Andmeanalüütiku arenguprogramm

Maailma andmemaht kahekordistub iga kolme aasta tagant. Kõiki neid andmeid peab saama sorteerida, töödelda ja kasutada maksimaalse äriväärtusega. Selleks vajame andmeanalüütikuid ja -spetsialiste, kes struktureeritud lähenemisviisi abil andmete haldamisel suudavad oluliselt suurendada mistahes äriprotsessi efektiivsust. Reaalsus on see, et kolmveerandil ettevõtetest pole tänapäeval oma andmete parimal viisil kasutamiseks vajalikke oskusi ja tehnoloogiaid. Kõikjal on tõsine puudus andmeanalüütikutest, kes teaksid, kuidas ettevõttes tasuvuse suurendamiseks andmeanalüüsi tõhusalt kasutada. Kas andmespetsialistiks saamiseks peab teadma kõrgemat matemaatikat ja programmeerimist? Muidugi ei ole see üleliigne, kuid piisab loogilisest mõtlemisest, visadusest ja suurest soovist uute oskuste omandamiseks.

Eelmistel arenguprogrammidel osalenute tagasiside:

“Andmeanalüütiku arenguprogrammi tugevaimaks väärtuseks oli minu jaoks see, et koolitus lisas ülikoolis omandatud teoreetilistele teadmistele praktilisi oskusi, mida läheb tarvis reaalses tööelus. Koolitajad olid toetavad ja julgustavad ning oma ala spetsialistid.”
“Tänan suurepärase koolituse eest, sain palju materjale taas meelde tuletada ning ka palju uusi teadmisi juurde! Tekkis huvi nii mõnegi uue programmi vastu.”
“Oli väga arendav koolitus suurepäraste lektorite, kaasõppijate ja suurepärase korraldusega. Ja kuigi testi tulemus on nigel, oli ikkagi põnev ja loodan, et tulevikus on võimalus süvitsi minna mõne andmebaasiga.”
“Väga palju uusi teadmisi.”
Aitäh! Koolitus algas ja lõppes täpselt, info oli ette saadetud jpm. Õppevideod võiks olla kauem kättesaadavad, sest koolitus tekitas meeletu huvi ja sealt oleks tõhusam õpitut korrata, vaadata üle, kui konspektist, kuna kõik ei saa nagunii kirja. Ülihea korralduslik pool ja lektorid oma ala profid.”
“Väga arendav koolitus oli. Tänan selle eest!”
“Mõnusalt asjalik koolituste sari :-)”
“Aitäh nii super õpetliku ja hästi korraldatud koolituse eest! Olen äärmiselt tänulik, et mul oli võimalus selles osaleda! Jõudu teile ja kõike parimat!”
“Koolitus oli ülevaatlik ja andis baasteadmisi valdkonnast. Inspireeriv ja arendav.”
“Väga hea ja põhjalik tutvustus erinevatele andmeanalüüsiks vajalikele programmidele ja üldiselt hariv. Tänud”

Anda baasteadmised andmete kogumisest, töötlemisest ja analüüsimisest koos praktilise kogemusega, et tutvustada tänapäevaseid lähenemisi andmete efektiivsemaks kasutamiseks. Koolituse käigus õpitakse tundma mitmeid andmetöötluseks vajaminevaid tööriistu ning meetodeid, et mõista, kuidas kogutud andmetest saada oma ettevõtte jaoks väärtuslikku teavet.

Andmevaldkonnast huvitatud inimesed, kel ei pea olema selles varasemat kogemust ning ka need, kes soovivad enda teadmisi antud valdkonnast täiendada.

Koolitusel osalemiseks on vajalik laadida enne õppepäeva algust vajalik tarkvara arvutisse. Kaasategemiseks vajalike programmide nimekiri:

• Excel ning PowerQuery
• tasuta tarkvarad SQL, Python, R ja RStudio
• Tableau tarkvara (tasuta versiooni on võimalik kasutada piiratud aeg, seetõttu soovitame alla laadida vahetult enne Tableau õppepäeva algust)
• Detailsema info programmide töölauaversiooni installeerimisest saadame enne iga õppepäeva algust.

