Обо мне
Превращаю данные в автономные AI-решения
Эксперт по данным с более чем 15 годами практического опыта проектирования, разработки и оптимизации аналитических систем корпоративного уровня. Владею всем спектром аналитических инструментов — от хранилищ данных и ETL до баз данных и визуализации — и веду проекты DWH полного цикла: от архитектуры до настройки производительности, а в последние годы всё чаще усиливаю эти системы искусственным интеллектом. Не только проектирую системы на бумаге, но и создаю их, сочетая глубокие технические навыки с архитектурным видением, чтобы превращать сложные данные в понятную бизнес-ценность.
В последние годы я сосредоточился на интеграции искусственного интеллекта в аналитические и бизнес-системы. Проектирую и внедряю архитектуры на базе больших языковых моделей с многоагентной оркестрацией, которые автономно отвечают на вопросы менеджеров, заменяют рутинные задачи аналитиков, отслеживают ключевые показатели и сигнализируют о важных отклонениях в реальном времени.
Применяю комплексный подход к созданию аналитических систем: создаю законченные решения, а не прототипы. Каждый проект уникален — он создаётся с нуля с учётом его бизнес-целей, бюджета и инфраструктуры. Вовлечён на всех этапах — от кода и инфраструктуры до оптимизации и визуализации. Этот сайт работает в дата-центре, построенном мной; весь его код, развёртывание и автоматизация выполнены мной. Увлечён оптимизацией производительности, элегантными моделями данных и созданием систем, которые остаются быстрыми, стабильными и прозрачными даже под высокой нагрузкой.
Чем я занимаюсь?
AI-агенты и оркестрация
Проектирую многоагентные системы: роли и полномочия, флоу задач с ветвлением и циклами, мульти-модельный роутинг, RAG и guardrails. Собираю автономные пайплайны, где агенты ведут исследование, разработку, тестирование и деплой.
DevOps / MLOps
Создаю и поддерживаю автоматизированную инфраструктуру, которая обеспечивает стабильную работу дата-систем. От контейнеризации и CI/CD до мониторинга и безопасности.
Хранилище данных
Документирую текущую систему и проектирую оптимальную архитектуру под ваши задачи, включая подробный план миграции. Все решения перед внедрением согласовываю на уровне диаграмм.
Инженерия данных
Создаю хранилища данных, оптимизированные под ваши требования. Это может быть небольшая база на одной виртуальной машине или масштабная кластерная архитектура, распределённая по разным локациям.
Визуализация данных
Преобразую данные в наглядные аналитические отчеты из любых источников — от Excel и баз данных до API и потоков в реальном времени. Создаю интерактивные и удобные дашборды, доступные и с мобильных устройств.
Базы данных
Проектирую, оптимизирую и сопровождаю базы данных под конкретные задачи. От реляционных до NoSQL и колоночных систем — обеспечиваю надёжность, масштабируемость и высокую производительность с продвинутой оптимизацией запросов.
Управление проектами
Составляю детальные планы проектов, подбираю и провожу собеседования с разработчиками. Веду команду, контролирую прогресс и корректирую процесс для успешной реализации.
Прочее
Большой технический кругозор и сильное стремление осваивать новые технологии позволяют мне быстро адаптироваться к любым задачам. Постоянно изучаю новые подходы и инструменты для создания эффективных решений.
