Мета нашого курсу-допомогти досвідченим аналітикам розширити свої компетенції і задати правильний напрямок для подальшого розвитку в професії. Отриманий практичний досвід дозволить поглибити знання в області продуктової аналітики і навчитися підбирати правильні інструменти для вирішення завдань в самих невизначених умовах і незнайомих галузях.
Аналітика-це дуже багатогранна область, в рамках якої доводиться стикатися з великою кількістю завдань: побудова дашбордів, проведення експериментів, прогнозування ключових показників продукту, робота зі сховищем і т.д. в рамках роботи над даним курсом ми зробили його таким, щоб після закінчення ви змогли вирішувати ці завдання, не відчуваючи проблем.
Однак, ми усвідомлюємо, що робота над технічною стороною питання — це лише одна сторона аналітичної монети. Велика частина роботи аналітика-це спілкування з замовником, пояснення і правильне піднесення виконаної роботи, тому в даному курсі ви ще й знайдете матеріали про те, як можна це робити з користю для своєї кар'єри.
Ласкаво просимо на глибини незвіданих аналітичних проблем і завдань!
що потрібно для курсу [?]
Аналітика-це дуже багатогранна область, в рамках якої доводиться стикатися з великою кількістю завдань: побудова дашбордів, проведення експериментів, прогнозування ключових показників продукту, робота зі сховищем і т.д. в рамках роботи над даним курсом ми зробили його таким, щоб після закінчення ви змогли вирішувати ці завдання, не відчуваючи проблем.
Однак, ми усвідомлюємо, що робота над технічною стороною питання — це лише одна сторона аналітичної монети. Велика частина роботи аналітика-це спілкування з замовником, пояснення і правильне піднесення виконаної роботи, тому в даному курсі ви ще й знайдете матеріали про те, як можна це робити з користю для своєї кар'єри.
Ласкаво просимо на глибини незвіданих аналітичних проблем і завдань!
продуктовий підхід до створення звітності
Розробка дашборда-один з найпопулярніших запитів до аналітика з боку команди. Часто це не вирішує проблему замовника. А без розуміння, навіщо дашборд створений, він швидше за все не буде користуватися попитом у замовника.
Цієї проблеми можна уникнути, освоївши продуктовий підхід до створення дашбордів через застосування bi-системи. Так фахівець навчиться пропонувати швидкі альтернативні рішення або створювати систему звітності, що відповідає запитам бізнесу.
опис МОДУЛЬНОГО проекту
Складається з 2 частин — за підсумковим завданням кожного блоку (міні-проекти). Вам належить зібрати проекту Dashboard Map і створити дашборд в рамках bi-системи під конкретну задачу, отримавши зворотний зв'язок від експертів курсу.
робота з командою DWH та обробка великих даних
У корпораціях аналітику потрібно комунікувати з фахівцями з аналітичних сховищ (DWH). Для цього важливо розуміти, які бувають сховища, як з ними працювати і як саме в компанії відповідають на питання про правильне зберігання даних.
А в невеликих компаніях аналітики можуть самостійно писати пайплайни обробки даних, тому необхідно знати найпопулярніші і оптимальні інструменти обробки Big Data.
опис МОДУЛЬНОГО проекту
Є єдиний фінальний проект модуля, який передбачає використання всіх вивчених інструментів в модулі: за допомогою spark вичитуємо дані з S3 і Ch, проводимо перетворення (фільтрація, агрегація, джойни і тд), щоб отримати звіт для запису в ch.
просунуті експерименти
Як оцінити вплив змін у компанії на ключові показники бізнесу? За допомогою експериментів, звичайно! Чим вище рівень аналітика, тим складніші дизайни він вміє проектувати, а також прискорювати їх проведення, аналізувати результати і враховувати специфіку конкретних метрик при виборі способів оцінки змін.
Middle аналітик вміє виходити за межі застосування рутинних a/b-тестів, відповідати на складні питання замовників і ростити значимість експериментів для прийняття рішення компанії.
