0 SP
Profile

Руководитель C&B

Мозолевский Алексей

Интерактивное Резюме Переворачивай карточки, изучи мой опыт и побеждай Рутину!
Telegram Email
Telegram: @AlexeyMozolevsky
Email: alexeymozolevsky@gmail.com
Phone: +7 (919) 193-07-83
⚖️ Грейдинг (Hay)
Hay Points: 0
Грейд (Grade): -
Вилка (Gross):
0 ₽
Мой опыт (Automation)

🚀 Грейдирование

Задача: Грейдировать должности. Уйти от ручного расчета в Excel и устранить ошибки человеческого фактора.

  • Опыт: В компании NOVAROLL я проводил грейдирование по более чем 500 позиций как руководитель проекта и главный эксперт.
  • Решение: Провёл оценку. Защитил перед руководителями бизнесов. Разработал алгоритм на Python, который помогает проводить грейдирование намного быстрее.
  • Результат: Время пересмотра сократилось с 2 недель до 1 часа.
Stack: Python, Pandas, FastAPI
🎯 KPI и Бонусы
Выполнение:
0%
Премия (Q):
0 ₽
Мой опыт (Expertise)

🔧 Движок премирования

Проблема: Цели сотрудника не связаны с целями бизнеса. Непрозрачность расчетов. Сотрудники не понимают сумму бонуса до дня выплаты.

  • Опыт: Опыт построения систем премирования более 6 лет в производственных, торговых и ИТ компаниях. Как с 0 так и с серьёзными изменениями системы.
  • Решение: Реализовывал матрицы KPI, координировал цели, разрабатывал пороги (thresholds) и прогрессивные шкалы выплат. Делал ретроспективный анализ и сценарное прогнозирование.
  • Итог: Цели скоординированы. Прозрачность 100% в личном кабинете сотрудника. Сотрудники добиваются поставленных задач.
Stack: Python, PostgreSQL, 1С-программирование, Power BI
💊 Кафетерий льгот
Исп. бюджет: 0 тыс. ₽
Удовлетворенность (EVP):
Мой опыт (Algorithms)

🎒 Оптимизация пакета льгот

Кейс: Внедрение гибких льгот (Кафетерий) с фиксированным бюджетом на сотрудника.

  • Опыт: Реализовал кафетерий льгот в Компании NOVAROLL. Решал вопросы льгот в других компаниях и оказывал консультационную поддержку многим коллегам.
  • Решение: Использовал алгоритм получения игровой валюты для максимизации индекса удовлетворенности (EVP) в рамках бюджета. Проводил аналитику. И решал сложные кейсы с поставщиками.
  • Результат: Использование льгот увеличилось более чем в 10 раз за 2 года. Увеличили воспринимаемую ценность пакета на 50% без роста ФОТ. Осведомленность персонала о льготал, в том числе рабочего персонала, возросла с 30% до 80%.
Stack: Навыки переговоров, Power BI, Power Point, Python, HTML + JS
📊 Аналитика

Позиционирование зарплаты (Compa-Ratio)

Удержание Затраты
Риск ухода: Высокий
Бюджет: Низкий
Мой опыт (Data Science)

🔮 Предиктивная аналитика

Задача: Построить не просто анализ прошлого, но и предсказание будущего.

  • Опыт: Реализовал аналитические дашборды в компаниях NOVAROLL(все HR метрики), ЛИГА, Мираторг(нормирование), Элемент(сводный бюджет), Альтернатива (Продажи, выручка, прибыль).
  • Решение: Построил модель данных, реализовал скрипты обогащения данных и предсказательных моделей
  • Итог: Благодаря опыту и работе с широким стеком технологий способен получать, обрабатывать и визуализировать данные из самых разных источников.
Stack: Python, PostgreSQL, 1С-программирование, Power BI
⏳ LTI и Опционы
Стоимость (Black-Scholes):
$0
Вестинг 4 года
Мой опыт (Math)

📉 Оценка LTI программ

Задача: Изменить LTI крупной компании по самым современным стандартам.

