Встраивание аналитики больших данных в деятельность бизнеса на регулярной и профессиональной основе – это даже не отдельный функционал, а целое стратегическое направление. Без ответственных работников внедрение в жизнь больших планов в отношении больших данных, скорее всего, кончится неудачей.
Данных много, а пользы нет? Только проверенные компании, которые специализируются на Big DataВ той или иной степени, с большими данными работают разные специалисты компании. К данным из внутренних источников имеют отношение буквально все работники. На этапе перехода к большим данным и в процессе их использования есть ключевые функциональные роли, которые принципиальны для проекта.
Заказчик
Кто-то должен внутри бизнеса, находясь вне команды, поставить общую цель и сформулировать серию рабочих задач. Необходимо определить, как большие данные интегрируются в бизнес-модель и как изменится бизнес-модель после такой интеграции.
Заказчик не обязан разбираться в деталях больших данных, но должен понимать, зачем они бизнесу, какой результат они дают и как бизнес изменяется под их воздействием.
Заказчиком может быть некоторая группа специалистов и менеджеров, имеющих полномочия по подготовке решений высокого уровня в отношении бизнес-модели компании. Как правило, заказчик регулирует общие подходы к реализации проекта больших данных и выступает спонсором проекта.
За последние два года в некоторых западных компаниях появилась новая высокая должность – Директор по использованию данных (Chief Data Officer, CDO). Связано это с повышением роли данных в управлении бизнесом и, в частности, с перспективами технологии Big Data.
– Сергей Свинарев, «Большим данным нужны большие начальники?»
Руководитель проекта
Возглавляет команду проекта больших данных руководитель проекта. В его обязанности входит общая организация работ по проекту, в том числе детализация целей, задач и планов проекта, оперативное планирование и контроль этапов проекта, планирование ресурсов и времени специалистов проекта.
Руководитель непосредственно отвечает перед заказчиком по ходу реализации проекта больших данных. Руководитель может совмещать свои функции с любыми функциями других ролей. В качестве руководителя хорошо выбрать профессионала с высоким уровнем подготовки и опытом в сфере экономического или маркетингового анализа данных, который обладает также знаниями в области ИТ-технологий. Конечно же, руководитель подбирается из числа тех, кто способен возглавить проект как управленец.
Data Chef курирует (контролирует и координирует) работу по анализу данных. Он обладает знаниями в области анализа данных. В идеале Data Chef имеет уверенную подготовку в области официальной статистики и твердое понимание архитектуры данных.
– Martyn Jones, «7 New Big Data Roles for 2015»
Специалист по стратегическому планированию
Развитием проекта больших данных, в том числе укрупненным его планированием, может заниматься руководитель проекта. Для полноценного управления задачами проекта (когда нужно точно соблюсти намеченные заказчиком параметры и полученные результаты) привлекается специалист по стратегическому планированию. В его функционал входит планирование и координация проекта больших данных и бизнес-модели. Этот специалист должен иметь право готовить решения высокого уровня по изменению стратегии развития компании и проекта развития больших данных, осуществляя при этом постоянную оценку результативности последнего.
Специалист по стратегическому планированию отслеживает текущий ход проекта по использованию больших данных, учитывает особенности бизнес-процессов и бизнес-объектов компании и имеет право предлагать решения по их максимально эффективному интегрированию.
Выделив отдельную роль специалисту по стратегическому планированию, вы существенно повышаете «ответственность» проекта и снижаете риск потери эффективности больших данных.
Функционал стратегического планирования можно разделить между заказчиком и руководителем. Но это не самая лучшая идея, потому что у них просто не хватит время на ежедневную работу в этом направлении.
Если вы хотите построить компанию «на века», вы должны учитывать ее будущие потребности. Здесь придет на помощь стратегическое мышление.
– Дмитрий Тузов, «Что могут дать предприятию большие данные?» – PCWeek
Аналитик проекта
Одна из важнейших составляющих в проекте больших данных – аналитика. От работы аналитиков зависит конечный результат. Можно собрать идеальные громадные массивы красиво структурированных данных и поместить их на великолепный суперсервер, но, если аналитик ничего не скажет полезного для бизнеса после того, как замучает хранилище запросами, – проект провалится. Аналитик в какой-то степени защищен от неудачи, если изначально разработана качественная модель потоков больших данных с выходными параметрами и показателями. Но от уровня профессионализма аналитика зависит очень многое, особенно – когда на строгий суд заказчика понадобится представить хоть что-нибудь впечатляющее и объяснить, куда потрачены дефицитные финансовые ресурсы.
По теме: Что такое демонстрация проекта и зачем она вам нужна?
Аналитики проекта больших данных должны обладать профессиональными знаниями и умениями в области сбора и обработки данных, в области анализа экономических, финансовых, статистических и производственных данных. Фактически вся ключевая смысловая работа с данными ложиться на аналитиков проекта.
Выделим несколько специализаций:
- Аналитик бизнес-модели. Зона ответственности: понимание бизнес-модели, анализ бизнес-модели на основе традиционных и больших данных, формулировка и обоснование изменений в бизнес-модель, подготовка решений по бизнес-модели, увязка бизнес-модели и больших данных, требования к данным;
- Аналитик структур данных. Зона ответственности: понимание структур данных и их связь с элементами бизнес-модели, контроль и корректировка смысловой целостности данных и метаданных, изменение структур и классификации данных, контроль качества данных, сервис данных;
- Аналитик рисков. Зона ответственности: оценка потенциальных угроз данным и контроль информационных рисков, контроль достоверности данных и их источников, контроль рисков принятия решений на основе больших данных, вероятностная оценка прогнозных моделей.