опис МОДУЛЬНОГО проекту
Оцінка за модуль складається на основі роботи з ситуаційними кейсами і міні-проектами на реальних даних по кожному блоку, де необхідно вирішити поставлену проблему або застосувати вивчений інструмент. Блок 1-кейс — тест, Блок 2-7 міні-проектів і кейс — тест, Блок 3-6 міні-проектів.
Машинне навчання для вирішення задач аналітики
Для вирішення нетривіальних завдань аналітику, швидше за все, доведеться вийти за рамки звичних інструментів, тому в цьому модулі ми познайомимося з просунутими методами машинного навчання.
Розробка дашборда-один з найпопулярніших запитів до аналітика з боку команди. Часто це не вирішує проблему замовника. А без розуміння, навіщо дашборд створений, він швидше за все не буде користуватися попитом у замовника.
Цієї проблеми можна уникнути, освоївши продуктовий підхід до створення дашбордів через застосування bi-системи. Так фахівець навчиться пропонувати швидкі альтернативні рішення або створювати систему звітності, що відповідає запитам бізнесу.
опис МОДУЛЬНОГО проекту
Складається з 2 частин — за підсумковим завданням кожного блоку (міні-проекти). Вам належить зібрати проекту Dashboard Map і створити дашборд в рамках bi-системи під конкретну задачу, отримавши зворотний зв'язок від експертів курсу.
робота з командою DWH та обробка великих даних
У корпораціях аналітику потрібно комунікувати з фахівцями з аналітичних сховищ (DWH). Для цього важливо розуміти, які бувають сховища, як з ними працювати і як саме в компанії відповідають на питання про правильне зберігання даних.
А в невеликих компаніях аналітики можуть самостійно писати пайплайни обробки даних, тому необхідно знати найпопулярніші і оптимальні інструменти обробки Big Data.
опис МОДУЛЬНОГО проекту
Є єдиний фінальний проект модуля, який передбачає використання всіх вивчених інструментів в модулі: за допомогою spark вичитуємо дані з S3 і Ch, проводимо перетворення (фільтрація, агрегація, джойни і тд), щоб отримати звіт для запису в ch.
просунуті експерименти
Як оцінити вплив змін у компанії на ключові показники бізнесу? За допомогою експериментів, звичайно! Чим вище рівень аналітика, тим складніші дизайни він вміє проектувати, а також прискорювати їх проведення, аналізувати результати і враховувати специфіку конкретних метрик при виборі способів оцінки змін.
Middle аналітик вміє виходити за межі застосування рутинних a/b-тестів, відповідати на складні питання замовників і ростити значимість експериментів для прийняття рішення компанії.
опис МОДУЛЬНОГО проекту
Оцінка за модуль складається на основі роботи з ситуаційними кейсами і міні-проектами на реальних даних по кожному блоку, де необхідно вирішити поставлену проблему або застосувати вивчений інструмент. Блок 1-кейс — тест, Блок 2-7 міні-проектів і кейс — тест, Блок 3-6 міні-проектів.
Машинне навчання для вирішення задач аналітики
Для вирішення нетривіальних завдань аналітику, швидше за все, доведеться вийти за рамки звичних інструментів, тому в цьому модулі ми познайомимося з просунутими методами машинного навчання.
- знання базового синтаксису Python (цикли, функції, умовні оператори)
- знання бібліотек (pandas, numpy, scipy) на рівні імпорту, експорту даних, попередньої обробки, EDA, Базова робота з випадковими величинами
- навички візуалізації в Python (Seaborn, matplotlib побудова базових візуалізацій)
- досвід аналізу простих експериментів (t-test або Манна-Вітні в Python)
- написання запитів за допомогою JOIN, where, group by та агрегаційних функцій
- перевірка гіпотез
- помилки 1-ого і 2-ого роду
- статистичні критерії та p-value
- ЦПТ
- Корелляція
- досвід роботи з Tableau, Power BI, Superset або іншими подібними інструментами
https://privatelink.de/?https://karpov.courses/analytics-hard