Курс «Бизнес-аналитик»

Бизнес-аналитики играют ключевую роль в улучшении бизнес-процессов, повышении эффективности работы компании и оптимизации затрат. Профессия бизнес-аналитика востребована в различных отраслях: от IT и финансов до маркетинга и здравоохранения. Если вас интересуют самые актуальные профессии, то обратите внимание на бизнес-анализ. Академия «Синергия» проводит курс для тех, кому нравится анализировать информацию и есть желание освоить новую профессию.

На занятиях вы узнаете, как проводить исследования рынка, проектировать бизнес-модели, создавать отчеты и презентации, работать с инструментами анализа данных для бизнеса. Вы будете работать с реальными кейсами и получать навыки, которые сможете сразу применить в работе. Преподаватели курса — опытные специалисты с реальным опытом в области бизнес-анализа. Курс подойдет как новичкам, так и тем, кто стремится повысить квалификацию.

Краткая программа курса «Бизнес-аналитик»:

1. Введение в профессию бизнес-аналитика. Карьерный путь.
2. Инструменты анализа. Excel и Google Sheets.
3. Структурирование, визуализация, моделирование и оптимизация бизнес-процессов.
4. Python для анализа и визуализации.
5. AI и ML для бизнес-аналитика.
6. Формирование уверенного образа и монетизация экспертности.

В результате вы научитесь анализировать данные, оптимизировать процессы и предлагать решения для улучшения эффективности бизнеса.

1 модуль. Введение в профессию бизнес-аналитика

Тема 1. Введение в профессию бизнес-аналитика

• Введение в профессию бизнес-аналитика.
• Зачем нужна аналитика данных в компании.

2 модуль. Работа с данными. Инструменты

Тема 1. Инструменты анализа данных

• Источники данных.
• Python как инструмент анализа данных. Часть 1.
• Python как инструмент анализа данных. Часть 2.
• Структура SQL. Часть 1.
• Структура SQL. Часть 2.

Тема 2. Работа с отчетностью и таблицами

• Excel основы работы.
• Сводные таблицы и ВПР.
• Обработка и подготовка данных в Excel.
• Визуализация данных и фильтры.
• Переход из Excel в GS.
• Обзор и основы работы в Google Sheets.
• Форматирование данных.
• Функции (обработка данных).
• Парсинг данных.
• Прогнозирование.
• Возможности автоматизации в GS.
• Визуализация данных в GS.
• Быстрый анализ.

Тема 3. Data science

• Что такое data science.
• Data science возможности для бизнеса
• Как подготовить бизнес к внедрению data science.
• Как оценить результат от внедрения data science.

Тема 4. Работа с BI-системами

• Что такое BI-система.
• Выбор BI-системы.
• Загрузка данных и обновление.
• Дашборд.
• Создание виджета.
• Фильтры и интерактивное взаимодействие на дашборде.
• OLAP.
• Этапы внедрения BI-системы в компанию.

Тема 5. Использование метрик

• Обзор популярных метрик.
• Для чего нужна Яндекс.Метрика.
• Работа в Яндекс.Метрика.
• Отчеты в Яндекс.Метрика.
• Яндекс.Метрика. Электронная коммерция для интернет-магазинов.
• Работа в Google Analytics.

Модуль 3. Бизнес-архитектура предприятия

Тема 1. Бизнес-архитектура предприятия

• Бизнес-архитектура предприятия.
• Этапы изменения бизнес-архитектуры.
• Запуск организационных изменений.

Модуль 4. Работа с заказчиками. Сбор информации и требований

Тема 1. Работа с заказчиками. Сбор информации и требований

• Проведение интервью с заказчиком.
• Постановка SMART-целей.
• Определение бизнес-требований.
• Определение стейкхолдеров. Матрица RACI.
• Составление проблемного поля.

Модуль 5. Описание бизнес-процессов и аналитика данных

Тема 1. Сбор информации о процессах

• Источники информации о действующих бизнес-процессах.
• Анализ и интерпретация данных о процессе.

Тема 2. Описание бизнес-процессов

• Нотации для описания бизнес-процессов. IDEF0, EPC, BPMN. Часть 1.
• Нотации для описания бизнес-процессов. IDEF0, EPC, BPMN. Часть 2.
• Технология описания процесса.
• Виды анализа бизнес-процессов.
• Риски бизнес-процессов.