Аналитик – это уникальный специалист для каждого конкретного бизнеса. Он обладает исключительными компетенциями для понимания бизнес-модели. Уровень информации, к которой он имеет доступ – это фактически уровень топ-менеджмента соответствующего направления. По доступу к информации, осведомленности и пониманию особенностей бизнеса он ближе к руководству, чем к экспертной категории сотрудников. А иногда аналитик объективней и реалистичней, чем само руководство. От результатов его работы зависит общее понимание экономической, финансовой, производственной, маркетинговой ситуации, в которой оказался бизнес сегодня. Аналитик знает, что к этому привело и как бизнес поведет себя в будущем.
Опыт работы профессионального аналитика весьма ценен для любого бизнеса. Он уникален так же, как уникальна каждая отстроенная бизнес-модель.
Аналитик должен быть относительно независим и незаинтересован в том, чтобы своими расчетами и выводами подтверждать свою же правоту. Хороший аналитик сам должен находить свои ошибки и исправлять их.
Не следует путать аналитика со статистиком или математиком. Он обычно понимает и умеет формулировать математические модели определенного класса, умеет применять статистические инструменты для обработки данных. В большей же степени он должен разбираться в том, как данные увязаны с бизнес-процессами и бизнес-объектами. Аналитику необходимо уметь разбираться в том, что означают собранные и обработанные данные с точки зрения экономических, производственных и рыночных процессов. Математические исследования и статистические доказательства – это не зона ответственности аналитика, это его инструментарий.
Аналитик – это и эксперт, и исследователь, и исполнитель, и дизайнер данных. Но аналитик не в состоянии заменить, например, «классного» менеджера по продажам. Это значит, что никакой глубокий, традиционный или большой анализ данных не наладит производственный или логистический процесс, не улучшит привлекательность и качество продукта, не гарантирует устойчивое финансовое положение. Аналитика лишь в состоянии показать, что идет не так в бизнесе, что заменить в бизнес-модели, на что обратить внимание.
Правильно интерпретировать скрытые в массивах больших данных тенденции и взаимосвязи могут в буквальном смысле считанные подготовленные специалисты. В некоторой степени их способны заменить фильтры и распознаватели структур, но качество получаемых на выходе результатов пока оставляет желать лучшего.
– «Большие данные (Big Data)»
ИТ-администратор проекта
Функции администраторов очень важны с точки зрения обеспечения ИТ-инфраструктуры проекта больших данных. По большому счету специалисты, вовлекаемые в работу с большими данными со стороны подразделений, ответственных за информационные технологии, решают общие вопросы бесперебойной работы программно-аппаратной инфраструктуры. Требования к ИТ с позиции больших данных имеют отличия по емкости, скорости и безопасности.
Можно говорить о следующих ключевых ИТ-администраторах проекта:
- Администратор хранилища данных. Зона ответственности: принятие данных в хранилище, проверка структуры данных, контроль размещения данных, исправление формата данных, формулирование и контроль запросов к хранилищу данных, контроль извлекаемых данных, сервис хранилища;
- Администратор структур данных. Зона ответственности: контроль и исправление структуры данных, классификация данных, контроль и получение метаданных, контроль и корректировка смысловой целостности данных, мониторинг качества данных;
- Администратор системы защиты. Зона ответственности: обеспечение защищенных соединений, контроль качества связи, защита конфиденциальности данных, управление учетными данными пользователей.
Очевидно, что одним из способов сокращения команды проекта и издержек на такую команду – это ИТ-администратор «в одном лице», который будет выполнять все упомянутые и сопутствующие им работы. Такой подход рекомендуется для старта проекта, но не для регулярной работы с большими данными.
Big Data открывает перед ИТ-отделами новые возможности для наращивания ценности и формирования тесных отношений с бизнес-подразделениями, позволяя повысить доходы и укрепить финансовое положение компании. Проекты Big Data делают ИТ-подразделения стратегическим партнером бизнес-подразделений.
Программист
Задача программиста – разрабатывать программные средства обработки данных и автоматизировать работу с ними. Программист, вовлекаемый в команду проекта больших данных, должен иметь профессиональные знания и навыки не только в сфере объектно-ориентированного, функционального программирования и разработки алгоритмов, но и в сфере обработки крупных объемов информации.
Вопросы автоматизации больших данных бизнеса действительно серьезны для развития проекта. Большие объемы и задачи требуют существенного – в разы – сокращения времени на выполнение рутинных, типовых и повторяющихся операций. При этом следует понимать, что автоматическое выполнение операций компьютером предпочтительнее, даже если оно сравнимо по затратам времени с выполнением той же операции работником вручную (или в полуавтоматическом режиме).
Специалистов из команды больших данных надо освобождать от неквалифицированного труда. В этой связи важен вопрос построения пользовательских интерфейсов программных продуктов для работы с большими данными. К ним есть несколько особых требований: простота, наглядность, логичность, системность, интуитивность и наличие подсказок. Громоздкие и сложные интерфейсы сведут на нет мощный функционал кода.
ПО для аналитической обработки Big Data и выявления закономерностей — это большая группа приложений, которая может быть классифицирована по разным принципам. Приложения для оффлайновой или онлайновой обработки по запросу, средства выявления закономерностей в данных, приложения для различных вертикальных областей, например, решения для розничной торговли, оптимизации транспортных потоков, и т. Данное ПО также может быть классифицировано по типу данных, которые анализируются: текстовые, аудио, видео, сетевые структуры. Кроме того, приложения можно разделить по степени сложности задач: базовая агрегация или сложные прогнозные задачи.
– Андрей Найдич, «Big Data: проблема, технология, рынок»
Супервайзер
Если у заказчика нет возможности компетентно и регулярно следить за ходом проекта больших данных, то имеет смысл ввести около-проектную позицию супервайзера.
