментов.\n\nИщу \"работу мечты\" в компании, вектор развития которой включает в себя процессы автоматизации с помощью инструментов анализа данных и AI-алгоритмов. \n\nМой GitHub https://github.com/anastasiya-h79","current_title":"Продуктовый аналитик / аналитик-разработчик","current_company":"Газпромбанк, ОАО","skills":["Продуктовый анализ","Greenplum","Hadoop","MS SQL Server","ML","AI","Анализ данных","Python","Numpy","pandas","Matplotlib","Google Analytics","Яндекс.Метрика","SQL","Git","PyCharm","Jupiter Notebook","A/B тесты","Tableau","Computer Vision","PyTorch","sklearn","ETL","Clickhouse","Superset","Airflow","PostgreSQL","Power BI","Apache Airflow","dbt"],"source_skills":["Продуктовый анализ","Greenplum","Hadoop","MS SQL Server","ML","AI","Анализ данных","Python","Numpy","pandas","Matplotlib","Google Analytics","Яндекс.Метрика","SQL","Git","PyCharm","Jupiter Notebook","A/B тесты","Tableau","Computer Vision","PyTorch","sklearn","ETL","Clickhouse","Superset","Airflow","PostgreSQL","Power BI","Apache Airflow","dbt"],"inferred_skills":[],"total_experience_months":116,"expected_salary":"350000 RUR","preferred_position":"Ведущий продуктовый аналитик / Senior Product Analyst","recommendations":[],"source_url":"https://hh.ru/resume/c19a1833000b91ed20004bf79b37497151586b","source_photo_url":null,"resume_text":"Источник: HeadHunter API\nПозиция: Ведущий продуктовый аналитик / Senior Product Analyst\nГород: Москва\nЖелаемая зарплата: 350000 RUR\nОпыт: 116 мес.\nНавыки: Продуктовый анализ, Greenplum, Hadoop, MS SQL Server, ML, AI, Анализ данных, Python, Numpy, pandas, Matplotlib, Google Analytics, Яндекс.Метрика, SQL, Git, PyCharm, Jupiter Notebook, A/B тесты, Tableau, Computer Vision, PyTorch, sklearn, ETL, Clickhouse, Superset, Airflow, PostgreSQL, Power BI, Apache Airflow, dbt\n\nО себе:\nВ анализе данных проработала более 7 лет. Опыт работы в интернет-маркетинге и аналитике - более 10 лет: smm ->  контекстная реклама -> комплексный интернет-маркетинг -> анализ данных. Люблю и умею правильно разработать и оптимизировать рекламные кампании и инструменты анализа трафика с целью достижения KPI. \n\nВладею SQL, Python, библиотеками для анализа данных. Python изучала в Университете искусственного интеллекта. Есть опыт разработки нейросетей (CV). Люблю исследовать и анализировать данные для решения простых и сложных задач с помощью современных инструментов.\n\nИщу \"работу мечты\" в компании, вектор развития которой включает в себя процессы автоматизации с помощью инструментов анализа данных и AI-алгоритмов. \n\nМой GitHub https://github.com/anastasiya-h79\n\nОпыт работы:\nГазпромбанк, ОАО — Продуктовый аналитик / аналитик-разработчик\n2023-04-01\nКлючевые достижения:\n\n- Разработала и автоматизировала управленческую отчетность по топ-10 банковским продуктам для направления «Сайт» и «Приложение». Построила систему ежедневного мониторинга полного клиентского пути от перехода на сайт до получения и активации продукта.\nОтчетность включала продуктовые и маркетинговые метрики: заявки, одобрения, выдачи, активации продуктов, конверсии между этапами воронки, CPL, CPA, CAC, Churn Rate и др.\nРеализовала полный цикл сбора, обработки и доставки данных, автоматическое формирование отчетности руководителям направлений, главам департаментов и топ-менеджменту. Сократила время подготовки отчетности с 3 рабочих дней до полностью автоматизированного ежедневного процесса.\nСтек: SQL, Python, ETL-процессы\n\n- Разработала систему выявления, аналитики и отчетности фродового трафика в канале партнерского трафика. Сформировала набор признаков мошеннической активности, собрала статистику и подготовила рекомендации для бизнеса и команды разработки. Решение позволило предотвратить необоснованные расходы на партнерские выплаты и обеспечить экономический эффект в миллионы рублей.\nСтек: SQL, Python, Excel\n\n- Провела анализ качества и эффективности канала партнерского трафика по ключевым банковским продуктам. Исследовала целевую аудиторию, источники привлечения и маркетинговые показатели на различных этапах продуктовой воронки: переход → заявка → одобрение → выдача → активация продукта. Разработанные рекомендации позволили перераспределить бюджет и снизить стоимость целевого действия  в среднем на 30% по каналу партнерского трафика.\nСтек: SQL, Python,  Excel, Power Query\n\n- Разработала сервис самообслуживания для сотрудников клиентской поддержки, не имеющих доступа к базам данных. Автоматизировала получение информации по клиентским обращениям и жалобам с использованием Excel и VBA, что сократило время обработки запросов с 3 дней до нескольких минут и высвободило более 30% времени менеджеров СРА-отдела, которое уходило на поиск информации в базах и ответы службе поддержки.\nСтек: Excel, VBA, Power Query\n\n- Спроектировала и внедрила более 20 BI-дашбордов для мониторинга продуктовых и маркетинговых метрик (заявки, одобрения, выдачи, активации, конверсии между этапами воронки, CPL, CPA, CAC, Churn Rate и др.) по различным каналам привлечения клиентов. Сократила время подготовки аналитики с нескольких дней до нескольких минут за счет перехода к модели self-service analytics.