Модуль 6. Оптимизация бизнес-процессов

Тема 1. Оптимизация бизнес-процессов

• Способы и этапы изменения бизнес-процесса.
• Улучшение процессов на основе статистического анализа.
• Имитационное моделирование.
• Функционально-стоимостный анализ.
• Виды ресурсов в бизнес-процессе.
• Расчет сроков, ресурсов и бюджета изменения бизнес-процесса.

Модуль 7. Защита разработанного бизнес-процесса перед заказчиком

Тема 1. Защита разработанного бизнес-процесса перед заказчиком

• Структура презентации результатов анализа и оптимизации бизнес-анализа.
• Защита перед заказчиком.

Модуль 8. Взаимодействие с командой разработки

Тема 1. Взаимодействие с командой разработки

• Составление списка работ для команды разработки. Диаграмма Ганта.
• Постановка и контроль выполнения задач командой разработки.
• Инструменты для управления командой разработки.
• Организация и проведение встреч.
• Управление конфликтами.

Модуль 9. Оценка результатов изменений бизнес-процесса

Тема 1. Оценка результатов изменений бизнес-процесса

• Тестирование бизнес-процесса.
• Интерпретация результатов внедрения бизнес-процесса.
• Документирование результатов.
• Доработка изменений бизнес-процесса.
• Составление итоговой, отчетной документации. Представление итогов заказчику.

Модуль 10. SQL

Тема 1. Основы SQL

• Что такое SQL.
• Что такое Postgresql.
• Нереляционные базы данных: NOSQL.
• Практика 1. Установка PgAdmin + Postgres.
• Практика 2. Database.
• Виды данных, которые хранятся в базах данных.
• 6 нормальных форм.
• Виды связей между таблицами PK и FK.

Тема 2. Подъязыки SQL

• Создание таблиц и добавление туда данных.
• View и Materilized View.
• Теоретическая часть.
• Практическая часть.

Тема 3. Извлечение информации при помощи SQL запросов

• Теоретическая часть.
• Практическая часть.

Тема 4. Фильтрация строк WHERE. Регулярные выражения LIKE. AND и OR

• Теоретическая часть.
• Практическая часть.

Тема 5. Сортировка строк: ORDER BY. Ограничение выборки: LIMIT, OFFSET

• Теоретическая часть.
• Практическая часть.

Тема 6. Условные выражения: CASE, COALESCE, NULLIF, GREATEST, LEAST

• Теоретическая часть.
• Практическая часть.

Тема 7. Работа со строками: SUBSTRING, LOWER, UPPER, TRIM, LTRIM, RTRIM, LENGTH

• Теоретическая часть.
• Практическая часть.

Тема 8. Работа с датами

• Теоретическая часть.
• Практическая часть.

Тема 9. Агрегатные функции: COUNT, SUM, MIN, MAX, AVG. GROUP BY, HAVING

• Теоретическая часть.
• Практическая часть.

Тема 10. Оконные функции: row_number , rank, dense_rank, lag, lead + все агрегатные функции

• Теоретическая часть.
• Практическая часть.

Тема 11. Понятия первичный ключ и внешний ключ

• Теоретическая часть.
• Практическая часть.

Тема 12. Типы связей в БД

• Теоретическая часть.
• Практическая часть.

Тема 13. Оператор JOIN

• Оператор JOIN: Теория.
• Оператор JOIN: Практика.
• Виды JOIN: Теория.
• Виды JOIN: Практика.
• Алгоритмы JOIN.
• Оператор UNION: Теория.
• Оператор UNION: Практика.

Тема 14. Подзапросы

• Подзапросы: Теория.
• Подзапросы: Практика.
• Операторы IN, ANY, ALL, EXISTS: Теория.
• Операторы IN, ANY, ALL, EXISTS: Практика.

Тема 15. Работа с SQL из Python

• Теоретическая часть.
• Практическая часть.

Модуль 11. Python для анализа и визуализации данных

Тема 1. Знакомство. Введение и установка IDE. Ввод и вывод данных в консоль. Объекты. Числа

• Знакомство во спикером (А. Бражников).
• Знакомство во спикером (Юденко).
• Знакомство. Введение и установка IDE.
• ТекстВвод и вывод данных в консоль. Объекты. Числа.

Тема 2. Условный оператор

• Условный оператор.

Тема 3. Операторы цикла

• Цикл while.
• Понятие итератора. Методы iter(), next(), исключение StopIteration.
• Цикл for.