Для объективной оценки работы команды проекта в целом и по отдельным задачам нужен относительно независимый контроль. А для того, чтобы избежать неожиданного провала проекта или временных задержек в реализации конкретных работ по разным управляемым причинам, организуется постоянный, но ненавязчивый контроль.
Желательно, чтобы супервайзер взаимодействовал с заказчиком, но не подчинялся ему. Супервайзером может быть внешний консультант, понимающий суть и задачи проекта. Скорее всего, внешний консультант примет участие в проекте больших данных с самого его начала.
Супервайзерам должно быть предоставлено решающее слово в остановке производственного процесса, если оказывается, что невозможно изготовить качественную продукцию. Им следует предоставить право отказаться от обязательств по выполнению графика в случае, когда становится известно, что иные обязательства помешают им к сроку выполнить свою часть работы.
Эксперт
Команде проекта понадобится участие различных экспертов. Если такое участие будет длительным, то экспертов придется включить в команду. Наверное, излишне говорить, что эксперты должны быть профессионалами в вопросах, которые помогают решать. Приветствуется привлечение независимых внешних консультантов.
Не стоит пытаться экономить на внешних экспертах и консультантах при принятии решений, которым предстоит определять направление развития и успех вашего предприятия на десятилетия вперёд. В совокупной стоимости любого долгосрочного инвестиционного решения доля затрат на них ничтожно мала. Поэтому, сэкономив на спичках, вы рискуете потерять большую часть своих инвестиций просто из-за неправильного прогноза изменений внешних условий.
– Владимир Стус, «Как работать с внешними консультантами?»
Команда проекта больших данных по численному и качественному составу формируется в зависимости от сложности и амбициозности поставленных целей. Если поручено в сжатые сроки обеспечить внедрение большой аналитики в компании, то команда будет достаточно внушительна. Учитывая же практическую сторону вопроса и набирающий обороты рынок инструментов и специалистов, работающих с большими данными, начинать проект лучше с командой до 5 – 7 человек.
Надо понимать, что доступные технологии Big Data – всего лишь конструктор для сборки средств автоматизации деятельности персонала информационно-аналитических систем – инструмента, повышающего качество решений. И прежде чем что-то покупать, надо еще понять, что именно из более чем 900 продуктов конструктора следует применить. То есть, попробовать. Затем надо еще обучить людей как использованию собранного под задачу инструмента, так и самому процессу сборки.
– CNews, «Big Data в России: оцениваем возможности и риски»
Команда, работающая с большими данными, обязана постоянно совершенствоваться и развиваться, повышая свой профессиональный уровень и осваивая все более сложные и производительные инструменты. Такая команда становится экспертным центром бизнеса в области больших данных и аналитики. А являясь своеобразным центром компетенции, команда проекта больших данных вовлекает и обучает потребителей больших данных внутри бизнеса.
Общение команды проекта с работниками компании на разных управленческих уровнях помогает в повышении качества отдельных элементов большой аналитики и ее пользы не только для принятия стратегических решений, но и для повседневной работы по таким направлениям как экономика, кадры, финансы, логистика, операционный менеджмент, маркетинг, продажи, коммуникации, производство, качество, безопасность, гарантийный и послепродажный сервис.
Если бизнес стремится извлечь максимальную выгоду от использования больших данных, то поддержание высокого профессионального уровня команды – одна из его базовых стратегических задач.
Неминуемо возникнет проблема сохранения успешной команды проекта больших данных, а также проблема ее расширения или трансформации во что-то большее.
Утрата одного профессионала, особенно владеющего сложными инструментами, может привести к существенной потере производительности команды в целом. А если специалист был ключевым – то и к закрытию проекта больших данных.
По теме: Эффективный менеджмент без регистрации и SMS
Специалисты по персоналу отмечали ряд сложностей в подборе аналитиков больших данных. Это было вызвано дефицитом квалифицированных кадров и отсутствием критериев по оценке компетенций.
– Исследовательский центр портала Superjob, «Аналитик Big Data»
Фото на обложке: Shutterstock.
В основном, аналитик данных собирает и анализирует данные, организует их и использует для того, чтобы делать осмысленные выводы. «Задачи аналитиков данных варьируется в зависимости от типа данных, с которыми они работают (продажи, социальные сети, инвентаризация и т. ), а также от конкретного клиентского проекта», — комментирует Стефани Фэм, аналитик компании
Компании практически в любой отрасли могут извлечь пользу из работы аналитиков: от поставщиков медицинских услуг до розничных магазинов и сетей быстрого питания. Идеи, которые аналитики данных привносят в организацию, могут оказаться ценными для руководителей, которые хотят знать больше о потребностях своего потребителя или конечного пользователя.
Независимо от того, в какой отрасли они работают, аналитики данных разрабатывают системы для сбора данных и составления отчетов, которые помогут улучшить показатели компании.
Аналитики могут быть вовлечены в любую часть процесса. В роли аналитика данных вы можете участвовать во всем, начиная с настройки аналитической системы и заканчивая предоставлением информации, основанной на собранных данных — вас даже могут попросить обучить других работать с вашей системой. Теперь, когда у вас есть представление о том, чем занимаются аналитики данных, вы готовы углубиться в специфику их жизни и работы.
Что делает ученый по данным
Как и Data Analyst, исследователь данных тоже работает с информационными массивами путем выполнения следующих операций:
поиск закономерностей в информационных наборах;подготовка данных к моделированию (выборка, очистка, генерация признаков, интеграция, форматирование);моделирование и визуализация данных;разработка и тестирование гипотез по улучшению бизнес-метрик через построение моделей машинного обучения (Machine Learning).
