Olim Rakhmonov

Аналитик данных · BI · автоматизация · Ташкент Ma’lumotlar tahlilchisi · BI · avtomatlashtirish · Toshkent

Олим
Рахмонов Olim
Raxmonov

Делаю из данных бизнеса отчёты, по которым принимают решения, и инструменты, которыми пользуются каждый день. Полтора года работаю аналитиком в сети ресторанов: дашборды продаж, системы учёта зарплаты и посещаемости, ETL, Odoo. Biznes ma’lumotlarini qaror qabul qilinadigan hisobotlarga va har kuni ishlatiladigan vositalarga aylantiraman. Bir yarim yildan beri restoranlar tarmog‘ida tahlilchiman: sotuv dashboardlari, ish haqi va davomat tizimlari, ETL, Odoo.

СвязатьсяBog‘lanish Смотреть проектыLoyihalarni ko‘rish
Power BI: отчёт по продажам, собранный от SQL-запроса до DAX-мер Power BI: SQL so‘rovidan DAX formulalarigacha yig‘ilgan sotuv hisoboti
1,5
года аналитиком в сети ресторановyil restoranlar tarmog‘ida tahlilchi
2
веб-системы в продакшенеta veb-tizim ishlab turibdi
0,998
R² лучшей регрессионной моделиeng yaxshi regressiya modelining R² ko‘rsatkichi
4
языка: узбекский, таджикский, русский, английскийtil: o‘zbek, tojik, rus, ingliz
01

Power BI от базы до дашбордаPower BI: bazadan dashboardgacha

End-to-end проект на AdventureWorksDW2020: трансформация в SQL Server, VIEW, Power Query, модель «звезда», DAX-меры и пять страниц отчёта.AdventureWorksDW2020 asosidagi end-to-end loyiha: SQL Server’da transformatsiya, VIEW, Power Query, “yulduz” modeli, DAX formulalari va besh sahifali hisobot.

SQL Server6 таблиц, JOIN, даты, возрастные и доходные группы, давность покупки6 ta jadval, JOIN, sanalar, yosh va daromad guruhlari, xarid yaqinligi
VIEW → Power QueryЗапрос оформлен как представление и подключён к Power BISo‘rov VIEW sifatida saqlanib, Power BI’ga ulangan
Модель «звезда»“Yulduz” modeliИзмерения выделены из факт-таблицы, настроены связиO‘lchovlar fakt jadvaldan ajratilib, bog‘lanishlar sozlangan
DAXВыручка, себестоимость, валовая прибыль и маржа, заказы — в папках «Продажи» и «Клиенты»Tushum, tannarx, yalpi foyda va marja, buyurtmalar — “Sotuv” va “Mijozlar” papkalarida

Пошаговое описание проекта (PDF)Loyihaning bosqichma-bosqich tavsifi (PDF) Ещё 4 отчёта .pbixYana 4 ta .pbix hisobot

02

Системы, которыми пользуется бизнесBiznes ishlatayotgan tizimlar

Работающие в продакшене инструменты для сети ресторанов. В них реальные данные сотрудников, поэтому вместо скриншотов показаны архитектура и бизнес-логика.Restoranlar tarmog‘i uchun ishlab turgan vositalar. Ichida xodimlarning haqiqiy ma’lumotlari bor, shuning uchun skrinshot o‘rniga arxitektura va biznes-mantiq ko‘rsatilgan.

В продакшенеIshlab turibdi Shashlikuz Oylik Nazorat Markazi

Учёт зарплаты и посещаемостиIsh haqi va davomat hisobi

Зарплата сотрудников сети считается по посещаемости. Раньше учёт вёлся вручную, и любая ошибка в часах становилась ошибкой в начислении.Tarmoq xodimlarining ish haqi davomat bo‘yicha hisoblanadi. Avval hisob qo‘lda yuritilardi va soatlardagi har bir xato hisob-kitobdagi xatoga aylanardi.

Face IDPWASupabase AuthPostgreSQLРасчёт ЗПOylik hisobi
  • Отметка прихода и ухода через Face IDKelish va ketishni Face ID orqali belgilash
  • Правило 14 часов: уход фиксируется в пределах 14 часов от прихода, иначе смена переносится на следующий день и отчёт искажается14 soat qoidasi: ketish kelgan vaqtdan 14 soat ichida belgilanadi, aks holda smena ertangi kunga o‘tib, hisobot buziladi
  • Хостинг на Cloudflare Pages, установка на телефон как приложениеCloudflare Pages’da joylashgan, telefonga ilova sifatida o‘rnatiladi
SupabasePostgreSQLAuthCloudflare PagesPWA
В продакшенеIshlab turibdi Ishchilar hisobi

Оклады и выплаты по филиаламFiliallar bo‘yicha oklad va to‘lovlar

Ежедневные оклады и выплаты записывались на бумаге и переносились в Excel. Ставки меняются, выплаты бывают не каждый день и не всем.Kunlik oklad va to‘lovlar qog‘ozga yozilib, keyin Excel’ga ko‘chirilardi. Stavkalar o‘zgaradi, to‘lov har kuni ham, hammaga ham bo‘lmaydi.

