Профессия “Аналитик данных” от Moscow Digital School

О школе

Moscow Digital School - это отличный способ повысить квалификацию или сменить сферу деятельности на стыке IT, экономики и юриспруденции. Школа создает сообщество прогрессивных специалистов, которые хотят идти в ногу со временем и готовы ломать стереотипы.Закончив обучение, вы получаете приглашение в закрытое сообщество MDS. Здесь люди делятся инсайтами, обсуждают горячие события и публикуют эксклюзивные вакансии.

О професии

Аналитик данных занимается сбором, обработкой, анализом и интерпретацией больших объемов данных. Он использует различные методы и инструменты, чтобы извлечь ценную информацию из данных и помочь принимать более обоснованные решения в бизнесе. Аналитик данных также должен уметь визуализировать данные и представлять их в понятном виде для широкой аудитории.

Базовые навыки аналитика данных:

1. Понимание основных концепций статистики и машинного ;
2. Знание языков программирования для работы с данными, таких как Python или R;
3. Умение обрабатывать и анализировать большие объемы данных с помощью инструментов аналитики, таких как SQL, Tableau или Power BI;
4. Навыки визуализации данных для представления результатов анализа в понятной форме;
5. Опыт работы с источниками данных, такими как базы данных или веб-сайты;
6. Умение работать в команде с другими специалистами, такими как разработчики или дизайнеры, для достижения общих целей
7. Знание принципов Data Governance и Data Management, чтобы обеспечить безопасность и контроль над данными.

Средняя зарплата аналитика данных:

1. Уровня Junior - в России составляет около 60 000 - 100 000 рублей в месяц;
2. Уровня Middle - в России составляет около 100 000 - 200 000 рублей в месяц;
3. Уровня Senior - в России составляет около 200 000 - 300 000 рублей в месяц;
4. Уровня Lead - в России составляет более 300 000 рублей в месяц.

В среднем в России в месяц публикуется около 10 800 вакансий.

Программа обучения

4 месяца
12 модулей
Удостоверение гособразца по окончании обучения

Модуль 1. Вводный

• Задачи и виды аналитиков
• Аналитика данных
• Навыки аналитика

Модуль 2. Excel

• Зачем аналитику Excel?
• Фильтрация и сортировка данных
• Способы ввода функции
• Редактирование формул и система отслеживания ошибок
• Полезные функции в Excel
• Сводные таблицы: определение, условия построения, настройка областей
• Группировка данных
• Типы диаграмм
• Спарклайны
• Power Query
• Надстройка «Поиск решения». Подключение и настройка параметров
• Выпадающие списки
• OLAP-куб
• Макросы

Модуль 3. SQL

• История языка, стандарт SQL, базовые понятия
• Структура оператора SELECT
• Основные типы данных
• Логические операторы
• Агрегатные функции и группировка
• Подзапросы
• Соединение таблиц
• Создание, обновление и удаление таблиц
• Обобщенные табличные выражения, Представления
• Оконные функции
• Типовые сценарии применения
• Введение в оптимизацию запросов

Модуль 4. BI и дашборды

• Знакомство с возможностями инструмента Power BI
• Power Query
• Подготовка данных к анализу
• Работа с расширенным редактором: язык М
• Принципы построения модели данных, организация таблиц, управление связями
• Язык анализа данных DAX
• Загрузка связанных источников данных
• Справочники и автоматически вычисляемые справочники для загруженных запросов
• Распространенные примеры усложненных вычислений DAX
• Формирование мер
• Вычисляемые столбцы и группировки данных
• Дашборд для ключевых показателей эффективности компании
• Блок визуализации в Power BI Desktop
• Дизайн дашборда и применение тем
• Работа в PowerBI из браузера
• Визуализация данных в Grafana и Yandex DataLens

Модуль 5. Python для аналитики данных.

• Знакомство с Jupyter Notebook и markdown
• Простые операции с числами и строками
• Условный оператор и цикл for
• Функции
• Введение в Pandas
• Простые визуализации
• Анализ выбросов данных
• Загрузка и модификация данных
• Анализ посещаемости интернет-магазина
• Воронка продаж, столбцовые диаграммы, анализ конверсии
• Введение в математическую статистику
• Описательные статистики
• Введение в проверку статистических гипотез
• A/A и A/B тестирование
• Объединение данных
• Когортный анализ
• Сравнение качества трафика из двух рекламных источников

Модуль 6. Финальный проект.

• Построите управленческий дашборд с ключевыми показателями бизнеса
• Попробуете себя в роли аналитика данных бразильского маркетплейса Olist. Обсудите бизнес-процесс работы маркетплейса и модель данных. Научитесь работать с базой данных на удаленном сервере. Разберёте подходы решения к задачам бизнеса