Придбаний Продуктовая аналитика [2022] [OTUS] [Михеева Марина, Жуков Вячеслав]

[Gadzhi]

• .

Продуктовая аналитика [2022]
Product analyst
OTUS
Михеева Марина, Жуков Вячеслав

Научитесь видеть смысл за цифрами! Главный партнер курса: AERO

1. Авторская программа

Актуальные навыки, которые помогут развиваться в профессии игрового аналитика.​

2. Проект в портфолио

На курсе вы получите опыт максимально приближенный к работе. Все практические задания являются задачами с реальных проектов.​

Что даст Вам этот курс:
Курс обеспечит вам плавное погружение в продуктовый анализ. Вы научитесь решать основные задачи в этой сфере с помощью SQL и Python, работать с А/В- тестами, освоите навыки визуализации данных и прокачаете навыки работы в команде.

Вы научитесь:

1. Решать аналитические задачи в SQL и Python
2. Проводить А/В-тесты, интерпретировать их результаты и выдвигать гипотезы на их основании
3. Визуализировать и презентовать свои данные четко и убедительно

Кому подойдет курс:
1. Маркетологам

Научитесь решать реальные рабочие задачи продуктового анализа для повышения квалификации или перехода в другую сферу​

2. Product-менеджерам

Сможете собирать аналитику о конкурентах и анализировать рынок с помощью SQL и Python​

3. Начинающим аналитикам

Получите все необходимые навыки для работы продуктовым аналитиком и выстроите дальнейший план карьерного развития​

4. Программистам

Сможете эффективнее работать с данными и аналитикой и дальше развиваться в сфере Data Science​

Спойлер: Информация

Модуль 1 - Физический смысл аналитики

Тема 1. Бизнес-смысл. Зачем нужна аналитика и что такое аналитическая культура в компании?
Тема 2. Виды аналитиков и задач у них. BI, продуктовый аналитик, дата-аналитик, бизнес-аналитик. Чем продуктовый аналитик отличается от них всех?
Тема 3. Задачи в аналитике: ad hoc запросы, построение дашбордов, исследования, факторный анализ, АВ-тесты
Тема 4. Инструменты для анализа бизнес-показателей. Взаимосвязь продуктовых метрик и жизненного цикла продукта
​

Модуль 2 - SQL

Тема 5. Основные команды: select * from #, ключи. Различные типы данных: булевы, числовые, строковые, временные, Nullable, массивы и геокоординаты
Тема 6. Разница в join-ах. Различие между having и where. О чем говорят аббревиатуры ASC/DESC. Откуда в SQL индексы?
Тема 7. Подзапросы и with
Тема 8. Взаимодействие с таблицами: create, insert, update, delete, drop, alter
Тема 9. Агрегирующие функции. Сложные функции row_number, lag. Оконные функции и их применение
Тема 10. Хинты в скриптах для ускорения запроса. Оптимизация запроса​

Модуль 3 - Визуализация данных

Тема 11. Дашборды. Основные инструменты для визуализации данных: PowerBI, Tableau
Тема 12. Сбор требований к дашборду
Тема 13. Как графики могут обманывать и как этого не допустить // ДЗ
Тема 14. Основные приемы в построении дашбордов. Good/bad practice: нюансы в визуализации​

Модуль 4 - Виды задач в продуктовой аналитике

Тема 15. Продуктовая аналитика: расчеты retention/churn/ltv/cac
Тема 16. Иерархия метрик // ДЗ
Тема 17. Когортный анализ и все о сегментациях
Тема 18. Юнит-экономика в Excel
Тема 19. Формулирование гипотез, поиск точек роста
Тема 20. Презентация исследований заказчику — опорные пункты // ДЗ​

Модуль 5 - Статистика

Тема 21. Выборка, генеральная совокупность, метрики. База для анализа данных — среднее, медиана, дисперсия, квартили.
Тема 22. Нормальное распределение и ЦПТ
Тема 23. Расчет уровня значимости и доверительные интервалы. Виды статистических критериев и их применение
Тема 24. Регрессионный и корреляционный анализ
Тема 25. Со*: логистическая регрессия и кластерный анализ (для сложных задач с предсказаниями)​

Модуль 6 - Python

Тема 26. Основные понятия в Python: списки, словари, условия, циклы. Введение в Jupyter и Jupyter Notebooks
Тема 27. Этапы очистки и подготовки данных к анализу
Тема 28. Визуализируем данные с трендами с помощью Seaborn и Matplotlib // ДЗ
Тема 29. Полезность pandas: основной функционал и решаемые задачи с его помощью
Тема 30. Работа с API и его полезность в автоматизации задач​

Модуль 7 - АВ-тесты

Тема 31. Поговорим о смыслах: А/В и А/В/n- тесты. А/А-тесты и почему они важны
Тема 32. Дизайн А/В-теста — полный цикл. Как правильно организовать А/В-тест?
Тема 33. Валидация продуктовых гипотез — как понять, нужно тестировать эту идею или нет?
Тема 34. Избегаем основные ошибки в А/В-тестировании: проблемы подглядывания, неравномерность выборок, достижение стат.значимости, недостаток данных // ДЗ
Тема 35. Снова про А/В/n-тесты. Поправки на множественное тестирование
Тема 36. Анализ и интерпретация результатов теста. Бизнес-смысл А/В тестов // ДЗ​

Модуль 8 - Работа в команде

Тема 37. Управление требованиями и ожиданиями
Тема 38. Постановка задачи и реалистичные оценки сроков выполнения
Тема 39. Роль аналитика в команде. Как оптимизировать свое время
Тема 40. Как расти в грейде — отличие junior/middle/senior​

Модуль 9 - Поиск работы

Тема 41. Как подсветить навыки в резюме. Шаблон резюме
Тема 42. Этапы собеседования: чего ждать? Live-собеседование с поведенческими вопросами
Тема 43. Сделаем разбор собеседования на hard-skills: теперь мы все умеем и на все вопросы ответим.
Тема 44. Бонус: что нужно сделать в первые 3 месяца работы аналитиком​

Модуль 10 - Подведение итогов курса

Тема 45. Итоговое занятие по пройденному материалу. Выбор темы и организация проектной работы
Тема 46. Защита проектных работ​

https://otus.ru/lessons/product-analytics/?int_source=courses_catalog&int_term=analytics

 

[Ol2222]

готовий оплатити