1. Õppepäev: Sissejuhatus erialasse. Andmeanalüüsi alused.

   • Maarja Maarjakõiv Endine Elisa Eesti andmeanalüütik; Olympic Entertainment Group, kliendisuhete ja püsikliendiprogrammi juht

     • Õppepäeva eesmärk on anda laiem ülevaade andmete olemusest, kuidas neid koguda ja töödelda ning kuidas kogu see teave on ettevõttele kasulik. Samuti anda teadmised, miks on analüütik ettevõttele vajalik ning mis on põhilised omadused, mis analüütiku tegelikult väärtuslikuks teevad. Viimaks katame põhilised väljakutsed, mis ilmnevad analüütika valdkonnas.

       • Mis on andmed?

       • Kuidas andmeid kogutakse?

       • Kuidas andmeid töödeldakse?

       • Miks on andmed ettevõttele vajalikud?

       • Miks on analüütik ettevõttele vajalik?

       • Analüütiku põhilised omadused, mis loovad väärtust ja kas seda kõike saab õppida?

       • Põhilised väljakutsed analüütikaga tegelemisel

2. Õppepäev: Andmete kogumine, andmekaeve ja andmete visualiseerimine

   • Renee Kooli Glia, analüütika juht; Estonian Business School, õppejõud

     • Koolituspäeva fookus on seotud andmete kogumisel, nendega opereerimisel ning lõpuks nendest väärtuse loomisel läbi visualiseerimise. Eesmärk on anda algteadmised andmete erinevatest liikidest, kuidas neid analüüsida ning kuidas valida endale see kõige meelepärasem tööriist ja väljendusviis. Lisaks räägime ka data literacyst, ehk andmekirjaoskusest.

       • Kuidas organisatsioonid andmeid koguvad ja nendest väärtust loovad

       • Analüütiline protsess – milline see välja näeb ja mis samme endas hõlmab

       • Andmetüüpide eristus

       • Andmekaeve – mis see on ja mida seal tehakse

       • Turul olevad tööriistad ning kuidas valida endale see ‘õige’

       • Andmete visualiseerimine ja andmekirjaoskus (data literacy)

3. Õppepäev: Andmeanalüüs Excelis Pivot Table, konsolideeri ja PowerQuery tööriistadega

   • Asko Uri Kasulik Koolitus ™ / KehaMeeleKool OÜ, koolitaja ja koolitusjuht

     • Koolituse põhiosa keskendub Pivot Table kasutamisele, sh

       • Pivot andmetabelite loomine ja lahtrite vormindamine, andmete kuvamine ja värskendamine

       • Väljade ja üksuste kasutamine Pivot tabelis, sh uute väljade ja üksuste loomine

       • Väljade grupeerimine

       • Risttabelite loomine

       • Kuupäevaga väljade analüüsimine

       • Pivot tabeli kujundamine

       • Pivot tabelis lahtrite viitamine arvutuste tegemisel

       • Pivot tabelitest diagrammide loomine

     • Lisaks vaatame andmete kokkutoomist ja korrastamist eri tabelitest:

       • Konsolideeri tööriistaga

       • PowerQuery tööriistaga

       • PowerQuery tööriista juures vaatame eraldi andmete toomist Excelisse läbi csv faili niimoodi, et edaspidi toimuks uute importimiste korral andmete korrastamine (vormindamine, veergude korrastamine jm) automaatselt.

4. Õppepäev: Python

   • Maarja Maarjakõiv Endine Elisa Eesti andmeanalüütik; Olympic Entertainment Group, kliendisuhete ja püsikliendiprogrammi juht

     • Koolituspäeva eesmärk on läbi praktiliste ülesannete tutvustada Pythoni kui andmeanalüüsi ja visualiseerimise tööriista põhilisi funktsionaalsuseid.

       • Mis on Python ja miks seda kasutatakse?

       • Praktiline ülesanne

         • Andmete laadimine Python keskkonda

         • Andmete esmane uurimine

         • Andmete puhastamine

         • Andmete visualiseerimine

         • Graafikute loomine

         • Lihtsamate mudelite loomine

5. Õppepäev: Andmeanalüüsiks vajalik tööriist Tableau

   • Laura Annast Telia, andmeanalüütik

     • Mis on Tableau?

