Навчіться бачити сенс за цифрами! Головний партнер курсу: AERO
1. Авторська програма
Актуальні навички, які допоможуть розвиватися в професії ігрового аналітика.
2. Проект в портфоліо
На курсі Ви отримаєте досвід максимально наближений до роботи. Всі практичні завдання є завданнями з реальних проектів.
що дасть вам цей курс:
Курс забезпечить вам плавне занурення в продуктовий аналіз. Ви навчитеся вирішувати основні завдання в цій сфері за допомогою SQL і Python, працювати з а/в - тестами, освоїте навички візуалізації даних і прокачаєте навички роботи в команді.
ви навчитеся:
1. Маркетологам
Навчіться вирішувати реальні робочі завдання продуктового аналізу для підвищення кваліфікації або переходу в іншу сферу
2. Product-менеджерам
Зможете збирати аналітику про конкурентів і аналізувати ринок за допомогою SQL і Python
3. Початківцям аналітикам
Отримайте всі необхідні навички для роботи продуктовим аналітиком і вибудуєте подальший план кар'єрного розвитку
4. Програмістам
Зможете ефективніше працювати з даними та аналітикою і далі розвиватися в сфері Data Science
Модуль 1-фізичний сенс аналітики
Тема 1. Бізнес-сенс. Навіщо потрібна аналітика і що таке аналітична культура в компанії?
Тема 2. Види аналітиків і завдань у них. BI, продуктовий аналітик, дата-аналітик, бізнес-аналітик. Чим продуктовий аналітик відрізняється від них усіх?
Тема 3. Завдання в аналітиці: ad hoc запити, побудова дашбордів, дослідження, факторний аналіз, АВ-тести
Тема 4. Інструменти для аналізу бізнес-показників. Взаємозв'язок продуктових метрик і життєвого циклу продукту
Модуль 2 - SQL
Тема 5. Основні команди: select * from #, Ключі. Різні типи даних: булеві, Числові, рядкові, тимчасові, Nullable, масиви і геокоординати
Тема 6. Різниця в join-ах. Різниця між having і where. Про що говорять абревіатури ASC/DESC. Звідки в SQL індекси?
Тема 7. Підзапити та with
Тема 8. Взаємодія з таблицями: create, insert, update, delete, drop, alter
Тема 9. Агрегуючі функції. Складні функції row_number, lag. Віконні функції та їх застосування
Тема 10. Хінти в скриптах для прискорення запиту. Оптимізація запиту
Модуль 3-Візуалізація даних
Тема 11. Дашборды. Основні інструменти для візуалізації даних: PowerBI, Tableau
Тема 12. Збір вимог до дашборду
Тема 13. Як графіки можуть обманювати і як цього не допустити//ДЗ
Тема 14. Основні прийоми в побудові дашбордів. Good/bad practice: нюанси у візуалізації
Модуль 4 - види задач у продуктовій аналітиці
Тема 15. Продуктова аналітика: розрахунки retention/churn/ltv/cac
Тема 16. Ієрархія метрик//ДЗ
Тема 17. Когортний аналіз і все про сегментації
Тема 18. Юніт-економіка в Excel
Тема 19. Формулювання гіпотез, пошук точок зростання
Тема 20. Презентація досліджень замовнику-опорні пункти//ДЗ
Модуль 5-Статистика
Тема 21. Вибірка, генеральна сукупність, метрики. База для аналізу даних-середнє, медіана, дисперсія, квартилі.
Тема 22. Нормальний розподіл і ЦПТ
Тема 23. Розрахунок рівня значущості і довірчі інтервали. Види статистичних критеріїв та їх застосування
Тема 24. Регресійний та кореляційний аналіз
Тема 25. Co*: логістична регресія та кластерний аналіз (для складних завдань прогнозування)
Модуль 6-Python
Тема 26. Основні поняття в Python: списки, словники, умови, цикли. Вступ до Jupyter та Jupyter Notebooks
Тема 27. Етапи очищення та підготовки даних до аналізу
Тема 28. Візуалізуємо дані з трендами за допомогою Seaborn і Matplotlib//ДЗ
Тема 29. Корисність pandas: основний функціонал і розв'язувані завдання з його допомогою
Тема 30. Робота з API і його корисність в автоматизації завдань
Модуль 7-АВ-тести
Тема 31. Поговоримо про сенсах: а/в і А/В/n - тести. А/А-тести і чому вони важливі
Тема 32. Дизайн а/в — тесту-повний цикл. Як правильно організувати а/В-тест?