\nСтек: Superset, FineBI, SQL, Python\n\n\nОбязанности:\n\n- взаимодействие с бизнесом на предмет сбора и анализа требований к отчетности и аналитике,\n- анализ бизнес-метрик партнерского трафика: СR, CPC, CPA, CPL, CAC. Расчёт, анализ и мониторинг ключевых финансовых метрик, продуктовой воронки продаж. Поиск \"узких\" мест и точек роста. Разработка предложений, способствующих росту продукта и оптимизации рекламных расходов. Презентация выводов руководству,\n\n- разработка, доработка и поддержка отчетности и BI-дашбордов по требованиям бизнеса (PowerBI, Superset,  FineBI),\n- анализ и улучшение текущей BI отчетности,\n- работа с интеграцией и обработкой данных,\n- оптимизация процессов сбора и обработки данных, выявление и устранение ошибок\n\n- разработка продуктовых витрин, хранимых процедур, настройка расписаний (MS SQL, Python, ClickHouse),\n- разработка сервисов автоматизации отчетности (MS SQL, Python)\n- разработка сервисов автоматизации поиска данных (SQL, Power Query, VBA)\n- автоматизация и оптимизация процессов подготовки данных (Airflow, Python);\n- аd hoc-отчетность с использованием SQL, Python, Excel\n- создание отчетов c использованием SQL, Python (pandas, numpy, mathplotlib, sklearn), LLM\n- работа с хранилищами данных и ETL-процессами.\n\n\nТехнологии: SQL (MS SQL Server, Hadoop, ClickHouse), DBeaver, Python (pandas, numpy, sklearn, matplotlib и др.), PyCharm, VS Studio, Power BI, Superset, FineBI, airflow, dbt, Git, Excel, VBA, Power Query.\nРекламное агенство \"R-брокер\" — Маркетинговый аналитик / Веб-аналитик\n2022-07-01 - 2023-04-01\n- Анализировала эффективность маркетинговых активностей агентства и клиентов агентства с использованием веб-аналитики и BI-инструментов. Анализировала эффективность рекламных кампаний в Яндекс Директ, Дзен, Telegram и ВКонтакте на основе данных Яндекс Метрики и Google Analytics. Выявляла точки роста и готовила рекомендации по оптимизации бюджетов и повышению эффективности каналов привлечения\n\n- Разрабатывала дашборды в Power BI для мониторинга ключевых маркетинговых и продуктовых метрик: CPC, CPM, конверсии, CPL, CPA, CAC, DAU, WAU, MAU, поведенческие показатели пользователей\n\n- Выполняла анализ пользовательского поведения и клиентских сценариев на сайтах клиентов агентства, формировала рекомендации по повышению конверсии и снижению стоимости привлечения клиентов\n\n- Настраивала системы веб-аналитики и систему сбора метрик в соответствии с бизнес-KPI и задачами клиентов\n\n- Участвовала в медиапланировании и прогнозировании маркетинговых показателей для различных каналов привлечения.\n\nТехнологии: Power BI, Google Analytics, Яндекс Метрика, Python, Excel.\nСеть фитнес-клубов \"PROфитнес\" — Маркетинговый аналитик / Веб-аналитик / Интернет-маркетолог\n2016-11-01 - 2022-05-01\nКлючевые достижения:\n\n- Построила с нуля систему сквозной аналитики сети фитнес-клубов, объединив данные рекламных систем, веб-аналитики, колл-трекинга и CRM для анализа полного клиентского пути от рекламного контакта до продажи абонемента. Это позволило сократить время получения отчета руководству с нескольких часов до нескольких минут. Также это позволило всем сотрудникам, имеющим отношение к анализу трафика, видеть подробные отчеты в одной системе, что в несколько раз ускорило время принятия решений по оптимизации каналов привлечения трафика.\n\n- Разработала и реализовала стратегию digital-продвижения, что позволило снизить стоимость привлечения клиента более чем на 50% и увеличить количество лидов более чем в 3 раза по сравнению с показателями на момент прихода в компанию. Разработала систему оценки эффективности маркетинговых каналов и распределения рекламного бюджета на основе бизнес-метрик CPL, CPA, CPO, ROMI.\n\n- Проводила анализ эффективности каналов привлечения, формировала рекомендации по перераспределению инвестиций и оптимизации маркетинговой стратегии.\n\n- Генерировала и проверяла продуктовые и маркетинговые гипотезы, участвовала в проектировании и анализе результатов A/B-тестов.\n\n- Участвовала в разработке маркетинговой стратегии запуска трех новых фитнес-клубов сети.\n\n- Занималась разметкой данных, постановкой пикселей на сайты, настройкой систем веб-аналитики с целью анализа рекламных кампаний и дальнейшей оптимизации рекламных бюджетов.\n\n- Координировала работу подрядчиков и смежных специалистов, формировала технические задания и обеспечивала аналитическую поддержку принятия маркетинговых решений.\n\n\nТехнологии: Python (pandas, numpy, matplotlib, sklearn), Roistat, Google Analytics, Яндекс Метрика, Google Data Studio, Excel, Яндекс.Директ, Google Ads.\nУниверситет искусственного интеллекта — AI-разработчик / Python-разработчик (интерн)\n2019-02-01 - 2020-03-01\nВ качестве дипломного проекта реализована базовая версия нейронной сети, на которой будет работать робот-пропольщик. Цель AI-алгоритма - распознавание сорняков и культурных растений в потоковом видео.\nДля обучения нейросети собрана и обработана база данных - более 17000 изображений.