Курс Аналітик даних

На цьому курсі ми опануємо професію дата-аналітика з нуля й навчимося знаходити відповіді в числах. Якщо коротко - за 4 місяці навчимося проходити повний цикл аналізу даних: від збору до інтерпретації результатів.

Програма курсу

Блок 0. Вступ

Знайомство з професією Data Analyst

• Огляд задач аналітика
• Сфери, в яких може працювати аналітик
• Огляд інструментів, які необхідні аналітику в роботі

Результати блоку:

• Розумієте різницю між аналітиком даних, бізнес-аналітиком, фінансовим аналітиком, вебаналітиком, продуктовим аналітиком тощо.
• Маєте уявлення про інструментарій аналітика даних і розумієте, який інструмент до якої задачі підходить

Блок 1. Google Sheets для Data Analyst

Можливості Google Sheets та вбудовані формули

• Інструмент Google Sheets та його можливості
• Закріплення робочої області, сортування та фільтрація даних
• Вбудовані функції (математичні, статистичні, логічні)
• Умовне форматування таблиць
• Типи даних та їх форматування
• Дії (арифметичні)
• Вбудовані функції для пошуку значень та текстового аналізу
• Етапи роботи з даними для аналізу

Аналіз даних у Google Sheets

• Типи аналізу даних
• Data Cleaning або Data Wrangling
• Ресурси з даними для аналізу
• Етапи аналізу даних
• Вбудовані функції
• Завантаження файлів

Таблиці та візуалізація даних у Google Sheets

• Зведені таблиці: створення, перетворення, фільтрація
• Зведені таблиці: форматування, оновлення, групування
• Підключення зовнішніх джерел даних
• Зведені таблиці: додавання обчислюваних полів
• Візуалізація даних у Google Sheets
• Відмінність Microsoft Excel vs Google Spreadsheets

Воркшоп про Google Sheets

Практичне засвоєння роботи з Google Sheets.

Результат блоку:

• Розумієте, з яких етапів складається аналіз даних
• Вмієте користуватися базовими функціями Google Sheets для аналізу даних
• Вмієте проводити продвинутий аналіз за допомогою зведених таблиць та будувати графіки в Google Sheets

Блок 2. Робота з базами даних

Вступ до теорії баз даних

• Відмінності баз даних від Google Spreadsheets
• Види БД та їхні відмінності
• Огляд СУБД для аналітики даних та їхніх особливостей
• Знайомство з інтерфейсом та ознайомлення з можливостями Google BigQuery
• Значення терміна бази даних та їх застосування
• Термін SQL
• Інструменти для роботи з СУБД

Синтаксис SQL: оператори

• Підключення до наявної бази даних у BigQuery
• SELECT + FROM
• WHERE
• Логічні оператори (LIKE)
• LIMIT
• Розв'язання завдань із синтаксису SQL
• Знайомство зі схемою бази даних, структурою та наповненням таблиць
• AS + DISTINCT
• Оператори порівняння
• ORDER BY
• Порядок операторів

Функції агрегації даних, аналітичні функції

• Умовні вирази (if, case when)
• Математичні та статистичні функції
• HAVING
• Функції агрегації
• GROUP BY
• Створення власного проєкту та наповнення його даними

Воркшоп: Синтаксис SQL, функції агрегації даних

Засвоєння роботи із синтаксисом SQL та функціями агрегації даних на практиці.

Оператори об'єднання даних [JOIN, UNION]

• Типи SET-операторів (операції над наборами)
• INNER JOIN
• FULL JOIN
• Типи об'єднання таблиць та їхні відмінності
• LEFT/RIGHT JOIN
• CROSS JOIN

Воркшоп: Робота з операторами JOIN and UNION

Засвоєння роботи з об'єднання таблиць на практиці.

Типи даних та їхнє перетворення

• Огляд типів даних
• Функції перетворення даних
• Розв'язання завдань з перетворення типів даних за допомогою SQL
• NULL-значення
• Функції для роботи з різними типами даних

Підзапити, CTE, View

• Підзапити
• Подання (View)
• Визначення поняття регулярних виразів
• CTE (With)
• Створюємо запит, який автоматично оновлюватиме дані в таблицях на постійній основі
• Базовий синтаксис написання регулярних виразів

Воркшоп: Підзапити, CTE та View

Розв'язання завдань з використанням підзапитів, CTE та View.

