Аналитик данных

Спрос на специалистов в сфере сбора, обработки и анализа данных растёт с каждым годом. Тем не менее пока лишь 1% данных, хранящихся на предприятиях, используется по назначению. Понимаете, какой потенциал у этой профессии? Исследования показали, что 77% компаний, имеющих в штате аналитика данных, значительно улучшили свои финансовые показатели и обошли конкурентов. Почему? Потому, что когда знаешь, кому, что, когда и по какой цене продавать, стабильные денежные потоки фирме обеспечены.

Аналитики данных — человек, который при помощи структурного подхода к отбору и управлению данными, может многократно повысить  эффективность любых бизнес-процессов.

Целевая группа:Руководители предприятий, менеджеры, специалисты по продажам, все лица, заинтересованные в эффективном использовании хранящихся в фирме данных для повышения производительности предприятия. А также лица, заинтересованные в получении новой профессии.

Для кого:

• Для менеджеров и руководителей отделов продаж.
• Для владельцев бизнеса, которые непосредственно отвечают за продажи.
• Для директоров по развитию продукции и предприятия.
• Для специалистов различных сфер, которым важно понимать кто их целевой клиент, находить этих клиентов, максимально использовать информацию об этих клиентах на пользу бизнеса.

Цель обучения: научить участников при помощи структурного подхода собирать, обрабатывать и анализировать данные именно для своей сферы бизнеса. Пояснить, по каким критериям анализировать данные, чтобы этот анализ приносил реальную пользу предприятию.

Программа:

1. Mодуль. Введение в специальность аналитик данных. Основы анализа данных.
   Любовь Самма Data Architect в Luminor Group.
   15 лет опыта работы с данными, дата-инженер.
   • Чем занимается аналитик данных?
   • Основные навыки, которыми должен обладать аналитик данных.
   • Различные направления в data-индустрии: (Data Analyst, Data Scientist, Business Intelligence, администратор и инженер Big Data, DevOps-инженер, DataOps, Chief Data
   • Officer, специалист по безопасности и др).
   • Что такое датасеты?
   • Анализ состояния предприятия на предмет необходимости иметь в штате аналитика данных.
   • Какие источники данных больше всего подходят для вашего бизнеса?
   • Инструменты и техники пассивного сбора информации.
2. Mодуль. Фундаментальные основы для анализа данных. Источники данных и работа с ними.
   Вячеслав Антипенко Глава IoT в Telia Eesti AS.
   • Что такое наука о данных(data science)?
   • Что входит в процесс анализа данных?
   • Данные и их применение в бизнесе;
   • Категории бизнес-аналитики;
   • Различные применения анализа данных;
   • С чего начать внедрение анализа данных в компании?
   • Практические примеры сбора, анализа данных и эффективных результатов;
3. Mодуль. Excel – основной инструмент для анализа данных.
   Екатерина Трунин Присяжный аудитор, член Палаты аудиторов, специалист по корпоративным финансам и хозяйственному учёту
   • Сводные таблицы – базовый инструмент для работы с большим количеством неструктурированных данных.
   • Использование полей и элементов в сводной таблице, в том числе создание новых полей и элементов.
   • Группировка полей.
   • Систематизация и настройка данных в таблице Excel.
   • 4 техники анализа данных в Excel.
   • Анализ данных через сводные таблицы Excel.
   • Автоматизация анализа данных в Excel.
   • Дисперсионный анализ.
   • Корреляционный анализ.
   • Ковариация.
   • Вычисление скользящего среднего. Очень популярный метод в статистике и в трейдинге.
   • Случайные числа.
   • Операции с выборкой.
   • Быстрый анализ баз данных в Excel.
   • Лист прогнозов.
4. Mодуль. Создание клиентской базы с нуля, исходя из запросов конкретного бизнеса
   Любовь Самма Data Architect в Luminor Group.
   15 лет опыта работы с данными, дата-инженер.
   • Как собирать и структурировать элементарные базы данных с нуля?
   • Список сайтов, на которых можно собирать данные по запросу.
   • Поиск и хранение данных.
   • Перевод базы из СSV в Excel.
   • Парсинг (web scraping) — это автоматизированный сбор открытой информации в интернете по заданным условиям.
   • Примеры парсеров-программ.
   • От Excel к CRM. Что такое CRM-система и какие задачи бизнеса решает?
5. Mодуль. Python для анализа данных.
   Анна Альянаки Tartu Ülikool, Институт компьютерных наук, преподаватель информатики.
   • В какой степени необходимо владеть Python data-специалисту?
   • Устанавливаем Python.
   • Рабочая среда аналитика: jupyter и colab.
   • Язык разметки Markdown.
   • Основной синтаксис языка Python. Синтаксис при сборе данных.
   • Методы работы со списками и словарями.
   • Методы работы с разными типами данных.
   • Работа с файлами.
   • Работа со строковыми величинам.
   • Работа со временем и датами.
   • Распознаем даты в Python.
   • Учимся складывать и вычитать даты.
   • Объединение данных из разных источников.
6. Mодуль. Pandas – библиотека на языке Python для обработки и анализа данных.
   Анна Альянаки Tartu Ülikool, Институт компьютерных наук, преподаватель информатики.
   • Библиотека Pandas: как с ней работать?
   • Учимся группировать данные по колонкам средствами Pandas.
   • Распределяем датасет поисковых запросов по количеству слов.
   • Знакомимся с Pivot и сложной агрегацией средствами Pandas.
   • Учимся работать со сводными таблицами.
   • Объект DataFrame для манипулирования индексированными массивами двумерных данных.
   • Инструменты для обмена данными между структурами в памяти и файлами различных форматов.
   • Встроенные средства совмещения данных и способы обработки отсутствующей информации.
   • Переформатирование наборов данных, в том числе создание сводных таблиц.
   • Срез данных по значениям индекса, расширенные возможности индексирования, выборка из больших наборов данных
   • Вставка и удаление столбцов данных.
   • Возможности группировки позволяют выполнять трёхэтапные операции типа «разделение, изменение, объединение» (англ. split-apply-combine).
   • Слияние и объединение наборов данных.
   • Иерархическое индексирование позволяет работать с данными высокой размерности в структурах меньшей размерности.
   • Работа с временными рядами: формирование временных периодов и изменение интервалов и т.д.
7. Mодуль. Лайфкодинг: анализ реальных данных (EDA – exploratory data analysis).
   Глеб Михайлов Эксперт международного уровня по анализу данных. Автор и ведущий обучений по анализу данных на Яндекс.Практикум и udemy.com. Создатель системы обучения Python и SQL для начинающих.
   Специалист по анализу данных. Имеет опыт работы в сфере сбора, обработки и анализа данных с 2011 года. Глеб работал аналитиком и дата саентистом в Альфабанке, Сбербанке, Ростелекоме. Более 2 лет работает наставником и преподавателем в Яндекс.Практикуме. Автор и ведущий обучений по анализу данных и дата саенс. Глеб пришёл в профессию самоучкой и прекрасно знает, каково это самостоятельно осваивать новую профессию. Ведёт канал по дата-аналитике на youtube и лекции на udemy. Максимально просто, без заумствований делится своими практическими наработками и лайфхаками.
   • Загрузка данных на Google Drive.
   • Чтение данных в Google Colab.
   • Подготовка данных к анализу: переименование столбцов, замена форматов данных, проверка на дубликаты, анализ пропущенных значений.
   • Первичный анализ: распределение, поиск выбросов.
   • Анализ с помощью сводных таблиц.
   • Анализ непрерывных переменных с помощью разбиения на диапазоны.
   • Анализ с помощью графиков и диаграмм: line plot, bar plot, histogram, scatter plot.
   • Принципы проверки своих вычислений и преобразований.
   • Принципы написания аналитических выводов.
   • Принципы профессионального оформления Jupyter Notebook.
   • Практическая часть.
8. Mодуль. SQL – незаменимый инструмент при сборе и анализе данных.
   Глеб Михайлов Эксперт международного уровня по анализу данных. Автор и ведущий обучений по анализу данных на Яндекс.Практикум и udemy.com. Создатель системы обучения Python и SQL для начинающих.
   • SQL как основной инструмент для создания, модификации и управления данными.
   • Какие бывают базы данных?
   • Как подключиться к базе данных: SQL + python + jupyter?
   • Как при помощи SQL:
     • создать в базе данных новую таблицу;
     • добавить в таблицу новые записи;
     • изменить записи;
     • удалить записи;
     • сделать выборку записей из одной или нескольких таблиц (в соответствии с заданным условием);
   • Можно ли научиться писать простые SQL-запросы без образования программиста?
   • Как при помощи SQL-запроса получать данные из баз данных?
   • Аналитические функции SQL.
   • Оконные функции SQL.
   • Где тренировать SQL?
9. Mодуль. Статистика и вероятность. Как отличить реальный эффект анализа от простой случайности?
   Глеб Михайлов Эксперт международного уровня по анализу данных. Автор и ведущий обучений по анализу данных на Яндекс.Практикум и udemy.com. Создатель системы обучения Python и SQL для начинающих.
   • Закон больших чисел и Центральная предельная теорема: когда работают, а когда нет?
   • Метод Монте-Карло: как взломать вероятность?
   • АБ тестировние: как отличить случайное от не случайного?
   • Использование статистических калькуляторов.
   • Z-test, T-test, Chi-Square test.
   • Множественная проверка гипотез: как не стать жертвой случайности?
10. Mодуль. BI-аналитика, построение интерактивных отчетов.
    Ирина Николаева Дата-инженер в Microsoft Development Center Estonia, отдел Media Call Quality Dashboard.
    • Введение в BI аналитику.
    • Что такое BI системы?
    • Обзор продуктов Qlik, Tableau, Power BI.
    • Что такое дашборд, их виды и предназначение.
    • Story telling (презентация данных).
    • Основные элементы интерфейса и типы визуализаций.
    • Работа в Power BI:
      • Получение и моделирование данных в Power BI. Import и Direct Query.
      • Создание модели данных. Таблица фактов и таблицы мер (dimensions).
      • Создание отчета
      • Основы языка DAX. Создание calculated measures.
      • Управление закладками и фильтрами.
      • Публикация отчета.
      • Основные методы защиты данных и разграничения доступа.
11. Mодуль. Автоматизация информации и программы по управлению данными.
    Любовь Самма Data Architect в Luminor Group.
    15 лет опыта работы с данными, дата-инженер.
    