     • Tableau kasutajaliidese demo

     • Andmetega ühendamine ja ettevalmistus (sh andmeallikate ühendamine)

     • Visualiseerimine – põhilised diagrammid ja kujunduspõhimõtted

     • Lihtsamad Tableau kalkulatsioonid

     • Interaktiivsus ja dashboard’id

     • Tableau Server ja tulemuste jagamine

     • Küsimused ja kokkuvõte

6. Õppepäev: Mida peavad andmeanalüütikud teadma (suur)andmete ja isikuandmete kaitsest?

   • Markus Malm Olympic Entertainment Group AS, jurist ning andmekaitsespetsialist

     • Koolituspäeva eesmärk on anda igale isikuandmetega kokku puutuvale isikule baasteadmised, millega tuleb arvestada, kui tööprotsesside käigus tuleb tegeleda ka isikuandmetega, mida tuleks teha erinevates praktikas ettetulevates olukordades, mis puudutavad isikuandmete töötlemist. Osalenu oskab ära tunda erinevaid andmekategooriaid ning teab, millistel õiguslikel alustel tohib andmeid töödelda ning millised on rikkumiste tagajärjed.

       • Millal ja kellele GDPR kohaldub?

       • Mis on isikuandmed?

       • Milliseid printsiipe peab järgima andmete kogumisel ja töötlemisel?

       • Andmetöötluse õiguslikud alused

       • Mis on eriliiki isikuandmed ja mida nende töötlemisel silmas pidada?

       • Profileerimine ja automatiseeritud otsused – mida tähele panna

       • Andmetöötlejate rollid

       • Andmekaitse mõjuhinnang – millal teha ja miks see vajalik on?

       • Andmete turvalisuse tagamine

       • Andmeleke – levinud põhjused ja mida teha

       • Karistused andmetöötlusnõuete rikkumise pärast

7. Õppepäev: SQL – andmete kogumiseks hädavajalik tööriist

   • Silver Toompalu OfficePoint OÜ, omanik ja koolitaja; Tallinna Tehnikakõrgkooli ja Eesti Maaülikooli lektor; Täiskasvanute koolitaja (tase 7)

     • SQL andmebaaside põhitõed

     • Relatsioonilise andmebaasi loomine

     • Üldised SQL keelereeglid, andmetüübid

     • Andmebaasi ja tabelite loomine, kasutuselevõtt, kustutamine

     • Tabeli struktuuri muutmine

     • Andmete lisamine tabelisse, erinevad võimalused

8. Õppepäev: SQL – andmete kogumiseks hädavajalik tööriist

   • Silver Toompalu OfficePoint OÜ, omanik ja koolitaja; Tallinna Tehnikakõrgkooli ja Eesti Maaülikooli lektor; Täiskasvanute koolitaja (tase 7)

     • Päringute loomine

     • Päringute tegemine ühest tabelist

     • Tingimuste seadmine, sorteerimine, grupeerimine, agregaatfunktsioonide kasutamine

     • Päringud mitmest tabelist, tehted päringutulemustega

     • Alampäringute kasutamine

     • Funktsioonide kasutamine päringutes

     • Täiendavad võimalused (vaadete ja transaktsioonide kasutamine)

9. Õppepäev: R – võimas töövahend andmetega töötamisel

   • Merilin Paas-Loeza OlyBet, vanemanalüütik

     • Andmete importimine ja esmane analüüs

     • Andmete importimine töölauale Exceli või CSV failist

     • Andmetest ülevaate saamine ja esmane analüüs

     • Andmetöötlus Tidyverse’i pakettidega dplyr

     • dplyr’i verbid

     • Andmete visualiseerimine paketiga ggplot2

     • Jooniste loomine (hajuvusdiagramm, tulpdiagramm ja joondiagramm)

     • Jooniste lihtsam kujundamine

     • Andmed RStudiost välja

     • Töövoo automatiseerimine R-i skripti abil

     • Tulemuste salvestamine Exceli faili

10. Õppepäev: Tehisintellekti (AI) rakendamine andmetöötluses ja andmeanalüüsis

    • Andres Karjus Tallinna Ülikool, digihumanitaaria ja tehisaru lektor; Estonian Business School, vanemteadur

      • Mis on juturobotite (ChatGPT, Gemini, Claude jt) võimalused ja piiratused andmeanalüüsis?