\nПри работе над проектом использовался стек: Python - Tensorflow - Keras - numpy - pandas - matplotlib - PIL - scipy - argparse - sklearn - skimage - requests\n\nОбразование:\nПравославный Свято-Тихоновский гуманитарный университет, Москва. Филологический. Испанский язык. 2009\n\nЯзыки:\nРусский: Родной\nАнглийский: B1 — Средний\nИспанский: B2 — Средне-продвинутый\nНемецкий: B2 — Средне-продвинутый\nФранцузский: A2 — Элементарный\n\nИнсайты HeadHunter:\nАктивность: Активно ищет работу; обновлено 2026-07-30T09:11:31+0300\nКонтакты: контакты скрыты; доступ к полной информации: нет\nЛогистика: Москва; время в пути: Не имеет значения; командировки: Готов к редким 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: Готов к редким командировкам\nРазрешение на работу: Россия\nЕсть автомобиль: да\nВодительские права: B\nГражданство: Россия","employment":"Полная занятость","schedule":"Удаленная работа","travel_time":"Не имеет значения","relocation_readiness":null,"business_trip_readiness":"Готов к редким командировкам","citizenship":["Россия"],"professional_roles":[{"id":"156","name":"BI-аналитик, аналитик данных"},{"id":"10","name":"Аналитик"},{"id":"164","name":"Продуктовый аналитик"}],"certificates":[],"education_level":"Высшее","salary_amount":350000,"salary_currency":"RUR","work_experience":[{"company_name":"Газпромбанк, ОАО","position":"Продуктовый аналитик / аналитик-разработчик","start_date":"2023-04-01","end_date":null,"total_months":null,"description":"Ключевые достижения:\n\n- Разработала и автоматизировала управленческую отчетность по топ-10 банковским продуктам для направления «Сайт» и «Приложение». Построила систему ежедневного мониторинга полного клиентского пути от перехода на сайт до получения и активации продукта.\nОтчетность включала продуктовые и маркетинговые метрики: заявки, одобрения, выдачи, активации продуктов, конверсии между этапами воронки, CPL, CPA, CAC, Churn Rate и др.\nРеализовала полный цикл сбора, обработки и доставки данных, автоматическое формирование отчетности руководителям направлений, главам департаментов и топ-менеджменту. Сократила время подготовки отчетности с 3 рабочих дней до полностью автоматизированного ежедневного процесса.\nСтек: SQL, Python, ETL-процессы\n\n- Разработала систему выявления, аналитики и отчетности фродового трафика в канале партнерского трафика. Сформировала набор признаков мошеннической активности, собрала статистику и подготовила рекомендации для бизнеса и команды разработки. Решение позволило предотвратить необоснованные расходы на партнерские выплаты и обеспечить экономический эффект в миллионы рублей.\nСтек: SQL, Python, Excel\n\n- Провела анализ качества и эффективности канала партнерского трафика по ключевым банковским продуктам. Исследовала целевую аудиторию, источники привлечения и маркетинговые показатели на различных этапах продуктовой воронки: переход → заявка → одобрение → выдача → активация продукта. Разработанные рекомендации позволили перераспределить бюджет и снизить стоимость целевого действия  в среднем на 30% по каналу партнерского трафика.\nСтек: SQL, Python,  Excel, Power Query\n\n- Разработала сервис самообслуживания для сотрудников клиентской поддержки, не имеющих доступа к базам данных. Автоматизировала получение информации по клиентским обращениям и жалобам с использованием Excel и VBA, что сократило время обработки запросов с 3 дней до нескольких минут и высвободило более 30% времени менеджеров СРА-отдела, которое уходило на поиск информации в базах и ответы службе поддержки.\nСтек: Excel, VBA, Power Query\n\n- Спроектировала и внедрила более 20 BI-дашбордов для мониторинга продуктовых и маркетинговых метрик (заявки, одобрения, выдачи, активации, конверсии между этапами воронки, CPL, CPA, CAC, Churn Rate и др.) по различным каналам привлечения клиентов. Сократила время подготовки аналитики с нескольких дней до нескольких минут за счет перехода к модели self-service analytics.\nСтек: Superset, FineBI, SQL, Python\n\n\nОбязанности:\n\n- взаимодействие с бизнесом на предмет сбора и анализа требований к отчетности и аналитике,\n- анализ бизнес-метрик партнерского трафика: СR, CPC, CPA, CPL, CAC. Расчёт, анализ и мониторинг ключевых финансовых метрик, продуктовой воронки продаж. Поиск \"узких\" мест и точек роста. Разработка предложений, способствующих росту продукта и оптимизации рекламных расходов. Презентация выводов руководству,\n\n- разработка, доработка и поддержка отчетности и BI-дашбордов по требованиям бизнеса (PowerBI, Superset,  FineBI),\n- анализ и улучшение текущей BI отчетности,\n- работа с интеграцией и обработкой данных,\n- оптимизация процессов сбора и обработки данных, выявление и устранение ошибок\n\n- разработка продуктовых витрин, хранимых процедур, настройка расписаний (MS SQL, Python, ClickHouse),\n- разработка сервисов автоматизации отчетности (MS SQL, Python)\n- разработка сервисов автоматизации поиска данных (SQL, Power Query, VBA)\n- автоматизация и оптимизация процессов подготовки данных (Airflow, Python);\n- аd hoc-отчетность с использованием SQL, Python, Excel\n- создание отчетов c использованием SQL, Python (pandas, numpy, mathplotlib, sklearn), LLM\n- работа с хранилищами данных и ETL-процессами.