Yrke "Data Analyst" - kurs 65 412 rubel. från Moscow Digital School, utbildning 4 månader, Datum: 15 december 2023.
Miscellanea / / December 08, 2023
Detta yrke är idealiskt för distansarbete, inklusive frilansande. Kunder är villiga att betala bra till dem som kan visualisera affärsresultat, motivera sina beslut med siffror och göra prognoser.
Det datadrivna tillvägagångssättet tar fart. Yrket är efterfrågat inom många områden: IT, ekonomi, marknadsföring, handel, medicin, utbildning, tjänster m.m.
Hos oss blir du analytiker på bara 4 månader, eftersom det kommer att finnas mycket övning och feedback från experter. De bästa studenterna kommer att få möjlighet att få en praktikplats på Ozon, Data Sfera, Agima.
Vem är det lämpligt för?
För nybörjare
Är din arbetslivserfarenhet så långt borta från analys som möjligt? Vill du lära dig något nytt och intressant, eller behärska ett efterfrågat yrke? Vi utgår från 0 och strukturerar konsekvent din kunskap om analys och förstärker den med övning efter varje föreläsning.
Chefer
Lär dig att snabbt bearbeta och analysera data för att bygga prognoser, strategier och planer. Du blir mer självständig när du fattar beslut.
Marknadsförare
Du kommer att förstå hur du använder data för att utvärdera annonseffektivitet, formulera och testa hypoteser med hjälp av A/B-testning och lära dig hur du snabbt skapar tydliga rapporter om annonskampanjer.
Företag och entreprenörer
För säljare som vill lära sig att analysera försäljningsdata på marknadsplatser. Och även för alla entreprenörer som vill hitta tillväxtpunkter och optimera affärsresurser med ett datadrivet tillvägagångssätt.
Modul 1. Inledande.
Uppgifter och typer av analytiker
Dataanalys
Analyskunskaper
Modul 2. Excel.
Varför Excel Analytics?
Filtrera och sortera data
Metoder för att ange en funktion
Formelredigering och felspårningssystem
Användbara funktioner i Excel
Pivottabeller: definition, konstruktionsförhållanden, inrättande av områden
Gruppera data
Diagramtyper
Sparklines
Power Query
Tillägg "Sök efter en lösning". Anslutning och inställningar
Dropdown-listor
OLAP kub
Makron
Modul 3. SQL.
Språkets historia, SQL-standard, grundläggande begrepp
VÄLJ Uttalandestruktur
Grundläggande datatyper
Logiska operatorer
Aggregera funktioner och gruppering
Underfrågor
Sammanfoga bord
Skapa, uppdatera och ta bort tabeller
Vanliga tabelluttryck, vyer
Fönsterfunktioner
Typiska tillämpningsscenarier
Introduktion till frågeoptimering
Modul 4. BI och dashboards.
Introduktion av funktionerna i Power BI-verktyget.
Power Query
Förbereder data för analys.
Arbeta med den avancerade editorn: M språk.
Principer för att bygga en datamodell, organisera tabeller, hantera relationer
DAX Data Analysis Language
Laddar länkade datakällor
Kataloger och automatiskt beräknade kataloger för laddade frågor
Vanliga exempel på avancerade DAX-beräkningar
Utformning av åtgärder
Beräknade kolumner och datagrupperingar
Instrumentpanel för företagets nyckeltal
Rendera block i Power BI Desktop
Dashboard design och tillämpning av teman
Arbeta i PowerBI från webbläsaren
Infrastruktur, dataladdning och utveckling av instrumentbrädan i Tableau. Tabell: huvudfunktioner och jämförelse med Power BI
Modul 5. Python för dataanalys.
Vi presenterar Jupyter Notebook och markdown
Enkla operationer med siffror och strängar
Villkorligt uttalande och för loop
Funktioner
Introduktion till pandor
Enkla visualiseringar
Dataavvikande analys
Laddar och ändrar data
Trafikanalys för webbutiker
Försäljningstratt, stapeldiagram, konverteringsanalys
Introduktion till matematisk statistik.
Beskrivande statistik
Introduktion till statistisk hypotestestning
A/A- och A/B-testning
Datasammanslagning
Kohortanalys
Jämförelse av trafikkvalitet från två reklamkällor
Modul 6. Slutprojekt.
Bygg en hanteringspanel med viktiga affärsindikatorer
Testa dig själv som dataanalytiker för den brasilianska marknadsplatsen Olist. Diskutera marknadsplatsens affärsprocess och datamodellen. Lär dig att arbeta med en databas på en fjärrserver. Utforska metoder för att lösa affärsproblem