0 +
Построенных корпоративных DWH
0 TB+
Объём обработанных данных
0 min
Время задержки аналитики
0 +
AI-агентов в оркестрации
AI-агенты и оркестрация
Движки оркестрации: самописный движок, CrewAI, AutoGen, LangGraph
85%
LLM и маршрутизация: OpenAI, Anthropic, Google, Mistral, Llama, DeepSeek; OpenRouter, LiteLLM
80%
RAG и память: Qdrant, Weaviate, FAISS
74%
Guardrails и мониторинг: уровни доступа, Evals, токены, латентность
75%
DevOps / MLOps
Контейнеризация: Kubernetes, Docker
85%
CI/CD: Git, автоматическое развертывание, автотесты
90%
Сетевые технологии: VPN, подсети, брандмауэр
75%
Аппаратное обеспечение: Процессоры, оперативная память, хранилище
70%
MLOps: деплой моделей, мониторинг, retraining, guardrails
70%
Хранилище данных
Стандарты: Data Vault, Якорная модель, EAV, звезда, снежинка, 1/2/3NF, неструктурированные данные
95%
Подходы: Билл Инмон, Ральф Кимбалл, гибридный подход
90%
Планирование: Argo, Prefect, Airflow, Jenkins, Rundeck
85%
Моделирование: SAP PowerDesigner, MS SSMS, MySQL Workbench (E/R, IDEF1X, Barker)
80%
Инженерия данных
Запросы: SQL, PL/SQL, T-SQL
95%
Программирование: Python, Java, Scala, R; Frameworks: Spark, PySpark, SparkR, Beam, Storm, Flink
85%
Инструменты ETL: Informatica, Pentaho, SSIS, AWS Glue, Alooma, Stitch, Zapier
90%
ELT и средства загрузки данных: DBT, Trafodion ODB
80%
Потоковая обработка: NiFi, Debezium, коннекторы Kafka
75%
Визуализация данных
Инструменты: Superset, Tableau, Power BI, SSRS, QlikView, Metabase
90%
Облачные сервисы: Looker, Klipfolio
80%
Мониторинг: Grafana, Zabbix
85%
Программирование: D3.js, Chart.js, Plot
75%
Базы данных
Колоночные: Vertica, Snowflake, Greenplum, Clickhouse, Exadata, Redshift, BigQuery
95%
Строчные: MySQL, PostgreSQL, MS SQL Server, Oracle
90%
Многомерные: SSAS, Mondrian, Oracle BI
85%
NoSQL: MongoDB, Cassandra
80%
Управление проектами
Инструменты PM: JIRA, Redmine, Trello, Asana, MS Project
85%
Управление задачами: Структурирование и распределение задач среди команды
90%
Подбор персонала: Проведение собеседований и найма сильных специалистов
85%
Прочее
Front-end: NextJS, HTML, CSS
60%
Back-end: Python, NestJS
75%
Основатель, архитектор агентных систем
2025 — н.в. (Orchestra (AI-организация))
Мои личные достижения:
• Создал самописную AI-организацию, где команды из агентов и людей автономно ведут исследование, разработку, тестирование и деплой. • Реализовал декларативное описание флоу как кода с онлайн-мониторингом и контролем полномочий агентов. • Реализовал контур авто-подбора наиболее подходящей модели для каждой роли.
Мои обязанности:
• Проектирую и разрабатываю самописный движок «искусственного офиса»: AI-агенты — полноправные сотрудники наравне с людьми, с теми же полномочиями и обязанностями, коммуницируют между собой. • Отвечаю за оркестрацию как код: декларативной конфигурацией задаю роли, кто с кем коммуницирует и флоу задач — движок это гарантирует и сам формирует логику коммуникации агентов. • Веду сложный флоу с ветвлением и циклами. Например: задача параллельно уходит в разработку, маркетинг (рассылка) и бухгалтерию; тимлид декомпозирует её между разработчиками, те коммуницируют и передают части архитектору на контроль; техписатели документируют, DevOps публикует и запускает рассылку; затем аналитик принимает работу по данным аналитической отчётности (например, переходы по ссылкам). • Отвечаю за онлайн-мониторинг и статистику: какие агенты и сотрудники задействованы, сколько задач выполнили, во сколько (деньги и время) обошлась каждая задача и каждый сотрудник, плюс нагрузка на систему. • Обеспечиваю систему уровней доступа: у каждого агента свои полномочия, отдельный контроль гарантирует, что агент не выходит за их рамки. • Веду контур, который тестирует и подбирает наиболее подходящую модель для каждой роли. • Отвечаю за автономное выполнение задач: разработка, маркетинг, отчётность, бухгалтерия и другие.