Data Scientist, в большинстве случаев, ориентирован на предиктивную аналитику, тогда как аналитик данных чаще всего рассматривает информацию пост-фактум. Тем не менее, основная цель исследователя данных созвучна главной рабочей цели аналитика Big Data — извлечение из информационных массивов сведений, полезных для бизнеса с точки зрения принятия оптимальных управленческих решений.
Портрет профессиональных компетенций ученого по данным
Профессиональные компетенции исследователя данных
Чтобы решать вышеописанные задачи, ученый по данным должен быть компетентным в следующих областях знаний:
информационные технологии — методы и средства интеллектуального анализа данных (Data Mining): алгоритмы и структуры данных, машинное обучение и другие разделы искусственного интеллекта (искусственные нейронные сети, генетические алгоритмы, deep learning), языки программирования (R, Python, Julia, Haskell), среды статистического анализа (R-Studio, MatLab, Jupyter Notebook);математика (статистика, теория вероятностей, дискретная математика);знание предметной области — отраслевая или корпоративная специфика.
Отметим, что, в отличие от аналитика данных, Data Scientist концентрируется на технических сторонах исследования информации, уделяя меньшее внимание системному анализу и бизнес-процессам.
Области знаний Data Science
Чем отличается аналитик Big Data от исследователя данных
На первый взгляд может показаться, что Data Scientist ничем не отличается от Data Analyst, ведь их рабочие обязанности и профессиональные компетенции частично пересекаются. Однако, это не совсем взаимозаменяемые специальности. При значительном сходстве, отличия между ними также весьма существенные:
по инструментарию — аналитик чаще всего работает с ETL-хранилищами и витринами данных, тогда как исследователь взаимодействует с Big Data системами хранения и обработки информации (стек Apache Hadoop, NoSQL-базы данных и т. ), а также статистическими пакетами (R-studio, Matlab и пр. );по методам исследований — Data Analyst чаще использует методы системного анализа и бизнес-аналитики, тогда как Data Scientist, в основном, работает с математическими средствами Computer Science (модели и алгоритмы машинного обучения, а также другие разделы искусственного интеллекта);по зарплате — на рынке труда Data Scientist стоит чуть выше, чем Data Analyst (100–200 т. против 80–150 т. , по данным рекрутингового портала HeadHunter в августе 2019 г. Возможно, это связано с более высоким порогом входа в профессию: исследователь по данным обладает навыками программирования, тогда как Data Analyst, в основном, работает с уже готовыми SQL/ETL-средствами.
На практике в некоторых компаниях всю работу по данным, включая бизнес-аналитику и построение моделей Machine Learning выполняет один и тот же человек. Однако, в связи с популярностью T-модели компетенций ИТ-специалиста, при наличии широкого круга профессиональных знаний и умений предполагается экспертная концентрация в узкой предметной области. Поэтому сегодня все больше компаний стремятся разделять обязанности Data Analyst и Data Scientist, а также инженера по данным (Data Engineer) и администратора Big Data, о чем мы расскажем в следующих статьях.
Data Scientist — одна из самых востребованных профессий на современном ИТ-рынке
В области Big Data ученому по данным пригодятся практические знания по облачным вычислениям и инструментам машинного обучения. Эти и другие вопросы по исследованию данных мы рассматриваем на наших курсах обучения и повышения квалификации ИТ-специалистов в лицензированном учебном центре для руководителей, аналитиков, архитекторов, инженеров и исследователей Big Data в Москве:
PYML: Машинное обучение на PythonDPREP: Подготовка данных для Data MiningDSML: Машинное обучение в RDSAV: Анализ данных и визуализация в RAZURE: Машинное обучение на Microsoft Azure
Смотреть расписание занятий
Кто такой BI-аналитик?
BI-аналитик — это специалист, который использует данные и другую информацию, чтобы помочь организациям принимать обоснованные бизнес-решения. BI-аналитиков также могут попросить запрограммировать инструменты и модели данных, чтобы помочь визуализировать или контролировать данные.
Что делают BI-аналитики и чем занимаются?
Обязанности на примере одной из вакансий:
- разрабатывать макеты будущих дашбордов;
- визуализировать метрики и данные с использованием BI-инструментов;
- управлять пулом дашбордов как продуктом: собирать требования, вести бэклог доработок и идей, отвечать за улучшения;
- вместе с командой разрабатывать, поддерживать и развивать удобные и полезные аналитические продукты;
- участвовать в процессе актуализации и улучшения методологии расчета метрик и в других проектах команды HR-дашбордов.
- Поддерживать и развивать имеющееся хранилище данных;
- Создавать удобные интерфейсы для доступа бизнес-подразделений к данными;
- Проверять гипотезы и создавать прототипы различных отчетов;
- Выводить отчеты и дашборды в Production.
Востребованность и зарплаты BI-аналитиков
На сайте поиска работы в данный момент открыто 3 316 вакансий, с каждым месяцем спрос на BI-аналитиков растет.
Количество вакансий с указанной зарплатой BI-аналитика по всей России:
- от 85 000 руб. – 622
- от 155 000 руб. – 294
- от 220 000 руб. – 144
- от 290 000 руб. – 59
- от 360 000 руб. – 27
Вакансий с указанным уровнем дохода по Москве:
- от 100 000 руб. – 307
- от 170 000 руб. – 151
- от 240 000 руб. – 81
- от 310 000 руб. – 27
- от 380 000 руб. – 13
Вакансий с указанным уровнем дохода по Санкт-Петербургу:
- от 90 000 руб. – 91
- от 135 000 руб. – 56
- от 185 000 руб. – 27
- от 230 000 руб. – 19
- от 275 000 руб. – 5
Как стать BI-аналитиком и где учиться?