\n\n\nТехнологии: SQL (MS SQL Server, Hadoop, ClickHouse), DBeaver, Python (pandas, numpy, sklearn, matplotlib и др.), PyCharm, VS Studio, Power BI, Superset, FineBI, airflow, dbt, Git, Excel, VBA, Power Query.","city":"Москва"},{"company_name":"Рекламное агенство \"R-брокер\"","position":"Маркетинговый аналитик / Веб-аналитик","start_date":"2022-07-01","end_date":"2023-04-01","total_months":null,"description":"- Анализировала эффективность маркетинговых активностей агентства и клиентов агентства с использованием веб-аналитики и BI-инструментов. Анализировала эффективность рекламных кампаний в Яндекс Директ, Дзен, Telegram и ВКонтакте на основе данных Яндекс Метрики и Google Analytics. Выявляла точки роста и готовила рекомендации по оптимизации бюджетов и повышению эффективности каналов привлечения\n\n- Разрабатывала дашборды в Power BI для мониторинга ключевых маркетинговых и продуктовых метрик: CPC, CPM, конверсии, CPL, CPA, CAC, DAU, WAU, MAU, поведенческие показатели пользователей\n\n- Выполняла анализ пользовательского поведения и клиентских сценариев на сайтах клиентов агентства, формировала рекомендации по повышению конверсии и снижению стоимости привлечения клиентов\n\n- Настраивала системы веб-аналитики и систему сбора метрик в соответствии с бизнес-KPI и задачами клиентов\n\n- Участвовала в медиапланировании и прогнозировании маркетинговых показателей для различных каналов привлечения.\n\nТехнологии: Power BI, Google Analytics, Яндекс Метрика, Python, Excel.","city":"Москва"},{"company_name":"Сеть фитнес-клубов \"PROфитнес\"","position":"Маркетинговый аналитик / Веб-аналитик / Интернет-маркетолог","start_date":"2016-11-01","end_date":"2022-05-01","total_months":null,"description":"Ключевые достижения:\n\n- Построила с нуля систему сквозной аналитики сети фитнес-клубов, объединив данные рекламных систем, веб-аналитики, колл-трекинга и CRM для анализа полного клиентского пути от рекламного контакта до продажи абонемента. Это позволило сократить время получения отчета руководству с нескольких часов до нескольких минут. Также это позволило всем сотрудникам, имеющим отношение к анализу трафика, видеть подробные отчеты в одной системе, что в несколько раз ускорило время принятия решений по оптимизации каналов привлечения трафика.\n\n- Разработала и реализовала стратегию digital-продвижения, что позволило снизить стоимость привлечения клиента более чем на 50% и увеличить количество лидов более чем в 3 раза по сравнению с показателями на момент прихода в компанию. Разработала систему оценки эффективности маркетинговых каналов и распределения рекламного бюджета на основе бизнес-метрик CPL, CPA, CPO, ROMI.\n\n- Проводила анализ эффективности каналов привлечения, формировала рекомендации по перераспределению инвестиций и оптимизации маркетинговой стратегии.\n\n- Генерировала и проверяла продуктовые и маркетинговые гипотезы, участвовала в проектировании и анализе результатов A/B-тестов.\n\n- Участвовала в разработке маркетинговой стратегии запуска трех новых фитнес-клубов сети.\n\n- Занималась разметкой данных, постановкой пикселей на сайты, настройкой систем веб-аналитики с целью анализа рекламных кампаний и дальнейшей оптимизации рекламных бюджетов.\n\n- Координировала работу подрядчиков и смежных специалистов, формировала технические задания и обеспечивала аналитическую поддержку принятия маркетинговых решений.\n\n\nТехнологии: Python (pandas, numpy, matplotlib, sklearn), Roistat, Google Analytics, Яндекс Метрика, Google Data Studio, Excel, Яндекс.Директ, Google Ads.","city":"Москва"},{"company_name":"Университет искусственного интеллекта","position":"AI-разработчик / Python-разработчик (интерн)","start_date":"2019-02-01","end_date":"2020-03-01","total_months":null,"description":"В качестве дипломного проекта реализована базовая версия нейронной сети, на которой будет работать робот-пропольщик. Цель AI-алгоритма - распознавание сорняков и культурных растений в потоковом видео.\nДля обучения нейросети собрана и обработана база данных - более 17000 изображений.\nПри работе над проектом использовался стек: Python - Tensorflow - Keras - numpy - pandas - matplotlib - PIL - scipy - argparse - sklearn - skimage - requests","city":null}],"education":[{"organization":"Православный Свято-Тихоновский гуманитарный университет, Москва","specialization":"Испанский язык","start_year":null,"end_year":2009,"degree":"Филологический"}],"languages":[{"lang":"Русский","level":"Родной"},{"lang":"Английский","level":"B1 — Средний"},{"lang":"Испанский","level":"B2 — Средне-продвинутый"},{"lang":"Немецкий","level":"B2 — Средне-продвинутый"},{"lang":"Французский","level":"A2 — Элементарный"}]},"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-c19a1833000b91ed20004bf79b37497151586b@skillaz.invalid","PhoneNumber":"+71111837624","InternationalPhoneNumber":null,"SourceUrl":"https://hh.ru/resume/c19a1833000b91ed20004bf79b37497151586b","BirthDate":null,"Source":"Other","Gender":"female","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/c19a1833000b91ed20004bf79b37497151586b","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":"В анализе данных проработала более 7 лет. Опыт работы в интернет-маркетинге и аналитике - более 10 лет: smm ->  контекстная реклама -> комплексный интернет-маркетинг -> анализ данных. Люблю и умею правильно разработать и оптимизировать рекламные кампании и инструменты анализа трафика с целью достижения KPI. \n\nВладею SQL, Python, библиотеками для анализа данных. Python изучала в Университете искусственного интеллекта. Есть опыт разработки нейросетей (CV). Люблю исследовать и анализировать данные для решения простых и сложных задач с помощью современных инструментов.