Проектные технологии:
• Оркестрация: самописный движок, флоу как код (DSL); CrewAI, AutoGen, LangGraph оценены перед выбором своего движка • Модели: подбор и роутинг LLM (OpenAI, Anthropic, Mistral, Llama), RAG (Qdrant, Weaviate) • Контроль: уровни доступа агентов, онлайн-мониторинг • Инфраструктура: Python, Kubernetes, Argo Workflows
Основатель и технический руководитель
2023 — н.в. (Strive (Анализ данных))
Мои личные достижения:
• Запустил полностью рабочую автоматизированную торговую систему, приносящую реальный доход. • Сделал систему биржа-агностичной — единый конвейер для стакана и сделок любой площадки. • Построил контур непрерывного переобучения с деплой-гейтом: модель не уходит в прод, пока не пройдёт проверки. • Интегрировал ИИ-модули для анализа неструктурированных финансовых данных и новостей через RAG. • Запустил автономные ИИ-пайплайны, объединяющие торговую логику и генеративные инсайты.
Мои обязанности:
• Отвечаю за архитектуру торгово-аналитической системы и торговые алгоритмы — проектирование с нуля. • Обеспечиваю биржа-агностичность: подключение к любой площадке (нужны только стакан и поток сделок), нормализация форматов разных бирж. • Веду execution-слой: маршрутизация ордеров, учёт проскальзывания (slippage) и комиссий площадок, оценка прибыли с учётом издержек — на реальной торговле. • Отвечаю за конвейер непрерывного фонового переобучения моделей на кластере; модель уходит в прод только через деплой-гейт (validation/falsification). • Разрабатываю ML-модели (PyTorch/scikit-learn) для распознавания паттернов и аномалий на нестационарных рядах и LLM с RAG — для оценки настроений и анализа новостей. • Веду многоагентную оркестрацию исследования, разработки, тестирования и деплоя.
Проектные технологии:
• Источники данных: биржевые API (стакан и сделки), внешние API • ETL и ML: Python, Argo Workflows, Kafka; PyTorch, scikit-learn (переобучение) • DWH: HPE Vertica, модель Kimball • Визуализация: Superset, Chart.js
Руководитель отдела данных
2020-2024 (Sravni.ru (Web))
Мои личные достижения:
• Построил всю систему с нуля, обеспечив стабильную работу. • Разработал сквозную архитектуру от продуктов до аналитических пользователей. • Вёл переговоры об оптимальных условиях лицензирования всех компонентов решения. • Руководил миграцией с устаревшей DWH на новую высокопроизводительную систему. • Разработал и внедрил корпоративные политики работы с данными. • Внедрил внутреннего ИИ-ассистента, который автоматизировал аналитические запросы с использованием RAG и prompt-engineering. • Сократил время подготовки отчётов более чем на 50% и ускорил принятие решений по всей компании.
Мои обязанности:
• Подбор и развертывание серверов и программных решений в компании. • Отвечал за архитектуру потоков данных на уровне всей компании с акцентом на DWH. • Определял и внедрял стандарты и правила моделирования данных. • Контролировал и предотвращал утечки персональных данных, обеспечивая соблюдение требований безопасности. • Исследовал и внедрял LLM-ассистентов для аналитической команды: автоматизация исследования данных, генерации инсайтов и документации. • Внедрял ML-модули обнаружения аномалий и LLM-подсказки SQL, повышая скорость и точность аналитики.
Проектные технологии:
• Источники данных: MSSQL, PostgreSQL, MySQL, MongoDB, внешние API, RabbitMQ, Kafka, CSV, JSON • ETL: Python, TeamCity, Prefect, Kafka, Debezium • DWH: Snowflake, модель Kimball • Визуализация: PowerBI, Snowsight, Sigma, Grafana
Архитектор DWH
2016-2020 (SuperJob (Web))
Мои личные достижения:
• Разработал стабильную аналитическую систему с нуля. • Оптимизировал бюджет и ресурсы, рассчитав лицензии, дисковое пространство и создав контейнерную тестовую среду на 2 хостах. • Разработал ETL-конвейеры с использованием Pentaho и Python. • Создал автономную систему автотестирования без ручного вмешательства. • Предоставил решение для работы с большими данными, охватывающее весь спектр аналитики. • Разработал модель DWH для быстрого и качественного получения бизнес-данных, включая ML-скоринг, ранжирование, классификацию и MDM. • Сотрудничал с аналитиками для выпуска дашбордов в реальном времени на централизованном хранилище. • Реализовал 3NF-метаданные для централизованной координации потоков данных и контроля качества.