  • Опыт: Изучал LTI в ВШУ и РАНХиГС, Консультировал коллег по данному вопросу.
  • Решение: Реализовал модель Блэка-Шоулза в данном дашборде (Black-Scholes) на Python для расчета стоимости опционов (Call Options).
  • Итог: Мне нравится сложная математика и интересные кейсы.
Math: Statistics, SciPy
🏗️ Оргструктура
Управляемость : 0
Мой опыт (DB & SQL)

🌳 Анализ иерархии

Задача: Разработать эффективную организационную структуру.

  • Опыт: В компаниях NOVAROLL, Мираторг, ЛИГА участвовал и лидировал в оргштатных мероприятиях, рассчитывал корректную численность и следил за нормой управляемости.
  • Решение: Строил организационные схемы, карты процессов и моделировал загрузку персонала. Использовал рекурсивные CTE (Common Table Expressions) в SQL для обхода дерева сотрудников.
  • Результат: Выявилял "узкие места" и оптимизировал штат на 5%-10%.
Stack: PostgreSQL, Recursive Queries
⏱️ Нормирование
Вам нужно:
0.0
штатных единиц (FTE)
Мой опыт (Efficiency)

🏭 Калькулятор численности

Задача: Обосновать бюджет на найм персонала в операционные подразделения. Расчитать корректную, научно обоснованную численность.

  • Опыт: Провел сотни хронометражных замеров. Лидировал в более чем 10 проектах по нормированию труда.
  • Решение: Создал модель нормирования, учитывающую время операций, коэффициенты усталости и потери рабочего времени. Автоматизировал процесс обработки замеров. Автоматизировал нормирование по методу MTM.
  • Результат: Точный расчет FTE позволил избежать переработок и раздувания штата.
Tools: Python Calculation, Excel
🤖 C&B Ассистент
Привет! Я HR-бот. Спрашивай.
Мой опыт (AI & LLM)

💬 HR Support Bot

Задача: Разгрузить HR-отдел от типовых вопросов сотрудников (отпуска, справки, грейды).

  • Опыт: Пишу сложные интеграции с ии, оптимизирую кол-во токенов
  • Решение: Прототип чат-бота с использованием OpenAI API (или локальной LLM).
  • Результат: Снижение количества тикетов в HR на 30%. Мгновенные ответы 24/7.
Stack: OpenAI API, Python, YandexCloud
💰 Бюджетирование
✅ Сбалансировано
Мой опыт (Planning)

📊 Алгоритмическое бюджетирование

Задача: Понятный план\факт анализ и сложные консолидации данных.

  • Опыт: Неоднократно участвовал в процессе бюджетирования, выстраивал процесс с 0, оптимизировал и ускорял сбор данных. Настраивал модели данных и дашборды для анализа.
  • Решение: Скрипты аллокации, который распределяет общий "котел" по департаментам на основе драйверов численности, вклада в работу предприятия. Бюджеты с точностью до человека и начисления.
  • Итог: Версионность бюджетов. Сценарное моделирование (Base, Optimistic, Pessimistic). Быстрый сбор данных. Понятный результат и прогноз.
Stack: Python Pandas, Excel Integration, Power BI, 1С-программирование
⚖️ Регламенты и ЛНА

Детектор комплаенс-рисков (ГИТ):

Уровень риска для бизнеса:
75%
Мой опыт (Compliance)

📑 Архитектура ЛНА

Задача: Создать нормативную базу, которая защищает бизнес, понятна сотрудникам и легко оцифровывается.

  • Опыт: Разработка с нуля Положений об оплате труда, премировании и политик льгот. Документальное сопровождение нормирования труда и оргдизайна.
  • Решение: Перевод сухих требований ТК РФ в системную логику. Проектирование архитектуры ЛНА.
  • Результат: 100% защита при проверках ГИТ и интеграция кадровых политик.
Stack: ТК РФ, C&B, Нормирование, System Design
🔒 Слот для навыка

Загрузка опыта...

Требуется новый сложный вызов

Continuous Learning

🌱 Готовность к росту

Рынок C&B быстро меняется. Этот слот забронирован для новых методологий, специфичных для вашего бизнеса.

Будь то разработка сложных систем опционов (LTI) или нестандартные схемы мотивации — я быстро адаптируюсь и прокачиваю нужные скиллы на практике.