Мета нашого курсу – допомогти досвідченим аналітикам розширити свої компетенції та задати правильний напрямок для подальшого розвитку у професії. Отриманий практичний досвід дозволить поглибити знання в галузі продуктової аналітики та навчитися підбирати правильні інструменти для вирішення завдань у найневизначеніших умовах та незнайомих галузях.
ПРОГРАМА КУРСУ ://
ПРОДУКТОВИЙ ПІДХІД ДО СТВОРЕННЯ ЗВІТНОСТІ
Розробка дашборду – один із найпопулярніших запитів до аналітика з боку команди. Часто це не вирішує проблеми замовника. А без розуміння, навіщо дашборд створений, він швидше за все не матиме попиту у замовника.
Цієї проблеми можна уникнути, освоївши продуктовий підхід до створення дашбордів через застосування BI-системи. Так фахівець навчиться пропонувати швидкі альтернативні рішення чи створювати систему звітності, що відповідає запитам бізнесу.
ОПИС МОДУЛЬНОГО ПРОЕКТУ
Складається з 2 частин – за підсумковим завданням кожного блоку (міні-проекти). Вам належить зібрати проект DashBoard Map і створити дашборд в рамках BI-системи під конкретне завдання, отримавши зворотний зв’язок від експертів курсу.
РОБОТА З КОМАНДОЮ DWH І ОБРОБКА ВЕЛИКИХ ДАНИХ
У корпораціях аналітику потрібно спілкуватися з фахівцями з аналітичних сховищ (DWH). Для цього важливо розуміти, які сховища бувають, 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 та найоптимальніші інструменти обробки Big Data.
ОПИС МОДУЛЬНОГО ПРОЕКТУ
Є єдиний фінальний проект модуля, який передбачає використання всіх вивчених інструментів у модулі: за допомогою spark вичитуємо дані із S3 та CH, проводимо перетворення (фільтрація, агрегація, джойни тощо), щоб отримати звіт для запису в CH.
ПРОДВИГУНІ ЕКСПЕРИМЕНТИ
Як оцінити вплив змін компанії на ключові метрики бізнесу? За допомогою експериментів, звісно! Чим вище рівень аналітика, тим складніші дизайни він вміє проектувати, а також прискорювати їх проведення, аналізувати результати та 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 та вирощувати значущість експериментів для прийняття рішення компанії.
ОПИС МОДУЛЬНОГО ПРОЕКТУ
Оцінка за модуль складається на основі роботи із ситуаційними кейсами та 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 та кейс-тест, Блок 3 – 6 міні-проектів.
МАШИННЕ НАВЧАННЯ ДЛЯ РІШЕННЯ ЗАВДАНЬ АНАЛІТИКИ
Для вирішення нетривіальних завдань аналітику, швидше за все, доведеться вийти за межі звичних інструментів, тому в цьому модулі ми познайомимося з просунутими методами машинного навчання.
ЩО НЕОБХІДНО ДЛЯ КУРСУ [?]
Знання базового синтаксису Python (цикли, функції, умовні оператори)
Знання бібліотек (pandas, numpy, scipy) лише на рівні імпорту, експорту даних, передобробки, EDA, базова робота з випадковими величинами
Навички візуалізації в Python (Seaborn, matplotlib побудова базових візуалізацій)
Досвід аналізу простих експериментів (t-test або Манна-Уітні в Python)
Написання запитів з JOIN, where, group by та агрегаційними функціями
Перевірка гіпотез
Помилки 1-го та 2-го роду
Статистичні критерії та p-value
ЦПТ
Кореляція
Досвід роботи з Tableau, Power BI, Superset або іншими схожими інструментами