Ekaterina Kabashko

Studentische Hilfskraft in quantitativer Datenanalyse und sozialwissenschaftlicher Forschung · Bereinigung, Transformation und Validierung relationaler und netzwerkbasierter Datensätze sowie Aufbereitung strukturierter Daten für quantitative Forschung und statistische Analysen. · Aufbereitung strukturierter Datensätze für statistische Analysen und Durchführung von Simulationen in R zur Überprüfung von Forschungshypothesen und zum Testen statistischer Modelle.

· Konsolidierung und Transformation von Vertriebs- und Bestandsdaten aus 148 Quelldateien von fünf Vertriebspartnern mit Excel Power Query: Bereinigung, Standardisierung, Mapping, Aggregation und Datenanreicherung. · Optimierung quartalsweiser Bonusberechnungen für 20 Vertriebspartner durch standardisierte sechsstellige Produktkennungen. Reduzierung der Bearbeitungszeit um 50–67 % (von 2–3 auf ca. 1 Stunde pro Vertriebspartner), potenziell bis zu 40 Stunden Einsparung pro Quartal.

Trainee · Unterstützung bei der Analyse von Merchandising- und Commercial-KPIs in drei Produktkategorien, einschließlich Preisgestaltung, Verkaufsaktionen, Vertriebsleistung, Produktverfügbarkeit und Einhaltung von Merchandising-Vorgaben. · Überprüfung täglicher Vertriebs- und Preisberichte sowie Untersuchung unterdurchschnittlicher Kennzahlen, einschließlich möglicher Warenengpässe, fehlender Regalpräsenz und fehlerhafter Produktplatzierung.

· Entwicklung von vier Kundenfallstudien für Business-Wettbewerbe in Zusammenarbeit mit der Analyseabteilung; Strukturierung umfangreicher Kundendaten und Anpassung der Analysen an verschiedene Branchen.

· Arbeit mit PostgreSQL-Datenbanken mit bis zu 5,5 Mio. Datensätzen unter Einsatz von CTEs, Window Functions, JOINs, Aggregationen, GROUP BY, HAVING und Unterabfragen. · Einsatz von Python, pandas und NumPy zur Datenbereinigung, Transformation, Zusammenführung und Aggregation von Daten, Behandlung fehlender Werte sowie zur explorativen Datenanalyse. · Einsatz von Python für statistische Analysen, Regressionen, Zeitreihenmodellierung, NLP, soziale Netzwerkanalyse und maschinelles Lernen.

Schwerpunkt: Internationale Geschäftstätigkeit von Energieunternehmen • Durchführung finanz- und wirtschaftswissenschaftlicher Analysen mit Schwerpunkt auf Geschäftsprozessen und Projektwirtschaftlichkeit.