Absolvent mit Master in Betriebswirtschaft und Bachelor in Volkswirtschaftslehre mit nachweislicher Fähigkeit, wirkungsvolle, datenbasierte Lösungen zu entwickeln. Verfügt über Erfahrung in Finanzanalyse, Bewertung, Prognosen und Prozessoptimierung durch praxisorientierte Projekte in verschiedenen Branchen. Beherrscht Python, SQL, R, Tableau und Excel und kann komplexe Datensätze in klare Erkenntnisse umwandeln, die strategische Entscheidungen unterstützen.
M.Sc. im Betriebswirtschaftslehre (2022–2025) – GPA: 2.1/1.0 Urkunde Zeugnis
Relevante Kurse: Corporate Finance, Corporate Valuation and Financial Modelling, IFRS, Applied Econometrics, Strategisches Management & Marketing.
Masterarbeit: „How AI Learns from Social Media Data To Influence Consumer Behavior“
Bachelor in Wirtschaftswissenschaften (2017–2021) – Diplom mit Auszeichnung – Note 4.5/5.0 Urkunde Zeugnis
Kurse: Time-Series Analysis, Econometrics, World Economy, Finance and Credit, Accounting.
Bachelorarbeit: „Predictability of American Companies’ Shares Expected Profit“
DCF & Multiples Bewertung | GitHub | Excel file | Final Report
• Erstellung eines vollständigen 3-Statement-Finanzmodells für Schlumberger (SLB), inklusive Prognosen für GuV, Bilanz und Cashflow für die Jahre 2025–2029.
• Durchführung einer Discounted Cash Flow (DCF) Analyse mit szenariobasierter Planung, Modellierung freier Cashflows (UFCF) und Ermittlung des Terminal Value mittels ewigen Wachstums.
• Berechnung der gewichteten Kapitalkosten (WACC) nach CAPM, unter Berücksichtigung der Kapitalstruktur, des Betas und makroökonomischer Parameter.
• Entwicklung einer Vergleichsunternehmensanalyse (Comps Model) mit EV/Revenue, EV/EBITDA und KGV anhand von Peers wie Halliburton, Baker Hughes, Weatherford, Tenaris und NOV.
• Darstellung wichtiger Einflussfaktoren über Visualisierungen: EBITDA-Bridge, Entwicklung des Working Capital, UFCF-Prognosen und Sensitivitätstabellen (WACC vs. g).
• Verfassen eines 14-seitigen Investment-Reports mit Quellen im Harvard-Stil, Szenarioanalyse, Bewertungsvergleich und finaler Empfehlung: Kaufen (Buy).
DCF & Multiples Bewertung | GitHub | Excel file | Final Report
• Entwicklung eines vollständig integrierten 3-Statement-Finanzmodells (GuV, Bilanz, Cashflow) für den Zeitraum 2022–2029 basierend auf geprüften Jahresabschlüssen von Saudi Aramco.
• Durchführung einer detaillierten DCF-Analyse (Discounted Cash Flow) mit Berechnung des Terminal Value (Ewiges Wachstum), Szenarioanalyse (Basis, Bullish, Bearish) sowie eigenständiger Berechnung des WACC anhand aktueller Marktdaten.
• Erstellung einer vergleichbaren Unternehmensbewertung (Comps-Modell) unter Verwendung von Multiplikatoren (EV/EBITDA, EV/Revenue, KGV) für 8 internationale Öl- und Gaskonzerne (z. B. ExxonMobil, Shell, CNPC, Petrobras).
• Durchführung einer Sensitivitätsanalyse für Terminalwachstum und Kapitalkosten zur Bewertung des Einflusses auf Unternehmens- und Aktienwert.
• Erstellung eines professionellen Bewertungsberichts (17 Seiten) mit makroökonomischem Kontext, Modelllogik, Grafiken, Bewertungsübersichten und Handlungsempfehlungen — inklusive vollständiger Harvard-Zitationen.
R, Shiny, ETS, ARIMA, ggplot2, tseries, forecast | GitHub | Final Report
• Entwickelte ein vollständiges Zeitreihenanalyse-Projekt in R zur Untersuchung und Vorherhsage von WTI-Rohölpreisen und US-Ölproduktionsmengen.
• Setzte ETS- und ARIMA-Modelle ein und verglich deren Prognosegenauigkeit (MAPE ~1,85% für Preise; ~1,9% für Produktion).
• Führte umfassende EDA durch (STL-Zerlegung, Stationaritätstests, ACF/PACF, Volatilitätsanalyse) zur Bewertung der Zeitreihenstruktur.
• Erstellte ein interaktives Shiny-Dashboard zur dynamischen Visualisierung von Prognosen und historischen Trends.