Мои обязанности:
• Отвечал за полнофункциональную аналитическую систему: разработка с нуля и сопровождение. • Выбирал и внедрял серверы и программные решения для оптимизации производительности и стоимости. • Вёл модель хранилища данных и ETL-метаданные в PowerDesigner. • Администрировал кластер HP Vertica на *nix-серверах, расширял кластер и балансировал нагрузки для минимальной задержки данных, обеспечивая отсутствие очередей пользовательских запросов даже при пиковых задержках 40-50 минут. • Отвечал за аналитические ML-процедуры: классификация типа пользователя на лету, модели scoring/ranking.
Проектные технологии:
• Источники данных: MariaDB, MongoDB, CSV, JSON, внешние API • ETL: Pentaho DI, Python, Jenkins, Airflow • DWH: Vertica+Clickhouse, модель Data Vault • Визуализация: Tableau, Grafana
Ведущий ETL-разработчик
2014-2016 (Связной (Розничная торговля))
Мои личные достижения:
• Создал уникальную адаптивную модель данных для хранилища Big Data с использованием кластерного подхода. • Разработал автоматизированные тесты на Python, охватывающие все ETL-процессы. • Внедрил систему контроля качества данных (DQ), позволяющую выявлять большинство ошибок до развертывания, обеспечивая высокую надёжность ETL-процессов.
Мои обязанности:
• Руководил разработкой хранилища больших данных с нуля. • Общался с заказчиками для сбора требований и обратной связи. • Строил и внедрял модели данных. • Планировал и координировал работу команды, обеспечивая эффективный процесс. • Выполнял рефакторинг и валидацию большинства ETL-процессов.
Проектные технологии:
• Источники данных: Hadoop, Oracle, MSSQL, PostgreSQL, MySQL • ETL: Pentaho DI, Python, Sqoop, Kafka, Oozie • DWH: Hive, Vertica, EAV
Старший разработчик DWH
2012-2014 (Группа Asseco, R-Style SoftLab (ИТ-консалтинг))
Мои личные достижения:
• Интегрировал и доработал систему DWH в нескольких топ-20 российских банках. • Разработал управленческую отчётность и отчёты в соответствии с требованиями МСФО. • Предоставил финальную визуализацию данных для конечных пользователей.
Мои обязанности:
• Разрабатывал масштабные DWH-проекты с нуля для крупнейших российских банков. • Обеспечивал комплексные решения: поддержка продаж, аналитика, ETL, DWH, отчётность и приёмка клиентов. • Внедрял Oracle DWH (RSDH) и интегрировал его с банковскими системами. • Строил конвейеры ETL, OLAP-отчётность и процессы проверки данных. • Проводил обучение и сертификацию новых сотрудников. • Поддерживал аналитиков в работе с Oracle и RSDH, обеспечивая надёжную отчётность для банковских операций.
Проектные технологии:
• Источники данных: Oracle, MSSQL, PostgreSQL, MySQL • ETL: Informatica PowerCenter • DWH: Oracle Exadata, 3NF Model
Эксперт по качеству данных
2011-2012 (TNS Global (Исследования))
Мои личные достижения:
• Разрабатывал отчёты и уведомления о качестве данных в реальном времени, мгновенно выявляя ключевые проблемы системы. • Создавал модели поведения пользователей для веб-мониторинга по возрасту, местоположению и полу. • Разработал и запустил с нуля сервис отчётности, обеспечивающий точную и своевременную аналитику.