Варианты обучения для BI-аналитика с нуля:
Ниже сделали обзор 5+ лучших онлайн-курсов.
5+ лучших курсов для обучения BI-аналитика
Стоимость: 69 890 ₽ или рассрочка на 18 месяцев – 3 882 ₽ / мес
Чем занимается аналитик BI:
Аналитик BI работает с данными и демонстрирует проблемы бизнеса на реальных цифрах. Он создаёт понятные отчёты и визуализации, чтобы бизнес принимал решения, полагаясь не на интуицию, а на конкретные показатели.
Аналитик BI — это лёгкий вход в сферу аналитики: профессию довольно просто освоить, а развиваться можно как вертикально, так и горизонтально. На курсе вы изучите современные инструменты визуализации, научитесь работать с данными и представлять их бизнесу в понятном виде.
Кому будет полезен этот курс:Идеально подойдёт тем, кто погружается в аналитику с нуля
- Всем, кто хочет работать с даннымиКурс даёт техническую базу и инструменты для старта в аналитике с нуля и дальнейшего развития в этой области
- Начинающим аналитикамВы получите инструменты для перехода на уровень middle и сможете работать над более интересными задачами
- Специалистам из смежных сферМаркетологов, программистов, продактов и проджектов ждёт апгрейд навыков в аналитике и новая траектория развития карьеры
Возможны три траектории обучения — сделайте выбор после консультации с координатором на основании индивидуальных карьерных целей. Программа состоит из обязательных модулей и модулей на выбор в зависимости от траектории.
- От простого к сложному. Погружение в темуВ первом модуле вы разберётесь, что такое аналитическое мышление, и узнаете, откуда берутся данные.Эта часть про получение и понимание данных.
- Необходимый набор инструментов. Научитесь работать с SQL, PostgreSQL, MongoDB. Познакомитесь с возможностями и компонентами Power BI и научитесь составлять сложные запросы и отчёты.Эта часть курса про создание у бизнеса картины о состоянии дел и отслеживание результатов принятых бизнес-решений.
- Специализация на выборВ этой части выберите модуль, который подходит именно вам. Если нужна помощь с выбором — оставьте заявку, и мы поможем определиться с направлением обучения.Углубитесь в одну из областей: изучите анализ больших данных, освойте инструмент визуализации Tableau или выберите работу с Power BI на продвинутом уровне.
Чему вы научитесь на курсе:
- Работать с сырыми даннымиИнформация для отчётов теперь у вас в руках. От получения данных из разных источников с помощью SQL до их загрузки и обработки средствами Power BI
- Работать с заказчиками данныхСобирайте и обрабатывайте запросы на аналитику, предоставляйте метрики в понятном виде и определяйте точку приложения усилий
- Cоздавать отчёты и дашбордыСоздавайте наглядные интерактивные дашборды для анализа бизнес-метрик в режиме онлайн
- Выдвигать и тестировать гипотезыБерите в работу сложные задачи и будьте уверены в своих подходах к достижению цели. Приоритизируйте гипотезы и подбирайте эффективные инструменты для их проверки
- Мыслить как аналитикПонимание бизнеса позволяет расти быстрее и увеличивать свой капитал. Находите инсайты в данных и предлагайте бизнесу оптимальные сценарии роста
- Организовывать свою работуСтавить цели и оценивать результаты. Научитесь поддерживать мотивацию и эффективно использовать рабочую тетрадь
- Что такое аналитическое мышление
- Введение в Google-таблицы
- Продвинутые Google-таблицы
- Основы статистики
- Откуда берутся данные
- Продвинутая визуализация данных
- Python как инструмент анализа данных
- Машинное обучение для жизни
- Основы SQL
- Углубление в SQL
- Работа с PostgreSQL
- Работа с MongoDB
- Загрузка и преобразование данных
- Моделирование и анализ данных
- Визуализация данных. Работа с отчётами
- Публикация данных и совместная работа с отчётами
- Финансовые метрики
- Маркетинговые метрики и метрики продукта
- Иерархия метрик
- Сбор требований и разработка отчётности
- Формулирование гипотез. Поиск точек роста
- Дизайн тестов, проведение и анализ. Построение простых моделей
- Оптимизация отчётности
- Характеристики и источники больших данных
- Культура сбора данных
- Основы работы в Hadoop и MapReduce YARN
- Аналитика для неструктурированных данных
- Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
- Обзор облачных платформ: AWS, EMR и Azure
- Пакетная и динамическая загрузка данных
- Лабораторная работа. Запуск программ и работа с HDFS
- Знакомство с инфраструктурой Tableau. Загрузка данных. Первый дашборд
- Основные виды визуализаций. Лучшие практики визуализации
- Основы работы с расчётными полями, фильтрами, множествами и группировками
- Использование параметров, объединение нескольких источников
- Сложные расчётные поля, обзор основных групп функций
- Функции LOD, Set Actions, Parameter Actions
- Разработка дашбордов. Настройка взаимодействия между визуализациями
- Tableau Professional. Подключение к базам данных SQL
- Основы работы с Tableau Server
- Концепция работы в Power BI и основы работы в Power Query
- Синтаксис языка М и работа со структурными данными
- Параметризация и работа с функциями
- Основы работы с DAX
- Управление контекстом
- Функции преобразование таблиц и передача контекста при отсутствии прямой связи
- Подсчёт промежуточных итогов и функции аналитики времени
- Извлечение информации о контексте. Форматирование полученных результатов
- Основы создания визуализаций
- Сложные сценарии создания визуализаций
- Расширение возможностей Power BI
В дипломном проекте вы примените полученные навыки для решения текущих профессиональных задач: это может быть интерактивный дашборд с визуализацией бизнес-показателей, комплекс предложений по оптимизации стратегии компании, поиск и обоснование точек роста бизнеса. Вы получаете готовый кейс для уверенного роста и перехода на новую должность.