Тема 4. Типы данных. Часть 1

• Компьютер. Процесс. Память. PyObject.
• Изменяемые и неизменяемые типы.
• Списки.
• Кортежи.

Тема 5. Типы данных. Часть 2

• Строки.
• Хэшируемость. Метод hash().
• Множества.
• Словари.

Тема 6. Списки (Массивы)

• Списки, методы списков, срезы.
• Генераторы списков.
• Алгоритмы сортировки.

Тема 7. Функции и процедуры. Рекурсия

• Функции.
• Глобальные и локальные переменные.
• Рекурсия.

Тема 8. Функции и процедуры. Генераторы. Замкания. Декораторы

• Замыкания.
• Декораторы.
• Генераторы.

Тема 9. Многомерные массивы

• Многомерные массивы.
• Исключения.
• API.

Тема 10. ООП (классы). Теория. Синтаксис классов

• ООП парадигма + 2. Класс как структурная единица.
• Принципы ООП. Инкапсуляция. Наследование. Полиморфизм.
• Создание класса, аттрибуты и методы, геттеры и сеттеры. Наследование и полиморфизм.
• Абстрактные классы. Модуль ABC;Пример. Геометрические фигуры.

Тема 11. Ввод и вывод данных. Практика применения

• Работа с текстовыми файлами CSV и JSON.
• Работа с табличными данными CSV.
• Практика применения CSV и JSON.

Тема 12. Работа с изображениями

• Работа с изображениями. Часть 1.
• Работа с изображениями. Часть 2.

Тема 13. Numpy

• Np.array и чем он лучше обычного массива.
• Константы и функции.
• Матрицы/многомерные массивы.
• Практика.

Тема 14. Pandas

• Структура данных DataFrame, структура данных Series; функции read_csv и to_csv; методы head и tail. Информация о данных: функция display(), методы info и describe; числовые и категориальные признаки.
• Базовые операции с данными, со строками и столбцами. Преобразования данных.
• Вывод срезов данных в Series и DataFrame: срезы по индексам, строкам и столбцам; методы loc и iloc. Основы поиска по данным, простая фильтрация, логическая индексация, метод query.
• Очистка данных: пропуски, дубликаты; методы dropna, fillna, drop_duplicates.
• Аггрегация данных: groupby и pivot_table; методы value_counts, unique, nunique; методы min, max и mean, sum.
• Объединение таблиц: методы merge и join, параметры on и how.

Тема 15. Request

• Что такое Web Mining.
• Основы работы интернета, HTTPS.
• Введение в HTML.
• Виды запросов. Первый get-запрос.
• beautifulSoup. Инструменты разработчика Браузера. Парсинг одной страницы.
• beautifulSoup. Парсинг множества страниц (crawling).
• Api + json.

Модуль 12. AI и ML для бизнес-аналитика

Тема 1. Определения и базовые понятия

• Введение.
• Предпосылки к машинному обучению.
• Компоненты машинного обучения.
• Искусственный интеллект и глубокое обучение.
• Кейсы применения машинного обучения.

Тема 2. Постановка задачи машинного обучения

• Карта машинного обучения. Supervised learning, unsuperwised learning, weakly-supervised learning.
• Обучение с учителем: классификация.
• Обучение с учителем: регрессия.
• Обучение без учителя: кластеризация, понижение размерности и ассоциация.
• Обучение с подкреплением.
• Методология разработки ML-проекта.

• Формат
  Самостоятельно с наставником
  Живые вебинары / Видеоуроки / Консультации
  Обучение в ЛК на сайте автора
• Количество уроков
  192
• Продолжительность
  6 месяцев
• Уровень сложности
  Для новичков
• Когда вы будете учиться
  В любой день в любое время
• Домашние задания
  ЕстьС проверкой
• Документ об обучении
  СертификатДиплом Защита итогового проекта
• Обязательное выполнение итоговой работы
• Сопровождение
  Куратором
• Техническая поддержка
  В рабочее времяЧат в вкЧат в мессенджереЭлектронная почтаТелефон
• Перспективы после обучения
  ТрудоустройствоСтажировка
• Срок доступа к материалам
  Бессрочный
• Безопасная покупка
  Трудоустройство или возврат денег
• Бонусы
  Для всех учеников
• Год выхода
  2024 Последнее обновление: 17.12.2024