Я имею более 24 года опыта в управлении крупными проектами в роли Project Manager / Scrum Master. Обладаю рядом сертификатов. Работал с кросс-функциональными, распределенными командами, где успешно применял подходы гибкой методологии, включая Scrum. Моя экспертиза включает не только уверенное владение артефактами (backlog, sprint planning, reviews, retrospectives) и ритуалами Scrum, но и активное участие в их адаптации под требуемые задачи проекта для достижения максимальной эффективности работы команд. Одним из моих ключевых навыков является фасилитация встреч. Мне удаётся эффективно выстраивать коммуникацию, помогать командам приходить к консенсусу, разрешать конфликты и обеспечивать вовлечённость всех участников. Организация успешных и результативных митингов – одно из направлений, на которое я всегда обращаю особое внимание, так как оно значительно способствует достижению целей в срок. За время своей работы я успешно запускал проекты для различных клиентов, в том числе для крупных организаций и холдингов. Пример проекта: Для холдинга ЕВРАЗ надо было провести аналитику и предложить концепт по распределению по складам в разных городах цены реализации и политик покупки/продажи железоконструкций в зависимости от региона и логистического плеча. Также надо было учитывать различные реферальные программы по ценообразованию как уже существующие так и предложить свои. Для решения проекта были использованы технологии BigDATA для анализа имеющегося набора данных и выявления зависимостей, предиктивные технологии на базе нейронных сетей для подсказки какой именно вариант сделки/скидки предлагать тем или иным поставщикам/потребителям. Были выявлены и предложены варианты наиболее привлекательных реферальных систем Технологический стек для вашего проекта: Учитывая специфику вашего проекта — новый уровень программы лояльности для крупного маркетплейса, я предлагаю использовать следующий технологический стек: • Backend: Python (Django, Flask) для обработки больших объемов данных и интеграции с API партнеров. • Frontend: React.js для UI • Базы данных: PostgreSQL • Аналитика и машинное обучение: Apache Spark для обработки больших данных и TensorFlow для создания моделей прогнозирования поведения пользователей и персонализации предложений и начисления баллов за покупки • Шина данных: Kafka для обработки событий в реальном времени