Віконні функції

• Визначення віконних функцій та завдань, які вони розв'язують
• Синтаксис віконних функцій - параметри
• Порядок побудови запиту
• Синтаксис віконних функцій
• Синтаксис віконних функцій - функції
• Приклади написання запитів до БД з використанням віконних функцій

Оптимізація запитів, індекси, CRUD-оператори

• Оптимізація запитів
• Принципи ефективного використання ресурсів BQ
• Підключення сторонніх джерел даних до BigQuery
• Кластеризація та індекси у БД, типи зв'язків
• Команди для роботи з таблицями
• Функція Pivot

Воркшоп: Робота з віконними функціями + оптимізація запитів

• Розв'язання завдань з використанням віконних та інших вивчених функцій
• Розбір графа виконання запиту

Результат блоку:

• Розумієте, що таке бази даних, для чого вони потрібні та які проблеми допомагають розв'язувати
• Ознайомилися з можливостями та інтерфейсом BigQuery, вмієте писати базові SQL-запити для ознайомлення з даними в таблицях
• Розумієте, як шукати способи для оптимізації SQL-запитів. Вмієте обробляти дані за допомогою підзапитів

Блок 3. Python для трансформації та аналізу даних

Вступ до Python: Встановлення та налаштування середовища

• Що таке мова програмування
• Сфери застосування Python
• Історія створення Python
• Встановлення та налаштування середовища для програмування (IDE)

Основні типи даних

• Основні типи даних
• Основні оператори
• Базові можливості та операції з рядками
• List, Tuple, Dictionary, Set
• Коментування коду

Умовні оператори й цикли

• Умовні оператори - IF, ELIF, ELSE
• Цикли - WHILE та FOR

Бібліотеки Python для роботи з даними

• Знайомство з бібліотеками Python, встановлення
• Нормалізація даних
• Робота з датами в Pandas
• Читання даних із різних файлових форматів за допомогою Pandas
• Бібліотека Pandas та датафрейм

Воркшоп: Python для роботи з даними

Вивчення роботи з даними за допомогою Python на практиці.

Підключення до баз даних і трансформації даних

• Підключення до BigQuery
• Отримання та трансформації даних
• Імпорт та експорт даних до Google Sheets
• Підключення до PostgreSQL
• Експорт даних до BigQuery

Воркшоп: Підключення до баз даних і трансформація даних

Практичне вивчення підключення до баз даних та трансформації даних.

Аналіз та візуалізація даних в Python

• Знайомство з бібліотекою Matplotlib
• Огляд основних візуалізацій та їх побудова

Парсинг даних за допомогою Python

• Джерела отримання даних (API (Application Programming Interface), WEB Scraping)
• Бібліотеки для парсингу даних

Знайомство з Git, Terraform та Airflow

• Data Orchestration з Airflow
• Terraform
• Контроль версій з Git

Воркшоп: Аналіз даних за допомогою Python

Практичне застосування вивчених навичок з аналізу даних за допомогою Python.

Результат блоку:

• Знаєте, що таке мови програмування і навіщо вони потрібні аналітику, вмієте працювати зі списками, словниками, кортежами та множинами
• Працюєте з Pandas та аналізуєте дані за допомогою Python
• Знаєте, що таке Git та Airflow, як і навіщо їх використовують
• Знаєте, як працювати з Terraform

Блок 4. Візуалізація даних

Вступ до візуалізації

• Навіщо візуалізувати дані
• Як побудувати зрозумілу візуалізацію
• Огляд наявних інструментів для візуалізації (можливості, відмінності, обмеження, переваги та недоліки)
• Види графіків, де та які використовувати
• Принципи побудови дашбордів

Looker Studio: знайомство з інструментами

• Looker Studio - огляд і початок роботи
• Переваги Looker Studio
• Візуалізації Looker Studio
• Якою має бути ефективна візуалізація
• Складові Looker Studio
• Джерела Looker Studio
• Етапи розробки дашбордів

Воркшоп: Візуалізація з Looker Studio

Практичне застосування навичок з візуалізації з Looker Studio.

Tableau: огляд та базові можливості

• Tableau - огляд і початок роботи
• Переваги Tableau
• Візуалізації в Tableau
• Якою має бути ефективна візуалізація
• Складові Tableau
• Джерела Tableau
• Етапи розробки дашбордів

Воркшоп: Візуалізація з Tableau

Практичне застосування навичок з візуалізації з Tableau.