      • Kuidas otsustada, kuidas andmeanalüütilisele ülesandele läheneda: lahendada ise, juturoboti abiga, mõne ülesande-spetsiifilise tööriistaga, või rakendada suuri keelemudeleid?

      • Assistendi-funktsioonid juturobotites: kuidas teha endale analüüsi-abilist?

      • Sammud küsimusest praktilise analüüsini

      • Kas ja kuidas analüüsida kvalitatiivseid andmeid (tekstid, küsimustikud, dokumendid, pildid) kvantitatiivselt ja suurel skaalal?

      • Suured keelemudelid ja zero-shot learning – tehisaru sisulises analüüsis

      • Kuidas jooksutada oma keelemudelit: lokaalsed ja pilve-lahendused, kommerts- ja “avatud” mudelid

      • Praktika: rakendame koos tehisarusid

      • Kokkuvõttev mõttevahetus, edasiste sammude arutamine

11. Power BI – visuaalsete raportite loomine ja automatiseerimine

    • Silver Toompalu OfficePoint OÜ, omanik ja koolitaja; Tallinna Tehnikakõrgkooli ja Eesti Maaülikooli lektor; Täiskasvanute koolitaja (tase 7)

      • Power BI on Microsofti ärianalüüsi tööriist, mis pakub võimalust luua interaktiivseid andmete visualiseeringuid, mille abil saavad lõppkasutajad luua ise aruandeid ja armatuurlaudu. Eesmärk on anda teadmised Power BI Desktop ja Power BI võrguteenuste kontseptsioonist ja toimimisest.

        • Power BI olemus ning kasutusvõimalused

        • Kuidas ühendada Power BI erinevate andmeallikatega

        • Kuidas oma andmeid Power Query abil teisendada ja andmemudeleid luua

        • Kuidas luua DAX-i abil arvutatud veerge ja mõõdikuid

        • Kuidas Power BI abil andmeid visualiseerida

        • Kuidas avaldada aruandeid Power BI võrguteenuses

      • NB! Koolituspäeva ülesehitus eeldab Power Query koolituspäeva läbimist või samaväärsete eelteadmiste olemasolu.

Koolituse läbinuna: 

• tead, kuidas andmeid koguda, analüüsida ja töödelda
• saad algteadmised andmete erinevatest liikidest, kuidas neid analüüsida ning kuidas valida endale see kõige meelepärasem tööriist ja väljendusviis
• mõistad, kuidas töötada SQL andmebaasidega ning kuidas lisada ja muuta andmeid olemasolevates tabelites
• oskad koostada päringuid ühest ja mitmest tabelist tingimustele vastavate andmete kättesaamiseks, kasutades vajadusel ka alampäringuid
• saad baasteadmised, kuidas ja kus masinõpet kasutada
• oskad andmeid analüüsida Excelis Pivot tabelis, PowerQuery ja Qlik tööriistadega ning luua omale kõnekaid visuaale
• oskad automatiseerida ja luua visuaalseid raporteid Power BI abil
• tead, kuidas ettevõttes tasuvuse suurendamiseks andmete analüüsi tõhusalt kasutada
• omad algteadmisi sellest, kuidas R-iga andmeid analüüsida, visualiseerida ja raporteerida
• omandad andmetest väärtuste loomiseks vajalikke metoodikaid
• oskad igakülgselt analüüsida ja avastada seoseid oma andmetes ning luua tähenduslikke esitlusi ja neid teistega jagada
• oskad ära tunda erinevaid andmekategooriaid ning tead, millistel õiguslikel alustel tohib andmeid töödelda ning millised on rikkumiste tagajärjed

Töö toimub väikestes gruppides ja kohtade arv on piiratud!