---

Привет! Твое резюме в целом выглядит сильным: у тебя шикарное академическое образование (мат. стат., прикладная математика), хорошие курсы (Карпов, Stepik) и подходящий технологический стек (Python, SQL, ML).

Однако вакансия, на которую ты подаешься (судя по описанию, это Яндекс, подразделение краудсорсинга / Толоки / AI-тренеров), требует специфического фокуса. Сейчас твое резюме больше похоже на резюме Системного / Бизнес-аналитика, а им нужен Аналитик данных (Data Analyst) с сильным уклоном в математику, процессы и машинное обучение.

Ниже подробный разбор, критика, найденные ошибки и инструкция, как «переупаковать» себя под эту крутую вакансию.

1. Стратегические ошибки и недочеты (Big Picture)
- Ожидаемая зарплата (100 000 ₽): Для Яндекса и твоего стека (Python, SQL, ML, 3 года опыта) это критически мало. Такая цифра может отпугнуть рекрутера, создав впечатление, что ты "джун" или не уверена в себе. Рыночная вилка на такую позицию начинается от 180 000 – 200 000 ₽ и выше. Совет: Убери зарплату из резюме вообще, обсудишь это на HR-интервью.
- Желаемая должность: У тебя написано просто «Аналитик» и куча специализаций. Совет: Напиши конкретно: «Аналитик данных / Аналитик-разработчик».
- Фокус на системный/бизнес-анализ: В опыте работы (особенно в Банке и Лигрес) и в блоке «Обо мне» слишком много слов: AS-IS / TO-BE, CustDev, User Story, BPMN, CJM. Для Яндекса на этой позиции это шум. Им нужны метрики, A/B тесты, автоматизация на Python, сложные SQL-запросы и понимание ML. Системный анализ нужно сильно сократить.
- Блок «Обо мне» и «Достижения»: Сейчас он занимает почти целую страницу и выглядит как сгенерированный нейросетью или слепо скопированный из должностных инструкций SEO-текст. Проценты в духе "ускорило внедрение на 15%" на каждом пункте вызывают недоверие.
- Хронология (Аномалия): В резюме указаны даты из будущего (Апрель 2026, Август 2025). Если это опечатка при составлении — обязательно исправь на реальные годы (2022-2024 и т.д.).

2. Орфографические и фактические ошибки
- В навыках: GetLab — правильно GitLab.
- Курсы: «Графики которые убеждают» — пропущена запятая, правильно «Графики, которые убеждают».
- Блок "Обо мне": "Выведение продуктовых гипотез" — лучше звучит "Формирование и проверка продуктовых гипотез".

3. Как переписать опыт работы под вакансию
Твоя задача — "подсветить" те задачи из твоего опыта, которые похожи на то, что нужно Яндексу.

ФГБУ «НМИЦ им. В.А. Алмазова» (Перепиши должность на «Аналитик данных»)
Это твое самое релевантное место работы для этой вакансии, так как тут есть ML и статистика.

- Что убрать/сократить: "Техническую и аналитическую документацию", "Архитектуру баз данных".
- Что добавить/выделить:
  * «Создавала пайплайны подготовки данных для ML-моделей (очистка, разметка, валидация)».
  * «Оценивала качество данных перед подачей в модели машинного обучения» (это прямое попадание в вакансию!).
  * «Разрабатывала системы оценки (метрики) для мониторинга стабильности моделей».

ОАО «Банк Санкт-Петербург» (Перепиши на «Продуктовый / Data аналитик»)
- Что убрать/сократить: Убери всё про AS-IS/TO-BE, декомпозицию в Jira, функциональные требования. Это задачи системного аналитика.
- Что выделить (подтягиваем под "Аналитику качества исполнителей"):
  * «Разрабатывала аналитические дашборды в Power BI для оценки эффективности процессов и KPI (метрики качества и скорости работы)».
  * «Автоматизировала на Python процессы сбора и обработки данных, снизив долю ручного труда».
  * «Проводила статистический анализ данных (SQL, Python) для проверки бизнес-гипотез и поиска узких мест в процессах».

ЛИГРЕС
- Что убрать/сократить: CustDev, интервью, Agile/Scrum (оставь упоминание в навыках, но не расписывай в задачах).
- Что выделить:
  * «Анализ пользовательского поведения и расчет продуктовых метрик (Retention, Conversion и др.)».
  * «Разработка систем мониторинга метрик и визуализация данных».

4. Как переписать блок «Обо мне» (Шаблон для тебя)
Удали ту огромную простыню текста, которая у тебя сейчас, и напиши живой, структурированный текст, который "продает" тебя именно на эту вакансию.

Пример:

"Аналитик данных с опытом работы 3 года и профильным математическим образованием (СПбГУ, Прикладная математика).

Мой ключевой стек: Python (Pandas, NumPy, Scikit-learn), продвинутый SQL (оконные функции, сложные джойны, оптимизация), математическая статистика и PowerBI.

В своей работе я фокусируюсь на:
• Построении ML-пайплайнов, предиктивной аналитике и оценке качества данных для моделей.
• Автоматизации аналитических процессов и отчетности с помощью Python.
• Разработке метрик, бенчмарков и дашбордов для оценки эффективности процессов и качества продуктов.

Почему мне интересна эта вакансия: Я хорошо понимаю процессы обучения ML-моделей и критическую важность качества входных данных. У меня есть опыт формализации требований к данным и процессам, и я хочу развиваться в сфере AI, выстраивая надежные системы оценки работы AI-тренеров и качества разметки.

Дополнительно: умею составлять четкие инструкции для сбора данных, активно использую LLM в повседневной работе (prompt engineering)."

5. Как "продать" себя через требования вакансии (Мэтчинг)
Вот как твой опыт бьется с их требованиями и о чем нужно говорить на собеседовании:

1) "Уверенно работаете с Python и SQL" -> У тебя это есть во всех местах работы. Готовься к live-coding на SQL (джойны, оконки, группировки) и задачкам на Pandas.
2) "Знаете математическую статистику и теорию вероятностей" -> Твой главный козырь. СПБГУ (Прикладная математика) + курс Карпова. На собеседовании будут спрашивать про A/B тесты, p-value, доверительные интервалы, дисперсию. Обязательно повтори теорию.
3) "Умеете формализовать требования заказчиков" -> Вот тут как раз пригодится твой опыт системного аналитика (то, что мы убрали с первого плана). Скажешь: "Я умею переводить с языка бизнеса на язык математики и данных, так как 2 года проработала системным/продуктовым аналитиком".
4) "Будет плюсом: Понимаете процессы обучения ML-моделей" -> У тебя есть опыт в Центре Алмазова. Расскажи, как вы собирали медицинские данные, очищали их (ведь медицинские данные всегда грязные) и как учили модели.
5) "Будет плюсом: Писали инструкции и запускали проекты разметки" -> Если в Центре Алмазова ты описывала врачам или операторам, КАК нужно вносить данные в базу, чтобы потом на них учить ML — обязательно расскажи это! Это и есть та самая "инструкция для разметчиков".
6) "Умеете создавать промпты для LLM" -> Добавь в навыки в резюме Prompt Engineering (ChatGPT, Claude, YandexGPT). Наверняка ты используешь их для написания SQL скриптов или обработки текста.

Итог (Action Plan):
1) Смени название желаемой должности и убери зарплату в 100k.
2) Почисти резюме от излишнего процессного/системного анализа, заменив его на задачи по работе с данными, автоматизации и метрикам.
3) Перепиши блок "Обо мне" по моему шаблону.

С твоим образованием и стеком у тебя отличные шансы пройти скрининг в Яндекс. Удачи!