Тема 33. Валідація продуктових гіпотез - як зрозуміти, потрібно тестувати цю ідею чи ні?
Тема 34. Уникаємо основні помилки в а/в-тестуванні: проблеми Підглядання, нерівномірність вибірок, досягнення стат.значущості, недолік даних//ДЗ
Тема 35. Знову про А/В/n-тести. Поправки на множинне тестування
Тема 36. Аналіз та інтерпретація результатів тесту. Бізнес-сенс а/в тестів//ДЗ
Модуль 8 - Робота в команді
Тема 37. Управління вимогами та очікуваннями
Тема 38. Постановка завдання і реалістичні оцінки термінів виконання
Тема 39. Роль аналітика в команді. Як оптимізувати свій час
Тема 40. Як рости в Грейді-відмінність junior/middle/senior
Модуль 9-пошук роботи
Тема 41. Як підсвітити навички в резюме. Шаблон резюме
Тема 42. Етапи співбесіди: чого чекати? Live-співбесіда з поведінковими питаннями
Тема 43. Зробимо розбір співбесіди на hard-skills: тепер ми все вміємо і на всі питання відповімо.
Тема 44. Бонус: що потрібно зробити в перші 3 місяці роботи аналітиком
Модуль 10 - Підведення підсумків курсу
Тема 45. Підсумкове заняття по пройденому матеріалу. Вибір теми та організація проектної роботи
Тема 46. Захист проектних робіт
1. Авторська програма
Актуальні навички, які допоможуть розвиватися в професії ігрового аналітика.
2. Проект в портфоліо
На курсі Ви отримаєте досвід максимально наближений до роботи. Всі практичні завдання є завданнями з реальних проектів.
що дасть вам цей курс:
Курс забезпечить вам плавне занурення в продуктовий аналіз. Ви навчитеся вирішувати основні завдання в цій сфері за допомогою SQL і Python, працювати з а/в - тестами, освоїте навички візуалізації даних і прокачаєте навички роботи в команді.
ви навчитеся:
- Вирішувати аналітичні задачі в SQL і Python
- Проводити А/В-тести, інтерпретувати їх результати і висувати гіпотези на їх підставі
- Візуалізувати і презентувати свої дані чітко і переконливо
1. Маркетологам
Навчіться вирішувати реальні робочі завдання продуктового аналізу для підвищення кваліфікації або переходу в іншу сферу
2. Product-менеджерам
Зможете збирати аналітику про конкурентів і аналізувати ринок за допомогою SQL і Python
3. Початківцям аналітикам
Отримайте всі необхідні навички для роботи продуктовим аналітиком і вибудуєте подальший план кар'єрного розвитку
4. Програмістам
Зможете ефективніше працювати з даними та аналітикою і далі розвиватися в сфері Data Science
Модуль 1-фізичний сенс аналітики
Тема 1. Бізнес-сенс. Навіщо потрібна аналітика і що таке аналітична культура в компанії?
Тема 2. Види аналітиків і завдань у них. BI, продуктовий аналітик, дата-аналітик, бізнес-аналітик. Чим продуктовий аналітик відрізняється від них усіх?
Тема 3. Завдання в аналітиці: ad hoc запити, побудова дашбордів, дослідження, факторний аналіз, АВ-тести
Тема 4. Інструменти для аналізу бізнес-показників. Взаємозв'язок продуктових метрик і життєвого циклу продукту
Модуль 2 - SQL
Тема 5. Основні команди: select * from #, Ключі. Різні типи даних: булеві, Числові, рядкові, тимчасові, Nullable, масиви і геокоординати
Тема 6. Різниця в join-ах. Різниця між having і where. Про що говорять абревіатури ASC/DESC. Звідки в SQL індекси?