    • От процесса к технологии. Из чего состоит автоматизация информации? Понимание автоматизации данных.
    • Формирование Data Driven в компании и жизненный цикл данных.
    • Программы по управлению данными. Разработка решений платформы данных.
    • Выбор внешней или разработка собственной платформы для работы с данными.
    • Когда нужны облака?
    • Коммерческие и открытые платформы управления данными.
    • Интеграция. Извлечение данных из различных источников для создания единой среды аналитики.
    • Процессы предобработки и автоматизации данных (ETL/ELT, data pre-processing).
    • Как реализовать озеро данных (Data Lake) и не утонуть в болоте?
    • Использование интерфейса API.
12. Mодуль. Что нужно знать аналитикам и data-специалистам о защите личных данных?
    Кристина Визнович Адвокат адвокатского бюро Pallo&Partnerid, специалист по защите данных. Тартуский университет право информационных технологий.
    • Обеспечение конфиденциальности и защиты при сборе и хранении личных данных.
    • Какие данные можно собирать и для чего?
    • Когда обработка персональных данных является незаконной?
    • Сбор, обработка и хранение персональных данных в маркетинговых целях.
    • Какие данные нельзя обрабатывать?
    • Права лиц, персональные данные которых подвергаются обработке.
    • Что такое нарушение личных данных?
    • Как должна происходить защита данных?
    • Что делать, если права всё же нарушены?
    • Кто следит за исполнением регламента? Куда обращаться в случае выявленного нарушения?
    • Наказание за нарушение использования личных данных.
    • Дигитальное архивирование данных клиентов и партнёров.

Прошедший обучение научится:

• Разбираться в индустрии данных и понимать, кто и чем занимается в этой сфере.
• Работать с данными с нуля.
• Работать с разными источниками данных и собирать данные, которые находятся в открытом доступе.
• Анализировать данные и извлекать из них полезную именно для своей компании информацию.
• Находить закономерности и тенденции, которые помогут принимать взвешенные решения в компании.
• Автоматизировать процесс сбора данных и экономить массу времени на более важные процессы.
• Овладеет Python на уровне, достаточном для анализа данных.
• Сможет работать с различными форматами представления, хранения и передачи данных CSV, XML и XLS.
• Создавать, изменять и управлять базами данных при помощи SQL

Организационная информация:

• В группе 15 мест!
• Возможно покупать учебные дни отдельно.
• Возможна оплата по частям и без %. Начни учиться сразу, плати — потом.
• Один учебный день – 4 академических часа.
• Обучение 1 раз в неделю, в режиме онлайн.
• Доступ к записям всех учебных дней в течение 14 дней.
• Всего 50 академических часов.
• Спросите КОМПЕНСАЦИЮ затрат на обучение персонала от Кассы по безработице.
• По окончанию обучения — сертификат о прохождении программы.

Эстонский центр обучения — партнёр Кассы по безработице. Спросите у своего консультанта, как компенсировать затраты на обучение.

Küsin koolituse kohta lisainfot