Мои обязанности:
• Отвечал за OLAP-хранилище: разработка с нуля и сопровождение, высокая скорость обновления больших кубов. • Вёл автоматизацию агрегирования данных и отчётности — точность и своевременность. • Оптимизировал SQL-процедуры, задания и триггеры для максимальной производительности. • Внедрял решения SSAS и SSRS, упрощая статистическую отчётность и аналитику.
Проектные технологии:
• MSSQL, SSMS, SSIS, SSAS
Специалист по миграции баз данных
2009-2010 (Allianz, Росно (Страхование))
Мои личные достижения:
• Успешно переносил сложные наборы данных из нескольких систем в SAP с полной целостностью данных. • Оптимизировал производительность модулей SAP, ускоряя оперативную отчётность. • Управлял всем процессом миграции — от извлечения данных до их проверки.
Мои обязанности:
• Создавал технические спецификации и алгоритмы расчётов для модулей SAP. • Тестировал и оптимизировал работу модулей SAP. • Экспортировал и корректировал данные из INFIN, CIS и других корпоративных систем для обеспечения плавной миграции в SAP. • Подготавливал и проверял данные для миграции, обеспечивая их точность и полноту.
Проектные технологии:
• SAP, Oracle, Microsoft Office, SQL, VBA
Актуальные
Автономная AI-организация
Orchestra (личный проект)
Orchestra — искусственная организация, интегрирующаяся в реальные бизнес-процессы: в ней работают сотрудники — AI-агенты и люди — наравне, с одинаковыми полномочиями и обязанностями. Описывает роли, полномочия и обязанности, задачи разных команд и процессы прохождения задач по флоу. Личный проект: движок оркестрации и вся его логика написаны мной.
Технологии проекта:
• Оркестрация: самописный движок, флоу как код (DSL) • Модели: подбор и роутинг LLM (OpenAI, Anthropic, Mistral, Llama), RAG (Qdrant, Weaviate) • Контроль: уровни доступа агентов, онлайн-мониторинг • Инфраструктура: Python, Kubernetes, Argo Workflows • Хостинг: собственный дата-центр
Система автоматизации торговли
Strive (Сеул, Южная Корея)
Strive — автоматизированная торговая система (робот), работающая с любыми биржевыми стаканами. Анализирует стакан и поток сделок и прогнозирует будущие котировки на основе машинного обучения и анализа новостного фона. Основатель и единственный инженер: систему спроектировал и построил от начала до конца.
Технологии проекта:
• Источники данных: биржевые API (стакан и сделки), внешние API • ETL и ML: Python, Argo Workflows, Kafka; PyTorch, scikit-learn (переобучение) • DWH: HPE Vertica, модель Kimball • Визуализация: Superset, Chart.js • Хостинг: собственный дата-центр
Слой API для анализа данных
Totle (Тель-Авив, Израиль)
Totle — высокопроизводительный слой аналитики данных Ethereum в реальном времени и агрегатор децентрализованных бирж (DEX): маршрутизация ордеров между пулами ликвидности и лучшая цена исполнения с учётом проскальзывания. Аналитический слой — модель DWH и API маршрутизации ордеров с оценкой исполнения — моя разработка.
Технологии проекта:
• Источники данных: блокчейн • ETL: Node.js • DWH: Snowflake, 3NF-модель • Визуализация: d3.js, API Node.js • Хостинг: AWS
Распределённый центр обработки данных
OpenHub (Давао, Филиппины)
OpenHub — распределённый центр обработки данных с площадками в нескольких странах. Объединяет GPU-фермы и высокопроизводительные аналитические серверы в единую сеть и обеспечивает вычислительную инфраструктуру для аналитических и AI-нагрузок. Сеть и вся инфраструктура дата-центра спроектированы и собраны мной.