\n\nИщу \"работу мечты\" в компании, вектор развития которой включает в себя процессы автоматизации с помощью инструментов анализа данных и AI-алгоритмов. \n\nМой GitHub https://github.com/anastasiya-h79","Gender":"female","GenderType":"unknown","BirthDate":null,"Education":null,"CurrentTitle":"Продуктовый аналитик / аналитик-разработчик","CurrentCompany":"Газпромбанк, ОАО","Skills":["Продуктовый анализ","Greenplum","Hadoop","MS SQL Server","ML","AI","Анализ данных","Python","Numpy","pandas","Matplotlib","Google Analytics","Яндекс.Метрика","SQL","Git","PyCharm","Jupiter Notebook","A/B тесты","Tableau","Computer Vision","PyTorch","sklearn","ETL","Clickhouse","Superset","Airflow","PostgreSQL","Power BI","Apache Airflow","dbt"],"Citizenship":["Россия"],"TotalExperience":116,"AverageExperience":null,"UpdatedAt":"2026-07-30T09:11:31+03:00","Comments":[],"PreferredSalary":null,"ExpectedSalary":"350000 RUR","ResumeTitle":"Ведущий продуктовый аналитик / Senior Product Analyst","City":"Москва","PreferredEmployments":["Any"],"PreferredSchedules":["FullDay"],"EducationType":"Undefined","WorkExperienceType":"Undefined","Educations":[{"Organization":"Православный Свято-Тихоновский гуманитарный университет, Москва","Specialization":"Испанский язык","EducationForm":"Undefined","EducationType":null,"StartYear":null,"EndYear":2009,"Degree":"Филологический","AverageGrade":null}],"WorkExperience":[{"CompanyName":"Газпромбанк, ОАО","Position":"Продуктовый аналитик / аналитик-разработчик","StartDate":"2023-04-01","EndDate":null,"TotalMonths":null,"Description":"Ключевые достижения:\n\n- Разработала и автоматизировала управленческую отчетность по топ-10 банковским продуктам для направления «Сайт» и «Приложение». Построила систему ежедневного мониторинга полного клиентского пути от перехода на сайт до получения и активации продукта.\nОтчетность включала продуктовые и маркетинговые метрики: заявки, одобрения, выдачи, активации продуктов, конверсии между этапами воронки, CPL, CPA, CAC, Churn Rate и др.\nРеализовала полный цикл сбора, обработки и доставки данных, автоматическое формирование отчетности руководителям направлений, главам департаментов и топ-менеджменту. Сократила время подготовки отчетности с 3 рабочих дней до полностью автоматизированного ежедневного процесса.\nСтек: SQL, Python, ETL-процессы\n\n- Разработала систему выявления, аналитики и отчетности фродового трафика в канале партнерского трафика. Сформировала набор признаков мошеннической активности, собрала статистику и подготовила рекомендации для бизнеса и команды разработки. Решение позволило предотвратить необоснованные расходы на партнерские выплаты и обеспечить экономический эффект в миллионы рублей.\nСтек: SQL, Python, Excel\n\n- Провела анализ качества и эффективности канала партнерского трафика по ключевым банковским продуктам. Исследовала целевую аудиторию, источники привлечения и маркетинговые показатели на различных этапах продуктовой воронки: переход → заявка → одобрение → выдача → активация продукта. Разработанные рекомендации позволили перераспределить бюджет и снизить стоимость целевого действия  в среднем на 30% по каналу партнерского трафика.\nСтек: SQL, Python,  Excel, Power Query\n\n- Разработала сервис самообслуживания для сотрудников клиентской поддержки, не имеющих доступа к базам данных. Автоматизировала получение информации по клиентским обращениям и жалобам с использованием Excel и VBA, что сократило время обработки запросов с 3 дней до нескольких минут и высвободило более 30% времени менеджеров СРА-отдела, которое уходило на поиск информации в базах и ответы службе поддержки.\nСтек: Excel, VBA, Power Query\n\n- Спроектировала и внедрила более 20 BI-дашбордов для мониторинга продуктовых и маркетинговых метрик (заявки, одобрения, выдачи, активации, конверсии между этапами воронки, CPL, CPA, CAC, Churn Rate и др.) по различным каналам привлечения клиентов. Сократила время подготовки аналитики с нескольких дней до нескольких минут за счет перехода к модели self-service analytics.\nСтек: Superset, FineBI, SQL, Python\n\n\nОбязанности:\n\n- взаимодействие с бизнесом на предмет сбора и анализа требований к отчетности и аналитике,\n- анализ бизнес-метрик партнерского трафика: СR, CPC, CPA, CPL, CAC. Расчёт, анализ и мониторинг ключевых финансовых метрик, продуктовой воронки продаж. Поиск \"узких\" мест и точек роста. Разработка предложений, способствующих росту продукта и оптимизации рекламных расходов. Презентация выводов руководству,\n\n- разработка, доработка и поддержка отчетности и BI-дашбордов по требованиям бизнеса (PowerBI, Superset,  FineBI),\n- анализ и улучшение текущей BI отчетности,\n- работа с интеграцией и обработкой данных,\n- оптимизация процессов сбора и обработки данных, выявление и устранение ошибок\n\n- разработка продуктовых витрин, хранимых процедур, настройка расписаний (MS SQL, Python, ClickHouse),\n- разработка сервисов автоматизации отчетности (MS SQL, Python)\n- разработка сервисов автоматизации поиска данных (SQL, Power Query, VBA)\n- автоматизация и оптимизация процессов подготовки данных (Airflow, Python);\n- аd hoc-отчетность с использованием SQL, Python, Excel\n- создание отчетов c использованием SQL, Python (pandas, numpy, mathplotlib, sklearn), LLM\n- работа с хранилищами данных и ETL-процессами.