Portfolio kompetencji Marcina Zycha dla stanowiska Advanced Analytics Specialist. Buduję systemy analityczne (BigQuery, Power BI) i modele LTV dla firm z milionami transakcji. Data quality z 70% → 99%. Od audytu danych przez dashboardy do adopcji. Kluczowe wyniki: 104 ukończone projekty, 16+ lat doświadczenia, 1M+ klientów w systemach LTV.

Stanowisko

Dlaczego Twoje raporty się nie zgadzają?

GA4 ≠ Google Ads ≠ CRM ≠ ERP — znam to.

Advanced Analytics Specialist

Przekształcam dane w decyzje, które zwiększają rentowność

104 ukończone projekty

16+ lat doświadczenia

1M+ klientów w systemach LTV

2308% ROI zespołu

Zobacz CV LinkedIn

Referencje dostępne na życzenie. Certyfikaty: IAB DIMAQ Professional, Google Analytics Advanced, Kierownik Projektów IT (Laba), Analityk Biznesowy (Laba).

Analiza dopasowania kompetencji

Wymagania vs Kompetencje

<50% Brak

50-75% Częściowe

>75% Silne

88%

6 Silne

0 Spełnione

2 Częściowe

SQL / BigQuery Silne

System LTV dla 1M+ klientów, modelowanie danych w BigQuery

Power BI Silne

Dashboardy dla zarządu, DAX, Power Query, modelowanie relacyjne

<a href="/apps/ltv-cac-engine/" style="color: inherit; text-decoration: underline;">Modelowanie LTV</a> Silne

Wdrożony system Customer Lifetime Value — segmentacja RFM, predykcja churn

Analiza marży i rentowności Silne

Analiza rentowności kanałów, produktów, promocji. Optymalizacja alokacji budżetu

ETL / Data Pipelines Silne

BigQuery, Supermetrics, <a href="/dla-kogo/ecommerce.php" style="color: inherit; text-decoration: underline;">Server-Side Tracking</a>, automatyzacja raportów

Komunikacja z zarządem Silne

Raportowanie dla C-level, prezentacje ROI, zarządzanie budżetem 6.5M PLN

Python (pandas, numpy, scikit-learn) Częściowe

Podstawowa automatyzacja, przetwarzanie danych, FastAPI. Brak produkcyjnych wdrożeń ML

Kurs DataCamp/Codecademy w toku

Certyfikaty (PL-300, GCP Data Analyst) Częściowe

Praktyczne doświadczenie potwierdzone wdrożeniami (1M+ klientów). Brak formalnych certyfikatów

Planowany egzamin PL-300 Q1 2026

Moja metodologia wdrożeń AI

Powtarzalny proces od rozpoznania do produkcji

Faza Czas Oś czasu (tygodnie)

1 Discovery

1-2 tyg

2 Data Audit

1-2 tyg

3 Modelowanie

2-3 tyg

4 Budowa

3-5 tyg

5 Walidacja

1-2 tyg

6 Optymalizacja

ciągła

MVP Gotowe Produkcja

0 2 4 6 8 10 12 14 tyg

Typowy czas do produkcji: 10-14 tygodni (z działającym prototypem po 4-5 tygodniach)

Szczegółowa analiza kompetencji

Rozkład umiejętności w 5 kluczowych kategoriach

Data Engineering 90%

BigQuery SQL ETL/ELT Data modeling Supermetrics

Business Intelligence 92%

Power BI DAX Power Query Looker Studio Data visualization

Analytics & Modeling 88%

LTV modeling Segmentacja RFM Analiza marży Predykcja churn Attribution

Zarządzanie projektami 90%

Agile/Scrum Stakeholder mgmt Dokumentacja Planowanie zasobów Risk analysis

Zmysł biznesowy 95%

ROI analysis Komunikacja C-level Zarządzanie budżetem Planowanie strategiczne KPI design

Całkowity wynik dopasowania 88%

System LTV — Analiza wartości klienta dla 1M+ klientów

Brak wiedzy o rzeczywistej wartości klientów uniemożliwiał optymalizację budżetu marketingowego

8 tygodni ROI: 13 dni

Metryka Przed Po Zmiana

Klientów w systemie 0 1M+ ∞

ROI kampanii retention nieznany mierzalny ✓

ROI zespołu — 2308% ✓

Payback — 13 dni ✓

Stack technologiczny:

BigQuery Power BI SQL Python ECDP Integration

Kluczowe wnioski

Jakość danych ważniejsza niż ilość — 80% czasu na data cleaning Segmentacja RFM daje szybkie quick wins przed pełnym LTV Integracja z ECDP kluczowa dla aktywacji danych

Zarządzanie zmianą

Technologia bez adopcji to koszt, nie inwestycja. Każde wdrożenie analityki to projekt zmiany kulturowej.