• Analysierte den Zusammenhang zwischen Preisen und Produktion und identifizierte eine schwache, aber signifikante positive Korrelation mit kurzer Verzögerung.
• Verfasste einen ausführlichen Analysebericht mit praktischen Implikationen für Prognose- und Plannungsprozesse im Energiesektor.
DCF & Multiples Bewertung | GitHub | Excel file (DCF) | Excel file (Multiples) | Final Report
• Entwicklung eines vollständigen integrierten Finanzmodells (3-Statements).
• Durchführung von DCF- und Multiples-Bewertungen für Emaar Properties PJSC.
• Vergleich mit Wettbewerbern, Szenarioanalysen (optimistisch, Basis, negativ).
• Erstellung eines professionellen Investorenberichts.
Budgetierung & Forecasting | GitHub | Excel file | Final Report
• Entwicklung eines vollständigen Budgets mit Cashflow-Planung und KPI-Dashboard für ein Immobilienprojekt in Dubai.
Kreditrisiko-Modell & Analystenbericht | GitHub | Excel file | Final Report
• Analyse der Kreditrisiken von Emaar, SABIC, STC, Emirates NBD und Ooredoo.
• Entwicklung eines Scoring-Modells basierend auf Finanzkennzahlen.
• Qualitative Risikoeinschätzung und Sektoranalysen.
• Erstellung von Finanzierungsempfehlungen und Risikominderungsstrategien.
• Vollständiger Analystenbericht mit Handlungsempfehlungen.
Logistische Regression & Random Forest | GitHub | Final Report
• Erstellung eines automatisierten Scoring-Modells mit realen Konsumentendaten.
• Datenbereinigung, Feature Engineering, Umgang mit Klassenungleichgewicht.
• Modelierung mit logistischer Regression und Random Forest.
• Risikosegmentierung in Klassen A-E zur Unterstützung von Kreditentscheidungen.
• Visualisierter Abschlussbericht mit Handlungsempfehlungen.
Akquisitionsmodell und Investorenbericht | GitHub | Excel file | Final Report
• Modellierung der Übernahme von 80% einer Immobilienfirma in Dubai.
• Finanzielle Prognosen (Umsatz, EBITDA, Nettogewinn) über 5 Jahre.
• Bewertung der Exit-Strategie unter mehreren Szenarien.
• Berechnung von IRR (15,5%) und MOIC (2,05x).
• Erstellung eines Investorenberichts mit dynamischem Excel-Modell und Executive Summary.
Datenanalyse & Tableau | GitHub | Final Report | Presentation
• Durchführung der vollständigen Datenaufbereitung, explorativen Datenanalyse (EDA) und KPI-Auswertung von Verkaufs- und Kundendaten mithilfe von Python, Excel, und Tableua.
• Aufdeckung von Profitverlusten, unrentablen Produktgruppen und regionalen Leistungsunterschieden (~$2.3 Mio. USD analysierter Umsatz).
• Erstellung eines interaktiven Tableau Dashboards mit Filteroptionen nach Region, Produkt und Rabatt.
• Datenbasierte Empfehlungen zur Preisstrategie, Förderung von Top-Sellern und Optimierung von Rabatten.
• Erstellung eines umfassenden Business Reports und analytischen Berichts für Stakeholder-Präsentationen.
Datenanalyse & draw.io | GitHub | Final Report | Presentation
• Leitung eines Prozessoptimierungsprojekts im Kundenservice (Ziel: 40% kürzere Bearbeitungszeit, 50% weniger Eskalationen).
• Durchführung von Stakeholder-Analysen, Modellierung von IST- (AS-IS) und SOLL- (TO-BE) Prozessen mit draw.io.
• Entwicklung eines KPI-Frameworks für Bearbeitungszeit, Kundenzufriedenheit (CSAT), SLA-Erfüllung und Routing-Genauigkeit.
• Empfehlung datengetriebener Lösungen (u.a. SLA-Automatisierung, Chatbots, Ticket-Triage, Dashboard-Reporting).
• Erstellung professioneller Dokumentation und Präsentation mit Fokus auf den Business Impact.
Python, SQL & Tableau | View on GitHub | Code Explanation Report | Tableau part
• Gesammelt und vorverarbeitet Daten von der Weltbank-API mithilfe von Python.
• Führte eine eingehende Analyse der Weltbankdaten durch, um wirtschaftliche, demografische und Nachhaltigkeitstrends in verschiedenen Ländern und Regionen zu untersuchen.
• Entity-Relationship-Diagramm (ERD) erstellt, um Beziehungen zwischen den Tabellen zu veranschaulichen.
📍 Aschgabat, Turkmenistan
📱 +993 65 632757
Für Englisch oder Russisch: siehe Sprachwahl oben ↑