Если у вас нет идей для собственного проекта или доступа к необходимым данным, мы предложим учебный кейс в интересной вам области на основе реального датасета других компаний.
Дипломная работа выполняется самостоятельно под руководством экспертов курса и закрепляет весь спектр знаний и навыков, полученных на программе.
Стоимость: Рассрочка до 36 месяцев – от 4 153 ₽/мес
- 11 месяцев
- 5 проектов в портфолио
- Гарантия трудоустройства
- Диплом о переподготовке
BI-аналитик анализирует большие массивы данных, на основании которых разрабатывает и автоматизирует отчёты. Его работа помогает компаниям принимать взвешенные решения, ориентируясь на объективные показатели.
Кому подойдет курс:
- НовичкамОсвоите BI-инструменты с нуля, получите практический опыт и сможете начать карьеру в аналитике.
- АналитикамПолучите всё для карьерного роста: от развития навыков до опыта работы со сложными задачами.
- Специалистам из смежных сферСможете оптимизировать работу и использовать BI-инструменты для обработки и визуализации данных.
- Видеокурс по работе в Excel Научитесь создавать отчёты, анализировать и представлять данные в Excel и Google Таблицах. Узнаете, как эффективно сводить данные и работать с формулами.
- Видеокурс «Самое главное о бизнес-презентациях»Узнаете, как подготовить презентацию под бизнес-задачу: определить аудиторию и цель, разработать план, выбрать структуру и storyline, создавать понятные слайды.
- Введение в BIИзучите ключевые понятия, общую структуру построения BI-системы, сформируете верхнеуровневое представление об имеющихся на рынке BI-ПО.
- Введение в Power BI: первый дашборд и типичные ошибкиЗапустите ПО, настроите внешний вид и параметры страницы дашборда. Сможете выбирать релевантный визуальный элемент для отображения данных и строить дашборд.
- Power QueryПолучите данные из разных источников, научитесь работать с большими массивами данных в PowerQuery и создавать data set, познакомитесь с языком М.
- DAXИзучите язык DAX, освоите ключевые функции для создания дашбордов, примените статистические и математические методы для обработки данных. Научитесь публиковать дашборд в Power.com, настраивать обновления и доступы к нему.
- Основы работы в Google Data StudioСможете работать в новом BI-ПО: от запуска и изучения элементов, до получения данных из источников, их обработки и администрирования опубликованного дашборда.
- BI-системыНаучитесь работать в качестве пользователя в популярных BI-системах, узнаете их сильные и слабые стороны.
- Введение в бизнес-модельПолучите вводную информацию о бизнесе: какие цели стоят перед компанией, чем занимается бизнес-аналитик, какие задачи решает, что входит в его зону ответственности.
- Внедрение BI-системПосле курса сможете проводить интервью с заказчиком, составлять ТЗ для получения КП в рамках тендера на внедрение BI-системы в компании.
- SQLПознакомитесь с языком запросов SQL. Научитесь делать расчёты и работать с таблицами, узнаете об ограничениях SQL и особенностях работы с популярными программами.
- Основы реляционных БД. MySQLПоработаете с MySQL и познакомитесь с альтернативными базами данных: MongoDB, Redis, ElasticSearch и ClickHouse.
- Основы PythonПройдёте путь от основ программирования до автоматизации, сбора, обработки, анализа и визуализации данных.
- Python для системных и бизнес-аналитиковНаучитесь автоматизировать сбор, обработку, анализ и визуализацию данных. Освоите библиотеки для работы с данными: NumPy, matplotlib, SciPy, pandas.
- OLAP BIНаучитесь размещать и визуализировать данные с помощью OLAP-кубов.
- Визуализация данных TableauНаучитесь анализировать продуктовые метрики и данные о клиентах, визуализировать их и строить интерактивные отчёты в BI-инструменте Tableau.
- Qlik ViewНаучитесь визуализировать их и строить дашборды в BI-инстурменте Qlik View.
Курсы со свободной датой старта:
- Подготовка к собеседованию
- Базовый курс
- Основы JIRA и Confluence.
Вы получите диплом о профессиональной переподготовке и электронный сертификат, которые можно добавить в портфолио и показать работодателю.
- АналитикИзучите новый инструмент и станете более востребованным специалистом
- МаркетологСможете эффективнее анализировать рекламные каналы и оптимизируете маркетинг
- РуководительСможете анализировать продажи в разных разрезах и в динамике
- ПредпринимательПостроите систему аналитики и найдете точки роста для своей компании.
Краткая программа курса:
4 направления функционала Power BI
- Подключение источников данных
- Обработка данных с помощью Power Query
- Анализ данных на DAX
- Оформление результатов с помощью визуализации и загрузка в Power BI Service.
Кейсы для отработки навыков в Power BI:
- Маркетинговая аналитика
- Финансовая аналитика
- Аналитика продаж
- Геоаналитика.
- работать в самом популярном и гибком инструменте BI аналитики
- собирать разные отчёты: продажи, ассортимент, финансы, маркетинг
- формировать простые SQL-запросы
- выгружать данные из разных источников
- выгружать данные при помощи API, очищать и загружать данные.
Стоимость: нет информации
Разберитесь в типах баз данных и определите, для каких задач лучше подойдут колончатые, а для каких ― строковые, реляционные и нереляционные. Научитесь создавать таблицы OR представления и настраивать к ним доступ. Узнайте о + и – работы с разными СУБД. Научитесь применять на практике партиционирование и индексирование в БД. Спроектируйте свою БД.
