Аналітик даних

Программа курса

Введение в профессию Data Analyst

На этом курсе начинают с основ. Сначала разбираются, кто такой аналитик данных и чем он занимается. Далее идет обзор различных специализаций - бизнес-аналитик, продуктовый аналитик, вебаналитик. Студенты получают представление об инструментах, которые используют в работе, и понимают, какой инструмент для каких задач подходит.

Работа с данными в Google Sheets

Первый практический блок посвящен Google Sheets. Здесь учат сортировать и фильтровать данные, использовать математические, статистические и логические функции. Показывают, как работать с условным форматированием и типами данных. Далее переходят к более сложным темам - создание сводных таблиц, подключение внешних источников данных и построение графиков. На воркшопе студенты закрепляют навыки на практике.

Базы данных и SQL

Этот блок учит работать с базами данных. Начинают с теории - что такое базы данных, какими они бывают, чем отличаются от электронных таблиц. Знакомятся с Google BigQuery. Затем переходят к SQL - от простых операторов SELECT, WHERE, LIMIT до сложных запросов с JOIN, UNION и подзапросами. Отдельно рассматривают функции агрегации, работу с разными типами данных, оконные функции. На воркшопах студенты практикуются в написании запросов и их оптимизации.

Python для анализа данных

Здесь учат основам программирования на Python. Начинают с базовых типов данных, условных операторов и циклов. Затем переходят к библиотекам для работы с данными - главным образом Pandas. Студенты учатся читать данные из разных форматов, нормализовать их, работать с датами. Далее идет подключение к базам данных - BigQuery и PostgreSQL - и трансформация данных. Отдельные занятия посвящены визуализации с Matplotlib, парсингу данных и знакомству с Git, Terraform и Airflow.

Визуализация данных и построение дашбордов

Этот блок про то, как представлять данные понятно. Сначала разбирают принципы эффективной визуализации, виды графиков и методы построения дашбордов. Затем переходят к конкретным инструментам - Looker Studio и Tableau. Студенты учатся подключать источники данных, создавать различные типы визуализаций и строить понятные отчеты. Каждый инструмент отрабатывают на отдельном воркшопе.

Математическая статистика и продуктовые метрики

Здесь сосредотачиваются на аналитической составляющей работы. Сначала проходят основы математической статистики - меры центральной тенденции, изменчивости, нормальное распределение, корреляция, регрессия. Особое внимание уделяют A/B-тестированию - от теории до практического анализа. Вторая часть блока посвящена продуктовым метрикам - как их считать, какие данные собирать, как проводить RFM-анализ и сегментацию пользователей. На воркшопах студенты практикуются в проведении EDA и расчете метрик.

Финальный проект и карьерное развитие

Завершающая часть курса готовит к реальной работе. Студенты учатся упаковывать результаты анализа в понятные отчеты, находить инсайты и презентовать свои выводы. Каждый готовит собственный аналитический проект на основе реальных данных и защищает его. Отдельный блок посвящен карьере - от разработки стратегии поиска работы до написания резюме и подготовки к собеседованиям. Студенты получают практические советы, как работать с LinkedIn, вести переговоры с работодателями и презентовать себя.