Курсы аналитики на Power BI в Уфе

• Онбординг: бесплатная часть. Онбординг включает в себя несколько уроков, в которых расскажем о среде и сфере применения визуализации данных, об устройстве обучения на курсе в Практикуме и дадим возможность применить на практике некоторые инструменты визуализации.
• Data literacy – грамотность в работе с данными. В каких видах существуют данные? Как правильно оформить датасет, чтобы потом с ним было удобно работать и получать из него корректные выводы? Готовим датасет к работе с помощью табличного редактора. Как не ошибиться, проводя анализ данных: выстраиваем методологию?
• Место и роль визуализации в BI. Как строится работа над визуализацией и взаимодействие с другими участниками команды? Какие навыки нужны, чтобы заниматься визуализацией и чувствовать себя уверенно? Делаем ТЗ: собираем требования у заказчика, фиксируем ожидания. Принципы хорошей визуализации данных. Как убедить заказчика в правильности вашего подхода?
• Основы визуализации данных. Знакомство с DataLens. Что такое визуализация, зачем и когда она нужна? Как выбрать, что вообще нужно визуализировать? Ключевое: как подобрать нужный график под ваши данные? Как выбирать цвета для графиков? Что еще нужно сделать с графиком, чтобы он был полезен?
• Ошибки, особенности, инструменты. Как работать в Datawrapper — наглядно и по шагам? Частые ошибки при визуализации данных, чего нужно избегать? Что с этим делать, и решение других типовых проблем с визуализацией? Основные виды инструментов для визуализации и сценарии их применения: Flourish, RAW, Plot.ly и другие. Публикация графиков в интернете: что нужно учесть.
• Визуализация данных в презентациях. Почему на слайде должен быть только один график? Основы дата-сторителлинга: как сделать графики, которые будут наглядно передавать ваше сообщение. Необходимые основы графического дизайна. Частые ошибки в презентациях с данными. Как правильно внедрить график из стороннего инструмента в презентацию, на что обратить внимание?
• Интерактивный дашборд в Tableau. Введение в Tableau. Виды дашбордов, их функции. Что такое хороший дашборд и необходимые навыки для его создания? Как создается дашборд: процесс, составление ТЗ? Типовые дизайн- и UX-паттерны для дашбордов. Типовые ошибки при создании дашбордов.

Аналитик данных (data analyst) - это специалист, который работает с данными: собирает, обрабатывает и делает выводы на их основе, чтобы помочь принять верное бизнес-решение.

Программа курса:

• Python
• Git
• SQL
• Теория вероятностей
• Статистика
• A/B тесты
• Визуализация
• Развитие продукта
• Продуктовая аналитика
• Airflow

• Введение в аналитику, аналитический отчёт в Google Sheets. Узнаете, кто такой аналитик данных и какие задачи он решает. Познакомитесь с пайплайном работы аналитика. Создадите свой первый аналитический отчёт в Google Sheets.
• Основы SQL, извлечение данных для анализа. Узнаете, как могут храниться данные, и познакомитесь с языком запросов SQL для работы с базами данных. Напишете первые запросы на SQL и научитесь извлекать данные под задачу с фильтрацией, группировкой, сортировкой.
• SQL, обработка данных. Продолжите знакомиться с инструментами SQL и научитесь обрабатывать данные для анализа: устранять дубликаты и работать с пропущенными значениями. Сможете извлекать данные из нескольких таблиц, используя операторы JOIN, подзапросы и СТЕ.
• SQL, анализ данных и решение ad-hoc задач. Научитесь применять продвинутые инструменты SQL для решения ad-hoc задач разной сложности. Познакомитесь с необходимыми понятиями описательной статистики.
• Визуализация данных с помощью DataLens, создание дашбордов. Разберётесь с основами визуализации данных в BI-инструменте DataLens. Научитесь подбирать тип визуализации под задачу. Изучите основы создания и настройки дашбордов.
• Основы Python. Начнёте знакомство с языком программирования Python. Изучите основы синтаксиса, которые нужны для написания кода.
• Python, предобработка данных. Начнёте работу с библиотекой Pandas. Научитесь предобрабатывать данные с помощью Python: очищать данные от выбросов, пропусков и дубликатов, преобразовывать разные форматы данных.
• Исследовательский анализ данных и визуализация с помощью Python. Научитесь использовать Python для исследования и визуализации данных. Разберётесь с основами описательной статистики на примерах.
• Расчёт и визуализация бизнес-метрик и показателей. Погрузитесь глубже в контекст бизнеса и продукта. Рассчитаете и визуализируете важные для бизнеса показатели с помощью SQL, разберётесь с основами когортного анализа.
• Формулировка и проверка гипотез, статистический анализ данных. Изучите основы статистического анализа данных и сможете применять статистику для проверки продуктовых гипотез.
• Анализ результатов А/В-тестирования с помощью Python. Познакомитесь с дорожной картой А/В-тестирования. Научитесь самостоятельно анализировать результаты А/В-теста и формулировать выводы для бизнеса.
• Анализ бизнес-требований и планирование отчётности. Научитесь проводить интервью с заказчиком, выявлять и документировать бизнес-требования, создавать эскизы дашбордов. Уделите внимание приоритизации требований и выделите критически важные для бизнеса элементы.
• Проектирование дизайна дашборда и документирование его логики. Изучите принципы дизайна дашбордов. Поймёте, как работать с различными типами чартов и инструментами визуализации данных. Научитесь создавать интерактивные и параметризованные дашборды, документировать и закреплять результаты работы.
• Завершение работы над дашбордом и документацией, введение в Superset. Научитесь работать с Superset: создавать чарты, датасеты и дашборды, интерактивные и параметризованные дашборды, а также документировать и администрировать данные.
• Проектирование витрины данных и предобработка данных. Освоите создание витрин данных, параметризацию и фильтрацию данных, продвинутые техники SQL и основы администрирования в Superset.
• Углублённая работа с данными и разработка отдельных визуализаций. Углубите свои знания в SQL и научитесь строить дашборды по готовому макету, оптимизировать запросы и обеспечивать качество данных.
• Финальный проект. Решите несколько сложных аналитических кейсов на большом объёме реальных данных, используя изученные на курсе инструменты: PostgreSQL, DataLens и Superset. Разработаете комплексный дашборд, чтобы отслеживать ключевые показатели, задокументируете свои результаты в Confluence и презентуете готовое решение. Ревьюеры оценят проекты и дадут развёрнутую обратную связь, что можно улучшить.
• 10 кейсов от реальных компаний. Мы попросили у наших партнёров реальные задачи, проработали решение и добавили их в курс. Вы сможете сами выбрать, сколько задач дополнительно взять в работу, необязательно решать их все. Благодаря этим задачам вы с первых дней обучения будете видеть, с чем сталкиваются аналитики на работе.
• Карьерный трек. Эта часть курса для тех, кто решил найти работу в IT. Вы изучите стратегии поиска работы и узнаете о тонкостях выбора компании-работодателя, подготовите резюме, напишете сопроводительное письмо и оформите портфолио.
• Акселерация. Программа сопровождения: вы ищете работу, мы консультируем и помогаем. Участвовать в программе могут те, кто закончил программу трудоустройства и находится в активном поиске работы. Основной формат участия — индивидуальные консультации и публичные собеседования.