\n\n\nТехнологии: SQL (MS SQL Server, Hadoop, ClickHouse), DBeaver, Python (pandas, numpy, sklearn, matplotlib и др.), PyCharm, VS Studio, Power BI, Superset, FineBI, airflow, dbt, Git, Excel, VBA, Power Query.","Industries":null,"City":"Москва","EmploymentType":"Any"},{"CompanyName":"Рекламное агенство \"R-брокер\"","Position":"Маркетинговый аналитик / Веб-аналитик","StartDate":"2022-07-01","EndDate":"2023-04-01","TotalMonths":null,"Description":"- Анализировала эффективность маркетинговых активностей агентства и клиентов агентства с использованием веб-аналитики и BI-инструментов. Анализировала эффективность рекламных кампаний в Яндекс Директ, Дзен, Telegram и ВКонтакте на основе данных Яндекс Метрики и Google Analytics. Выявляла точки роста и готовила рекомендации по оптимизации бюджетов и повышению эффективности каналов привлечения\n\n- Разрабатывала дашборды в Power BI для мониторинга ключевых маркетинговых и продуктовых метрик: CPC, CPM, конверсии, CPL, CPA, CAC, DAU, WAU, MAU, поведенческие показатели пользователей\n\n- Выполняла анализ пользовательского поведения и клиентских сценариев на сайтах клиентов агентства, формировала рекомендации по повышению конверсии и снижению стоимости привлечения клиентов\n\n- Настраивала системы веб-аналитики и систему сбора метрик в соответствии с бизнес-KPI и задачами клиентов\n\n- Участвовала в медиапланировании и прогнозировании маркетинговых показателей для различных каналов привлечения.\n\nТехнологии: Power BI, Google Analytics, Яндекс Метрика, Python, Excel.","Industries":null,"City":"Москва","EmploymentType":"Any"},{"CompanyName":"Сеть фитнес-клубов \"PROфитнес\"","Position":"Маркетинговый аналитик / Веб-аналитик / Интернет-маркетолог","StartDate":"2016-11-01","EndDate":"2022-05-01","TotalMonths":null,"Description":"Ключевые достижения:\n\n- Построила с нуля систему сквозной аналитики сети фитнес-клубов, объединив данные рекламных систем, веб-аналитики, колл-трекинга и CRM для анализа полного клиентского пути от рекламного контакта до продажи абонемента. Это позволило сократить время получения отчета руководству с нескольких часов до нескольких минут. Также это позволило всем сотрудникам, имеющим отношение к анализу трафика, видеть подробные отчеты в одной системе, что в несколько раз ускорило время принятия решений по оптимизации каналов привлечения трафика.\n\n- Разработала и реализовала стратегию digital-продвижения, что позволило снизить стоимость привлечения клиента более чем на 50% и увеличить количество лидов более чем в 3 раза по сравнению с показателями на момент прихода в компанию. Разработала систему оценки эффективности маркетинговых каналов и распределения рекламного бюджета на основе бизнес-метрик CPL, CPA, CPO, ROMI.\n\n- Проводила анализ эффективности каналов привлечения, формировала рекомендации по перераспределению инвестиций и оптимизации маркетинговой стратегии.\n\n- Генерировала и проверяла продуктовые и маркетинговые гипотезы, участвовала в проектировании и анализе результатов A/B-тестов.\n\n- Участвовала в разработке маркетинговой стратегии запуска трех новых фитнес-клубов сети.\n\n- Занималась разметкой данных, постановкой пикселей на сайты, настройкой систем веб-аналитики с целью анализа рекламных кампаний и дальнейшей оптимизации рекламных бюджетов.\n\n- Координировала работу подрядчиков и смежных специалистов, формировала технические задания и обеспечивала аналитическую поддержку принятия маркетинговых решений.\n\n\nТехнологии: Python (pandas, numpy, matplotlib, sklearn), Roistat, Google Analytics, Яндекс Метрика, Google Data Studio, Excel, Яндекс.Директ, Google Ads.","Industries":null,"City":"Москва","EmploymentType":"Any"},{"CompanyName":"Университет искусственного интеллекта","Position":"AI-разработчик / Python-разработчик (интерн)","StartDate":"2019-02-01","EndDate":"2020-03-01","TotalMonths":null,"Description":"В качестве дипломного проекта реализована базовая версия нейронной сети, на которой будет работать робот-пропольщик. Цель AI-алгоритма - распознавание сорняков и культурных растений в потоковом видео.\nДля обучения нейросети собрана и обработана база данных - более 17000 изображений.\nПри работе над проектом использовался стек: Python - Tensorflow - Keras - numpy - pandas - matplotlib - PIL - scipy - argparse - sklearn - skimage - requests","Industries":null,"City":null,"EmploymentType":"Any"}],"Languages":[{"Lang":"Русский","Level":"Родной"},{"Lang":"Английский","Level":"B1 — Средний"},{"Lang":"Испанский","Level":"B2 — Средне-продвинутый"},{"Lang":"Немецкий","Level":"B2 — Средне-продвинутый"},{"Lang":"Французский","Level":"A2 — Элементарный"}],"PreferredSchedule":"FullDay","KnownLanguages":null,"PreferredPosition":"Ведущий продуктовый аналитик / Senior Product Analyst","PreferredEmployment":null,"RelocationReadiness":null,"AdditionalFields":[],"ContactsHidden":true,"Country":null,"ProfessionalAreas":[{"id":"156","name":"BI-аналитик, аналитик данных"},{"id":"10","name":"Аналитик"},{"id":"164","name":"Продуктовый аналитик"}],"ResumeText":"Источник: HeadHunter API\nПозиция: Ведущий продуктовый аналитик / Senior Product Analyst\nГород: Москва\nЖелаемая зарплата: 350000 RUR\nОпыт: 116 мес.