Научитесь строить и валидировать гипотезы на основе визуализированных данных. Освойте основы Data Mining. Найдите аномалии в данных и устраните их.
Выявите полезные инсайты для бизнеса на основе построенных отчетов. Научитесь принимать решения на основе данных с учетом инсайтов. Осуществите совместный анализ вместе с лектором.
Научитесь сегментировать данные. Ознакомьтесь с когортным анализом, поймете, зачем он нужен, и научитесь его применять. Запустите A/B-тест и сделайте выводы по результатам.
Научитесь строить простые trend lines и делать выводы для бизнеса. Спрогнозируйте результаты в будущем (например, сумму выручки до конца года) на основе собранных данных.
Стоимость: 14 900 ₽ или в рассрочку на 6 месяцев – 2 480 ₽ / мес
Курс 1 – Основы Power BIКурс полезен для бизнес пользователей и специалистов в области анализа данных и отчетности. Вы освоите необходимые навыки для создания интерактивных отчетов в Power BI.
Урок 1. Знакомство с Power BI
Урок 2. Знакомство с Power BI desktop. Построение первого отчета
- Знакомство с Power BI DesktopПрактика: По итогам выполнения практических заданий к этому уроку вы закрепите навыки сбора информации из интернета и подключение к базе данных в режимах «Импорт данных» и “Direct Query”. Вы подключитесь к сайтам ЦБ РФ, сайту ВОЗ и imbd.com. Построите интерактивные отчеты, которые позволят отследить динамику курса рубля, получить список самых рейтинговых фильмов и другие.
- Построение интерактивных отчётов в Power BI Desktop. Часть 1Практика: На основе предоставленного набора данных вы начнете стоить отчет по продажам, который покажет сумму продаж в взрезе продавцов и динамику продаж по месяцам. Также вы построите интерактивный отчет с данными о городах России.
- Построение интерактивных отчётов в Power BI Desktop. Часть 2Практика: Вы продолжите создание отчета по продажам. Настроите взаимодействие элементов между собой и их визуальное представление на странице отчета.
- Настройка фильтров, срезов и детализацииПрактика: Чтобы закрепить полученные знания из этого урока, вы построите интерактивный отчет, который покажет динамику развития пандемии COVID-19 в мире с возможностью фильтрации по стране и дате.
- Настройка условного форматирования. Часть 1Практика: Вы продолжите создание отчета по продажам. Рассчитаете среднюю сумму продаж по клиентам, настроите форматирование, которое выделит важные элементы по заданной цветовой схеме, подсветит минимальные и максимальные значения.
- Настройка условного форматирования. Часть 2Практика: Вы продолжите создание отчета по продажам. Создадите страницу отчета “Карточка продавца”, которая будет показывать список клиентов выбранного продавца. Настроите собственную навигацию для перехода между страницами отчета.
- Улучшаем отчётыПрактика: Вы продолжите создание отчета по продажам. Вы создадите всплывающие подсказки которые будут показывать объем продаж, прибыль и маржинальность по каждому продавцу. Для удобства и экономии места на странице отчета, вы настроите переключения визуальных элементов по нажатию кнопки.
- Управление цветами и шрифтамиПрактика: Вы продолжите создание отчета по продажам. Измените цветовую схему отчёта и настроите шрифты.
- Как заставить данные говоритьПрактика: Вы оцените готовый отчет по набору параметров и по результатам оценки напишите список рекомендаций для улучшения отчета.
- Типовые паттерны, используемые для построения отчётовПрактика: Вы продолжите создание отчета по продажам. Используя знания, полученные в этом уроке вы добавите отчет, который покажет динамику продаж и прибыли в разрезе товаров/клиентов/продавцов, а также позволит сравнивать эти показатели месяц к месяцу и год к году
- Подготовка отчёта к публикации Практика: Вы продолжите создание отчета по продажам. Создадите мобильную версию отчета. Опубликуете отчет в сервисе powerbi.com и предоставите к нему доступ другим пользователя с соблюдением правил безопасности.
- Совместная работа с отчётами Power BI. Часть 2.Практика: Вы установите шлюз данных и настроите обновление отчета в облаке по расписанию.
- Основы оптимизации производительности отчётовПрактика: Оцените производительность своего отчета. Найдете элементы, которые замедляют скорость работы отчета.
Курс 2 – DAX Mastering (Power BI Pro)Курс подходит продвинутым аналитикам, финансистам и специалистам по работе с данными в Power BI.
- Вы освоите навыки очистки и моделирования данных для решения более сложных бизнес задач, связанных с большими объемами данных.
- Основные инструменты – Power BI, Power Query, язык DAX
- Подготовка данных к использованию в Power BI. Основы Power Query
- Специалист по моделированию данных. Основы языка DAX
Курс 3 – Аналитик BI c 0 до PROВключает в себя курсы Основы Power BI и DAX MasteringКурс интересен специалистам имеющим отношение к аналитике, управлению и работе с данными. Вы изучите методы подключения к источникам информации, очистки и моделирования данных, а также созданию интерактивных отчетов в Power BI.
- Основные инструменты – Power BI, Power Query, языки DAX и M, сервис myBI Connect.
- Знакомство с профессией и Microsoft Power BI
- Основы работы в Power BI Desktop
- Подготовка данных к использованию в Power BI. Основы Power Query
- Специалист по моделированию данных. Основы языка DAX
Курс 4 – Финансовый Анализ в Power BIВключает в себя курс Аналитик BI c нуля до ProКурс предназначен для специалистов в области финансов и аналитиков. Мы научим вас созданию финансовых отчетов, финансовому анализу и моделированию в Power BI. Вы научитесь строить четыре основных финансовых и управленческих отчета в Power BI.