Дневной листKunlik varaqИстория ставокStavka tarixi3 филиала3 filial.xlsx
  • Изменение ставки влияет только на следующие дниStavka o‘zgarishi faqat keyingi kunlarga ta’sir qiladi
  • Менеджер каждого филиала видит только свой филиал и выплачивает самHar bir filial menejeri faqat o‘z filialini ko‘radi va o‘zi to‘laydi
  • Ведомость: Начислено / Выплачено / Остаток, отчёты .xlsx, интерфейс RU/UZVedomost: Hisoblandi / To‘landi / Qoldiq, .xlsx hisobotlar, RU/UZ interfeys
JavaScriptSupabaseCloudflare WorkersGitHub
ИспользуетсяIshlatiladi

BI-отчётность ресторановRestoranlar BI hisobotlari

Ежедневный дашборд продаж и ежемесячный по выручке, данные из IIKO и Storehouse, аналитика и маркетинговый план по сезонности.Kunlik sotuv va oylik tushum dashboardlari, IIKO va Storehouse ma’lumotlari, mavsumiylik bo‘yicha tahlil va marketing rejasi.

Power BIDAXMS SQLIIKO
Разработка сданаIshlab chiqish topshirildi

Интернет-магазин на OdooOdoo’da internet-do‘kon

Фриланс, команда из двух исполнителей: каталог, магазин, CRM, подготовка оплаты Click и Payme. Запуск у клиента в конце декабря 2026.Frilans, ikki ijrochidan iborat jamoa: katalog, do‘kon, CRM, Click va Payme to‘lovini tayyorlash. Mijoz uni 2026-yil dekabr oxirida ishga tushiradi.

OdooeCommerceCRM
В работеJarayonda

Telegram-бот заказовBuyurtma Telegram-boti

Для ~25 ресторанов на R-Keeper: самовывоз и доставка. Требования собраны, макет для руководства готов, первый этап без интеграции с POS.R-Keeper’dagi ~25 restoran uchun: olib ketish va yetkazib berish. Talablar yig‘ilgan, rahbariyat uchun maket tayyor, birinchi bosqich POS integratsiyasisiz.

TelegramR-KeeperUX
03

Машинное обучениеMashinali o‘qitish

Полный цикл в каждом проекте: EDA, предобработка, обучение нескольких моделей, сравнение метрик, выводы.Har bir loyihada to‘liq sikl: EDA, oldindan ishlov berish, bir nechta modelni o‘qitish, metrikalarni solishtirish, xulosa.

КлассификацияKlassifikatsiya

Отток клиентов банкаBank mijozlarining ketishi

0,870 ROC-AUC · Gradient Boosting

10 000 клиентов, 20,4% ушли. Сравнил 5 моделей: Gradient Boosting лучший (accuracy 86,9%), Random Forest второй (AUC 0,853). Главный фактор оттока — возраст. В Германии отток 32,4% против ~16% в Испании и Франции.10 000 mijoz, 20,4% i ketgan. 5 ta model solishtirildi: eng yaxshisi Gradient Boosting (accuracy 86,9%), ikkinchisi Random Forest (AUC 0,853). Ketishning asosiy omili — yosh. Germaniyada ketish 32,4%, Ispaniya va Fransiyada ~16%.

scikit-learnROC-AUCOne-HotStandardScaler
НоутбукNotebook
РегрессияRegressiya

Прогноз сожжённых калорийYoqilgan kaloriyani bashorat qilish

0,998 R² · Random Forest

5 регрессионных моделей. Random Forest: MAE 1,71 ккал, RMSE 2,67. Линейная регрессия для сравнения: R² 0,967, RMSE 11,49. Сильнее всего на калории влияют длительность тренировки и пульс.5 ta regressiya modeli. Random Forest: MAE 1,71 kkal, RMSE 2,67. Taqqoslash uchun chiziqli regressiya: R² 0,967, RMSE 11,49. Kaloriyaga eng ko‘p mashg‘ulot davomiyligi va puls ta’sir qiladi.

Random ForestGradient BoostingMAE / RMSE
НоутбукNotebook
КлассификацияKlassifikatsiya

Определение пола по чертам лицаYuz belgilariga qarab jinsni aniqlash

97,2% accuracy · Decision Tree, KNN (K=26)

Decision Tree и KNN дали одинаковую точность на тесте (1001 запись), на 5-кратной кросс-валидации KNN стабильнее (0,969 против 0,966). Подобрал K по графику точности. Самый важный признак — ширина носа.Decision Tree va KNN testda (1001 yozuv) bir xil aniqlik berdi, 5-fold kross-validatsiyada KNN barqarorroq (0,969 ga 0,966). K qiymati aniqlik grafigi bo‘yicha tanlangan. Eng muhim belgi — burun kengligi.