\nНавыки: Продуктовый анализ, Greenplum, Hadoop, MS SQL Server, ML, AI, Анализ данных, Python, Numpy, pandas, Matplotlib, Google Analytics, Яндекс.Метрика, SQL, Git, PyCharm, Jupiter Notebook, A/B тесты, Tableau, Computer Vision, PyTorch, sklearn, ETL, Clickhouse, Superset, Airflow, PostgreSQL, Power BI, Apache Airflow, dbt\n\nО себе:\nВ анализе данных проработала более 7 лет. Опыт работы в интернет-маркетинге и аналитике - более 10 лет: smm ->  контекстная реклама -> комплексный интернет-маркетинг -> анализ данных. Люблю и умею правильно разработать и оптимизировать рекламные кампании и инструменты анализа трафика с целью достижения KPI. \n\nВладею SQL, Python, библиотеками для анализа данных. Python изучала в Университете искусственного интеллекта. Есть опыт разработки нейросетей (CV). Люблю исследовать и анализировать данные для решения простых и сложных задач с помощью современных инструментов.\n\nИщу \"работу мечты\" в компании, вектор развития которой включает в себя процессы автоматизации с помощью инструментов анализа данных и AI-алгоритмов. \n\nМой GitHub https://github.com/anastasiya-h79\n\nОпыт работы:\nГазпромбанк, ОАО — Продуктовый аналитик / аналитик-разработчик\n2023-04-01\nКлючевые достижения:\n\n- Разработала и автоматизировала управленческую отчетность по топ-10 банковским продуктам для направления «Сайт» и «Приложение». Построила систему ежедневного мониторинга полного клиентского пути от перехода на сайт до получения и активации продукта.\nОтчетность включала продуктовые и маркетинговые метрики: заявки, одобрения, выдачи, активации продуктов, конверсии между этапами воронки, CPL, CPA, CAC, Churn Rate и др.\nРеализовала полный цикл сбора, обработки и доставки данных, автоматическое формирование отчетности руководителям направлений, главам департаментов и топ-менеджменту. Сократила время подготовки отчетности с 3 рабочих дней до полностью автоматизированного ежедневного процесса.\nСтек: SQL, Python, ETL-процессы\n\n- Разработала систему выявления, аналитики и отчетности фродового трафика в канале партнерского трафика. Сформировала набор признаков мошеннической активности, собрала статистику и подготовила рекомендации для бизнеса и команды разработки. Решение позволило предотвратить необоснованные расходы на партнерские выплаты и обеспечить экономический эффект в миллионы рублей.\nСтек: SQL, Python, Excel\n\n- Провела анализ качества и эффективности канала партнерского трафика по ключевым банковским продуктам. Исследовала целевую аудиторию, источники привлечения и маркетинговые показатели на различных этапах продуктовой воронки: переход → заявка → одобрение → выдача → активация продукта. Разработанные рекомендации позволили перераспределить бюджет и снизить стоимость целевого действия  в среднем на 30% по каналу партнерского трафика.\nСтек: SQL, Python,  Excel, Power Query\n\n- Разработала сервис самообслуживания для сотрудников клиентской поддержки, не имеющих доступа к базам данных. Автоматизировала получение информации по клиентским обращениям и жалобам с использованием Excel и VBA, что сократило время обработки запросов с 3 дней до нескольких минут и высвободило более 30% времени менеджеров СРА-отдела, которое уходило на поиск информации в базах и ответы службе поддержки.\nСтек: Excel, VBA, Power Query\n\n- Спроектировала и внедрила более 20 BI-дашбордов для мониторинга продуктовых и маркетинговых метрик (заявки, одобрения, выдачи, активации, конверсии между этапами воронки, CPL, CPA, CAC, Churn Rate и др.) по различным каналам привлечения клиентов. Сократила время подготовки аналитики с нескольких дней до нескольких минут за счет перехода к модели self-service analytics.\nСтек: Superset, FineBI, SQL, Python\n\n\nОбязанности:\n\n- взаимодействие с бизнесом на предмет сбора и анализа требований к отчетности и аналитике,\n- анализ бизнес-метрик партнерского трафика: СR, CPC, CPA, CPL, CAC. Расчёт, анализ и мониторинг ключевых финансовых метрик, продуктовой воронки продаж. Поиск \"узких\" мест и точек роста. Разработка предложений, способствующих росту продукта и оптимизации рекламных расходов. Презентация выводов руководству,\n\n- разработка, доработка и поддержка отчетности и BI-дашбордов по требованиям бизнеса (PowerBI, Superset,  FineBI),\n- анализ и улучшение текущей BI отчетности,\n- работа с интеграцией и обработкой данных,\n- оптимизация процессов сбора и обработки данных, выявление и устранение ошибок\n\n- разработка продуктовых витрин, хранимых процедур, настройка расписаний (MS SQL, Python, ClickHouse),\n- разработка сервисов автоматизации отчетности (MS SQL, Python)\n- разработка сервисов автоматизации поиска данных (SQL, Power Query, VBA)\n- автоматизация и оптимизация процессов подготовки данных (Airflow, Python);\n- аd hoc-отчетность с использованием SQL, Python, Excel\n- создание отчетов c использованием SQL, Python (pandas, numpy, mathplotlib, sklearn), LLM\n- работа с хранилищами данных и ETL-процессами.