Технологии проекта:
• Оборудование: Supermicro, Intel, RAID, Cisco, Mikrotik • Программное обеспечение: Windows Hyper-V, Ubuntu • Визуализация: Grafana, UptimeRobot • Хостинг: собственный дата-центр
Архивные
Система потоковой обработки данных
Sravni.ru (Москва, РФ)
Sravni.ru — общекорпоративная система потоковой передачи данных в DWH в реальном времени (CDC) на архитектуре Kubernetes с подходом data mesh для микросервисов. Вся аналитическая система и все потоки данных внутри компании спроектированы, описаны и разработаны мной.
Технологии проекта:
• Источники данных: MSSQL, PostgreSQL, MySQL, MongoDB, внешние API, RabbitMQ, Kafka, CSV, JSON • ETL: Python, TeamCity, Prefect-Kubernetes, Kafka, Debezium • DWH: Snowflake, модель Kimball • Визуализация: PowerBI, Snowsight, Superset, Grafana • Хостинг: 100% облачный управляемый
Клиентская аналитика
PharmaKey (Москва, РФ)
PharmaKey — система аптечной аналитики для более чем 10 клиентов, каждый из которых обрабатывает свыше миллиарда транзакций, с информацией о производстве и продажах по стране. Вся система и миграция на Vertica — ETL, хранилище, визуализация — выполнены мной.
Технологии проекта:
• Бэкэнд портала: PHP, JavaScript, MySQL. Источники данных: MySQL, CSV, внешние API. ETL: переход от Rundeck и Bash к Pentaho DI, Python, Airflow • DWH: переход от MySQL и Redshift к Vertica, модель Snowflake • Визуализация: Tableau, Metabase • Хостинг: миграция с AWS и Hetzner на Selectel dedicated + VMware
Система аналитики предприятия
SuperJob (Москва, РФ)
SuperJob — корпоративная аналитическая система: модель DWH и аналитика поверх более чем 20 источников данных, порядка миллиарда событий в неделю. Вся аналитическая система разработана мной с нуля: ETL, хранилище и визуализация.
Технологии проекта:
• Источники данных: MariaDB, MongoDB, CSV, JSON, внешние API • ETL: Pentaho DI, Python, Jenkins, Airflow • DWH: Vertica+Clickhouse, ODS в реальном времени, Data Vault и Star модели с почти реальным временем обновления • Визуализация: Tableau, Grafana • Хостинг: Enterprise dedicated
Клиентская аналитика
PetroSoft (Питтсбург, США)
PetroSoft — система клиентской аналитики для сети АЗС в США и Канаде: дашборды реального времени на объёме порядка миллиарда транзакций в неделю. Система целиком — ETL, хранилище и дашборды реального времени — построена мной.
Технологии проекта:
• Источники данных: MySQL, Enterprise Bus • ETL: Pentaho DI, Python, Jenkins • DWH: Vertica, модель Snowflake • Визуализация: Tableau, JavaScript • Хостинг: Enterprise dedicated
Аналитика продавцов электронной коммерции
Rafferi (Сан-Франциско, США)
Rafferi — аналитическая система для продавцов электронной коммерции: интеграция данных из Amazon, eBay и Walmart в единое хранилище с дашбордами и отчётностью по продажам. Вся аналитика — от интеграции источников и ETL до хранилища и дашбордов — спроектирована и разработана мной.
Технологии проекта:
• Источники данных: AWS API, MWS API, eBay API • ETL: Pentaho DI, Java • DWH: Vertica, модель Star • Визуализация: d3.js, Node.js API • Хостинг: собственный дата-центр
Образование
Московский государственный университет имени М.В. Ломоносова
Математические методы в экономике
2014
Старейший и один из ведущих вузов России, стабильно входит в мировые рейтинги. Поступил на высококонкурсное бюджетное место.
Московский государственный технический университет имени Н.Э. Баумана
Объектно-ориентированное программирование
2009
Ведущий технический университет России с сильной инженерной школой. Поступил без вступительных экзаменов после победы на Московской физико-математической олимпиаде.
MITx Массачусетский технологический институт
Введение в информатику и программирование
2014
Онлайн-курс MITx (edX) по информатике и программированию с итоговой аттестацией.