Decision TreeKNNCross-validation
НоутбукNotebook
PCA

Снижение размерностиO‘lchamni kamaytirish

Данные об опухолях: 7 главных компонент объясняют ~91% дисперсии из 30 признаков.O‘sma ma’lumotlari: 30 belgidan 7 ta bosh komponent dispersiyaning ~91% ini tushuntiradi.

K-Means

Сегментация покупателейXaridorlarni segmentlash

Покупатели ТЦ: стандартизация, метод локтя, визуализация и описание кластеров.Savdo markazi xaridorlari: standartlashtirish, tirsak usuli, klasterlarni vizuallashtirish va tavsiflash.

ETL

Пайплайн на AirflowAirflow’da pipeline

PostgreSQL в Docker, DAG create_table → extract → transform → load, подключение к удалённой базе продаж.Docker’da PostgreSQL, create_table → extract → transform → load DAG’i, masofaviy sotuv bazasiga ulanish.

04

SQL: 25 бизнес-вопросов к базе продажSQL: sotuv bazasiga 25 ta biznes savol

AdventureWorksDW2020, 18 484 клиента. Продажи, клиенты, товары: CTE, оконные функции, подзапросы, RFM.AdventureWorksDW2020, 18 484 mijoz. Sotuvlar, mijozlar, mahsulotlar: CTE, oyna funksiyalari, ichki so‘rovlar, RFM.

RFM-сегменты клиентов (NTILE по давности, частоте и сумме)Mijozlarning RFM segmentlari (yaqinlik, chastota va summa bo‘yicha NTILE)
Доля выручки по регионам, топ-6Mintaqalar bo‘yicha tushum ulushi, top-6

Что здесь важноBu yerda nima muhim

  • YoY считается на сопоставимом периоде: 2020 год заканчивается 15 июня, поэтому сравнивается с 1 января–15 июня 2019-го, а не с полным годомYoY solishtirsa bo‘ladigan davrda hisoblanadi: 2020-yil 15-iyunda tugaydi, shuning uchun to‘liq yil bilan emas, 2019-yilning 1-yanvar–15-iyun davri bilan solishtiriladi
  • MoM тоже на равных отрезках: 1–15 июня против 1–15 маяMoM ham teng oraliqlarda: 1–15 iyun va 1–15 may
  • Топ-3 худших товара в каждой категории через RANK с учётом разного числа товаровHar bir kategoriyadagi eng yomon 3 ta mahsulot RANK orqali, mahsulotlar soni har xilligini hisobga olib

Все запросы (PDF)Barcha so‘rovlar (PDF) Анализ продаж авто (PDF)Avto sotuv tahlili (PDF)

05

Веб-разработка и облакоVeb-dasturlash va bulut

Проекты модуля «Networking in the Cloud» (BTEC). Скриншоты сняты с запущенных приложений.“Networking in the Cloud” (BTEC) moduli loyihalari. Skrinshotlar ishga tushirilgan ilovalardan olingan.

Django

NexaWear ERP

ERP на Django для fashion-бизнеса: дашборд с выручкой и предупреждениями о малом остатке, товары с SKU, ценой и маржой, клиенты (CRM), заказы со статусами от «ожидает» до «доставлен», движения по складу.Fashion-biznes uchun Django’dagi ERP: tushum va kam qoldiq ogohlantirishlari bilan dashboard, SKU, narx va marjali mahsulotlar, mijozlar (CRM), “kutilmoqda”dan “yetkazildi”gacha statusli buyurtmalar, ombor harakatlari.

PythonDjangoORMBootstrap
GitHub
AWS · CI/CD

FashionFlow

Облачная платформа оптовой fashion-компании: ERP, CRM и склад. Инфраструктура AWS: VPC с публичной и приватной подсетями, Application Load Balancer, NAT Gateway, EC2 с Nginx. Деплой через GitHub Actions при каждом push в main.Ulgurji fashion-kompaniya uchun bulutli platforma: ERP, CRM va ombor. AWS infratuzilmasi: ochiq va yopiq subnetli VPC, Application Load Balancer, NAT Gateway, Nginx’li EC2. Main’ga har push’da GitHub Actions orqali deploy.

AWS VPCEC2ALBNginxGitHub Actions
GitHub
ИнфраструктураInfratuzilma

VPN-сервер на AWS EC2AWS EC2’da VPN-server

OpenVPN на EC2, security groups для SSH и UDP 1194, пошаговая инструкция.EC2’da OpenVPN, SSH va UDP 1194 uchun security group’lar, bosqichma-bosqich yo‘riqnoma.

06

Навыки и образованиеKo‘nikmalar va ta’lim

УверенноErkin

SQLMS SQL ServerPower BIExcelВизуализация данныхMa’lumotlarni vizuallashtirish

ХорошоYaxshi

PythonpandasDAXPower QueryPostgreSQLSupabaseOdooEDAБизнес-анализBiznes-tahlil

БазовоBoshlang‘ich

scikit-learnAirflowDockerAWSDjangoGitHub Actions

PDP UniversityData Analytics, бакалавриат · 4 курс · выпуск 2027Data Analytics, bakalavriat · 4-kurs · 2027-yil bitiradi
Pearson BTEC International Level 32024