ADKAR Framework Model zarządzania zmianą

100% Wskaźnik adopcji

~10 tyg Pełny cykl

Tydz. 1-2

A

Awareness

Świadomość

Tydz. 2-4

D

Desire

Chęć

Tydz. 4-8

K

Knowledge

Wiedza

Tydz. 6-10

A

Ability

Umiejętność

Tydz. Ciągłe

R

Reinforcement

Utrwalenie

Awareness

"Dlaczego potrzebujemy lepszych danych?"

• Prezentacja dla zarządu z business case
• Demo dashboardów na realnych danych firmy
• Analiza konkurencji i trendów rynkowych

Desire

"Co ja z tego będę miał/a?"

• Warsztaty "dzień z danymi" dla zespołów
• Identyfikacja data champions
• Quick wins w pierwszych 2 tygodniach

Knowledge

"Jak czytać dashboardy i wyciągać wnioski?"

• Szkolenia Power BI dla użytkowników
• Dokumentacja z przykładami
• Office hours i Q&A sessions

Ability

"Czy potrafię samodzielnie analizować dane?"

• Supervised practice z feedbackiem
• Checklisty i gotowe raporty
• Peer mentoring program

Reinforcement

"Jak utrzymać kulturę data-driven?"

• Metryki adopcji w dashboardzie
• Recognition program dla power users
• Iteracyjne usprawnienia na podstawie feedbacku

Anty-wzorce do unikania

Błędy, które torpedują wdrożenia analityczne

Big bang deployment bez pilota

Dashboard dump bez kontekstu

Brak data owner dla każdego raportu

Ignorowanie data literacy zespołu

Relevantne doświadczenie

Stanowiska i projekty związane z tym obszarem

2024 - 2025

ETOS S.A. / Diverse

Performance Marketing Coordinator

Wdrożenie systemu LTV dla 1M+ klientów. Dashboardy Power BI dla zarządu. Zarządzanie budżetem 6.5M PLN.

• System LTV dla 1M+ klientów
• ROI zespołu 2308%, payback 13 dni
• Budżet 6.5M PLN

2018 - obecnie

Marcin Zych

Analytics & MarTech Consultant

50+ projektów analitycznych. Power BI dashboardy dla 15+ klientów. BigQuery, GA4, attribution modeling.

• 50+ projektów analitycznych
• Power BI dla 15+ klientów
• BigQuery + GA4 integrations

2022 - 2023

Yetiz Interactive

Senior Facebook Ads Specialist

Budowa modeli analitycznych Power BI dla 15+ klientów. Optymalizacja ROAS +40%.

• Power BI dla 15+ klientów
• Optymalizacja ROAS +40%

2019 - 2022

OMNIOXY S.A.

Performance Manager / Technical Marketing Manager

Prowadzenie zaawansowanej analizy danych marketingowych. Wdrożenie GTM i Data Layer architecture. Power BI dla raportowania. Budżet 2M PLN.

• Zaawansowana analiza danych marketingowych
• GTM i Data Layer architecture
• Power BI reporting

16+ lat doświadczenia

104 ukończone projekty

1M+ klientów w LTV

Kluczowe projekty

Case studies z mierzalnym wpływem na biznes

Data Pipeline

System LTV

1M+ klientów, segmentacja RFM, predykcja odejść

1M+ klientów

2308% ROI zespołu

Analytics

Dashboardy Power BI

Automatyzacja z 8h/tydzień do 15 min/dzień

15 min dziennie

-97% czasu

Integration

Server-Side Tracking

Wzrost jakości danych z 70% do 99%

99% jakość danych

+29pp poprawa

Analytics

Atrybucja międzykanałowa

Redukcja błędnej alokacji budżetu o 40%

-40% błędnej alokacji

+40% ROAS

Analytics

Analiza marży produktów

Identyfikacja nierentownych produktów i optymalizacja marży

6.5M PLN budżetu

104 projektów

Automation

Automatyzacja raportów

BigQuery → Power BI scheduled refresh

15 min dziennie

8h→15min raportowanie