\n\n\nТехнологии: SQL (MS SQL Server, Hadoop, ClickHouse), DBeaver, Python (pandas, numpy, sklearn, matplotlib и др.), PyCharm, VS Studio, Power BI, Superset, FineBI, airflow, dbt, Git, Excel, VBA, Power Query.\nРекламное агенство \"R-брокер\" — Маркетинговый аналитик / Веб-аналитик\n2022-07-01 - 2023-04-01\n- Анализировала эффективность маркетинговых активностей агентства и клиентов агентства с использованием веб-аналитики и BI-инструментов. Анализировала эффективность рекламных кампаний в Яндекс Директ, Дзен, Telegram и ВКонтакте на основе данных Яндекс Метрики и Google Analytics. Выявляла точки роста и готовила рекомендации по оптимизации бюджетов и повышению эффективности каналов привлечения\n\n- Разрабатывала дашборды в Power BI для мониторинга ключевых маркетинговых и продуктовых метрик: CPC, CPM, конверсии, CPL, CPA, CAC, DAU, WAU, MAU, поведенческие показатели пользователей\n\n- Выполняла анализ пользовательского поведения и клиентских сценариев на сайтах клиентов агентства, формировала рекомендации по повышению конверсии и снижению стоимости привлечения клиентов\n\n- Настраивала системы веб-аналитики и систему сбора метрик в соответствии с бизнес-KPI и задачами клиентов\n\n- Участвовала в медиапланировании и прогнозировании маркетинговых показателей для различных каналов привлечения.\n\nТехнологии: Power BI, Google Analytics, Яндекс Метрика, Python, Excel.\nСеть фитнес-клубов \"PROфитнес\" — Маркетинговый аналитик / Веб-аналитик / Интернет-маркетолог\n2016-11-01 - 2022-05-01\nКлючевые достижения:\n\n- Построила с нуля систему сквозной аналитики сети фитнес-клубов, объединив данные рекламных систем, веб-аналитики, колл-трекинга и CRM для анализа полного клиентского пути от рекламного контакта до продажи абонемента. Это позволило сократить время получения отчета руководству с нескольких часов до нескольких минут. Также это позволило всем сотрудникам, имеющим отношение к анализу трафика, видеть подробные отчеты в одной системе, что в несколько раз ускорило время принятия решений по оптимизации каналов привлечения трафика.\n\n- Разработала и реализовала стратегию digital-продвижения, что позволило снизить стоимость привлечения клиента более чем на 50% и увеличить количество лидов более чем в 3 раза по сравнению с показателями на момент прихода в компанию. Разработала систему оценки эффективности маркетинговых каналов и распределения рекламного бюджета на основе бизнес-метрик CPL, CPA, CPO, ROMI.\n\n- Проводила анализ эффективности каналов привлечения, формировала рекомендации по перераспределению инвестиций и оптимизации маркетинговой стратегии.\n\n- Генерировала и проверяла продуктовые и маркетинговые гипотезы, участвовала в проектировании и анализе результатов A/B-тестов.\n\n- Участвовала в разработке маркетинговой стратегии запуска трех новых фитнес-клубов сети.\n\n- Занималась разметкой данных, постановкой пикселей на сайты, настройкой систем веб-аналитики с целью анализа рекламных кампаний и дальнейшей оптимизации рекламных бюджетов.\n\n- Координировала работу подрядчиков и смежных специалистов, формировала технические задания и обеспечивала аналитическую поддержку принятия маркетинговых решений.\n\n\nТехнологии: Python (pandas, numpy, matplotlib, sklearn), Roistat, Google Analytics, Яндекс Метрика, Google Data Studio, Excel, Яндекс.Директ, Google Ads.\nУниверситет искусственного интеллекта — AI-разработчик / Python-разработчик (интерн)\n2019-02-01 - 2020-03-01\nВ качестве дипломного проекта реализована базовая версия нейронной сети, на которой будет работать робот-пропольщик. Цель AI-алгоритма - распознавание сорняков и культурных растений в потоковом видео.\nДля обучения нейросети собрана и обработана база данных - более 17000 изображений.\nПри работе над проектом использовался стек: Python - Tensorflow - Keras - numpy - pandas - matplotlib - PIL - scipy - argparse - sklearn - skimage - requests\n\nОбразование:\nПравославный Свято-Тихоновский гуманитарный университет, Москва. Филологический. Испанский язык. 2009\n\nЯзыки:\nРусский: Родной\nАнглийский: B1 — Средний\nИспанский: B2 — Средне-продвинутый\nНемецкий: B2 — Средне-продвинутый\nФранцузский: A2 — Элементарный\n\nИнсайты HeadHunter:\nАктивность: Активно ищет работу; обновлено 2026-07-30T09:11:31+0300\nКонтакты: контакты скрыты; доступ к полной информации: нет\nЛогистика: Москва; время в пути: Не имеет значения; командировки: Готов к редким 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: Готов к редким командировкам\nРазрешение на работу: Россия\nЕсть автомобиль: да\nВодительские права: B\nГражданство: Россия","CreatedAt":"2026-07-30T07:23:23.987043Z","BusinessTripReadiness":"Готов к редким командировкам","WorkTravelTime":"Не имеет значения","JobSearchStatus":"Активно ищет работу","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":"c19a1833000b91ed20004bf79b37497151586b","Type":"headhunter_resume_id"}],"ExpandDuplicateInfo":true},"trace":{"source":"headhunter_api","source_url":"https://hh.ru/resume/c19a1833000b91ed20004bf79b37497151586b","resume_id":"c19a1833000b91ed20004bf79b37497151586b","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}