Результат блоку:

• Розумієте, навіщо візуалізувати дані, розбираєтеся у видах і типах графіків, знайомі з принципом побудови дашбордів
• Розумієте, які інструменти можна для цього використовувати
• Вмієте створювати дашборди й візуалізувати дані в Looker Studio та Tableau, знаєте, як підключити нові сорси для Tableau

Блок 5. Згадати все - матстат на практиці

Застосування та базові терміни математичної статистики

• Приклади практичного застосування статистики в аналізі даних (A/B-тести, прогнозування, кореляційний та регресійний аналіз, пошук аномалій)
• Основні терміни (вибірка, генеральна сукупність, викид)
• Міри центральної тенденції
• Box plot: теорія та застосування (аномалії)
• Теорія ймовірності
• Види вибірок і типи змінних
• Міри мінливості

Просунуті теми математичної статистики

• Нормальний та інші види розподілів
• Центральна гранична теорема
• Помилки першого та другого роду
• Лінійна регресія
• Правило трьох сигм
• Довірчі інтервали та рівень значущості
• Перевірка наявності зв'язків між метриками - кореляція
• Вступ до A/B-тестування (з практичним прикладом аналізу)

Воркшоп: Мат. статистика на практиці

• Створення вибірки
• Розрахунок кореляції
• Підрахунок описових статистик для датасету та їхня візуалізація

Метрики продукту: дані та аналітичні системи

• Способи збору даних у продукті
• Огляд кабінету Google Analytics та Amplitude
• Data Taxonomy
• Продуктові метрики - термінологія та способи підрахунку
• RFM-аналіз
• Системи аналітики - визначення, особливості та відмінності
• Які дані збирати та як?
• Що таке метрики та їхня класифікація
• Види сегментації користувачів

Воркшоп: Метрики продукту

• Проведення EDA
• Сегментація користувачів за допомогою RFM-аналізу
• Розрахунок метрик продукту

Результат блоку:

• Розумієте, для чого застосовують мат. статистику в аналізі даних, та вмієте розрахувати базові статистики для датасету
• Знайомі з поняттям A/B-тестів та способами їх проведення, формулами підрахунку довірчих інтервалів тощо
• Вмієте рахувати метрики продукту за допомогою SQL та писати вимоги для збору базових подій і метрик у продукті

Блок 6. Підсумки

Підготовка до курсового проєкту - Як презентувати результати аналізу

• Як упакувати отримані результати у зрозумілий звіт
• Як презентувати результати аналізу колегам
• Як знаходити інсайти в даних

Захист курсового проєкту

• Підготовка власного аналізу та звіту аналітика на основі реального датасету
• Презентація результатів лекторам і колегам

Результат блоку:

• Розумієте всі етапи процесу аналізу даних і можете застосовувати їх до реального кейсу
• Знаєте, як правильно підготуватися до презентації результатів проведеного аналізу

Блок 7. Розвиток кар'єри в ІТ

Розвиток кар'єри в ІТ

• Підходи до розвитку кар'єри
• Структура сучасних ІТ-компаній
• Пошук власних сильних і слабких сторін

Стратегія пошуку роботи

• Ресурси для пошуку роботи
• Як знайти роботу в міжнародній компанії
• Як розробити власну стратегію пошуку роботи
• Чому LinkedIn - це важливий інструмент пошуку роботи

Ефективне резюме і супровідний лист

• Структура ефективного резюме
• Як написати супровідний лист
• Найпоширеніші помилки кандидатів у резюме

Проходження процесу відбору до компанії

• Етапи онбордингу
• Особливості інтерв'ю з hiring-менеджером
• Як вести перемовини під час розробки job offer
• Особливості інтерв'ю з рекрутером
• Які запитання ставити під час інтерв'ю

Результат блоку:

• Маєте власну стратегію пошуку роботи
• Правильно оформлюєте власні соцмережі, щоби приваблювати увагу рекрутерів
• Знаєте, як написати супровідний лист і зацікавити роботодавця
• Вмієте презентувати себе

Особливості курсу

• Теорія
• Практика
• Інструменти
• Кар'єра. По завершенню курсу кращі студенти потраплять на співбесіду з рекрутером і Head of Analytics в Laba Group, а двоє з них отримаюь офер на працевлаштування
• Нетворкінг з колегами
• Досвід від практиків

Викладачі курсу

• Юлія Ларіонова - Data Analyst at MEGOGO
• Вікторія Кириченко - 6+ років працює з даними, з яких останні 4 у Railswar