Тема 7. Підзапити та with
Тема 8. Взаємодія з таблицями: create, insert, update, delete, drop, alter
Тема 9. Агрегуючі функції. Складні функції row_number, lag. Віконні функції та їх застосування
Тема 10. Хінти в скриптах для прискорення запиту. Оптимізація запиту
Модуль 3-Візуалізація даних
Тема 11. Дашборды. Основні інструменти для візуалізації даних: PowerBI, Tableau
Тема 12. Збір вимог до дашборду
Тема 13. Як графіки можуть обманювати і як цього не допустити//ДЗ
Тема 14. Основні прийоми в побудові дашбордів. Good/bad practice: нюанси у візуалізації
Модуль 4 - види задач у продуктовій аналітиці
Тема 15. Продуктова аналітика: розрахунки retention/churn/ltv/cac
Тема 16. Ієрархія метрик//ДЗ
Тема 17. Когортний аналіз і все про сегментації
Тема 18. Юніт-економіка в Excel
Тема 19. Формулювання гіпотез, пошук точок зростання
Тема 20. Презентація досліджень замовнику-опорні пункти//ДЗ
Модуль 5-Статистика
Тема 21. Вибірка, генеральна сукупність, метрики. База для аналізу даних-середнє, медіана, дисперсія, квартилі.
Тема 22. Нормальний розподіл і ЦПТ
Тема 23. Розрахунок рівня значущості і довірчі інтервали. Види статистичних критеріїв та їх застосування
Тема 24. Регресійний та кореляційний аналіз
Тема 25. Co*: логістична регресія та кластерний аналіз (для складних завдань прогнозування)
Модуль 6-Python
Тема 26. Основні поняття в Python: списки, словники, умови, цикли. Вступ до Jupyter та Jupyter Notebooks
Тема 27. Етапи очищення та підготовки даних до аналізу
Тема 28. Візуалізуємо дані з трендами за допомогою Seaborn і Matplotlib//ДЗ
Тема 29. Корисність pandas: основний функціонал і розв'язувані завдання з його допомогою
Тема 30. Робота з API і його корисність в автоматизації завдань
Модуль 7-АВ-тести
Тема 31. Поговоримо про сенсах: а/в і А/В/n - тести. А/А-тести і чому вони важливі
Тема 32. Дизайн а/в — тесту-повний цикл. Як правильно організувати а/В-тест?
Тема 33. Валідація продуктових гіпотез - як зрозуміти, потрібно тестувати цю ідею чи ні?
Тема 34. Уникаємо основні помилки в а/в-тестуванні: проблеми Підглядання, нерівномірність вибірок, досягнення стат.значущості, недолік даних//ДЗ
Тема 35. Знову про А/В/n-тести. Поправки на множинне тестування
Тема 36. Аналіз та інтерпретація результатів тесту. Бізнес-сенс а/в тестів//ДЗ
Модуль 8 - Робота в команді
Тема 37. Управління вимогами та очікуваннями
Тема 38. Постановка завдання і реалістичні оцінки термінів виконання
Тема 39. Роль аналітика в команді. Як оптимізувати свій час
Тема 40. Як рости в Грейді-відмінність junior/middle/senior
Модуль 9-пошук роботи
Тема 41. Як підсвітити навички в резюме. Шаблон резюме
Тема 42. Етапи співбесіди: чого чекати? Live-співбесіда з поведінковими питаннями
Тема 43. Зробимо розбір співбесіди на hard-skills: тепер ми все вміємо і на всі питання відповімо.
Тема 44. Бонус: що потрібно зробити в перші 3 місяці роботи аналітиком
Модуль 10 - Підведення підсумків курсу
Тема 45. Підсумкове заняття по пройденому матеріалу. Вибір теми та організація проектної роботи
Тема 46. Захист проектних робіт
https://privatelink.de/?https://otus.ru/lessons/product-analytics/?int_source=courses_catalog&int_term=analytics