- Основные инструменты – Power BI, Power Query, язык DAX и М, сервис myBI Connect.
- Подключение к исходным данным из Power BI
- Моделирование данных в Power BI
- Разработка интерактивных финансовых отчетов в Power BI
Курс 5 – Финансовый Анализ в Power BI PROВключает в себя курсы Аналитик BI c нуля до PRO и Финансовый анализ в Power BI c нуляКурс предназначен для специалистов в области корпоративных финансов, которых интересует возможность автоматизировать финансовый анализ предприятия и изучить продвинутые возможности Power BI, которые можно задействовать при подготовке финансовых отчетов, а также как получить данные из 1С в Power BI.
- Основные инструменты – Power BI, Power Query, язык DAX и М, сервис myBI Connect, подключение к 1С.
- Финансовые отчеты в Power BI
- Power BI – подключение к 1C
- Продвинутое финансовое планирование
- Обзор продвинутого функционала отчетов
- Инвестиционный анализ
Сертификат в конце курса
- Подтвердит, что вы прошли профессиональное обучение
- Докажет уровень компетенции
- Увеличит вашу ценность на рынке.
- Анонс. Освоение профессии Разработчик Power BI с нуля до устройства на работу
- Установка Power BI Desktop.
- Что такое Business Intelligence? Этапы создания автоматизированных отчетов.
- Загружаем данные из 3 источников: Excel, CSV, WEB-сайта.
- Создаем свой первый проект за 15 минут.
Занятие 2. Создаем первый проект за 15 минут. Преобразуем данные к табличному виду.
Занятие 3. Группировка, соединение таблиц и создание столбцов в Power Query.
Занятие 4. Запросы++ Power Query. Создание параметров подключения. Обработка ошибок.
Занятие 5. Создание модели данных. Установление связей между таблицами.
Занятие 6. Создание вычисляемых столбцов и мер в DAX. Контексты фильтра и строки.
Занятие 7. X-Functions in DAX. SUMX, MAXX, MINX, AVARAGEX, COUNTX, PRODUCTX.
Занятие 8. Функции DAX: RELATEDTABLE, RELATED, FILTER, EARLIER, IF ELSE
Занятие 9. DISTINCT vs VALUES. Вычисления с помощью CALCULATE в DAX.
Занятие 10. Контекст фильтра и контекст строки в DAX. Разбор домашнего задания 8.
Занятие 11. Работа с датами в DAX. Calendar, SamePeriodLastYear, TotalYTD.
Занятие 12. Создание и настройка визуальных элементов Table и Matrix.
Занятие 13. Ответы на вопросы по предыдущим занятиям.
Занятие 13. 1 Создание и настройка стандартных визуальных элементов.
Занятие 14. Взаимодействие визуальных элементов. Часть 1.
Занятие 14. 1 Взаимодействие визуальных элементов. Часть 2.
Занятие 15. Взаимодействие визуальных элементов 2.
Занятие 17. Оптимизация скорости работы отчета Power BI. DAX Studio.
Занятие 18. Создание эффективного и полезного отчета. Разработка макета.
Вы узнаете, чем занимается BI-аналитик, и научитесь анализировать данные в отчётах в Power BI. Попробуете себя в новой профессии и поймёте, хотите ли развиваться в ней.
Кому подойдёт интенсив:
- Тем, кто хочет больше узнать о BI-аналитикеИзучите основы BI-аналитики. Научитесь основам работы с Power BI, Microsoft Excel и Google Sheets и попробуете себя в роли BI-аналитика.
- Начинающим BI-аналитикамРазберётесь в базах данных и пирамидах метрик. Научитесь собирать данные из Excel и Google Sheets и импортировать их в Power BI, настраивать автообновление отчётов и организовывать совместную работу с ними в Power BI Service.
- РуководителямУзнаете, как выбирать данные для анализа. Научитесь строить отчёты в Power BI, чтобы отслеживать основные показатели бизнеса.
- МаркетологамНаучитесь визуализировать данные в Power BI. Сможете создавать наглядные отчёты для руководства и станете более востребованным специалистом.
- Ориентироваться в разных видах баз данных
- Выбирать данные для анализа
- Понимать пирамиды метрик
- Создавать функции в Power BI
- Строить визуализации в Power BI
- Организовывать совместную работу с отчётами в Power BI Service
- Трансформировать данные с помощью встроенных функций Power Query
- Подключаться к Excel и Google Sheets через Power BI
- Настраивать автообновление отчётов на базе данных из Google Sheets
Урок 1 – Азы работы с данными
- Разбираемся, кто такой BI-аналитик, чем он занимается и какие инструменты использует.
- Узнаём, что такое базы данных и какими они бывают.
- Учимся выбирать данные для анализа.
- Рассматриваем пирамиды метрик.
- Обсуждаем, почему аналитики выбирают Power BI для визуализации данных.
Урок 2 – Подключение к Microsoft Excel и Google Sheets, визуализация данных в Power BI
- Узнаём, что такое коннекторы к базам данных и как они работают.
- Разбираемся, как подключиться к Excel и Google Sheets с помощью встроенного коннектора Power BI.
- Создаём аналог поисковой функции ВПР (VLOOKUP) из Excel в Power BI.
- Учимся трансформировать данные с помощью встроенных функций Power Query.
- Строим визуализацию в Power BI.
Урок 3 – Продвинутые темы и итоги
- Узнаём, как организовывать совместную работу с отчётами в Power BI Service.
- Учимся настраивать автообновления отчёта на базе данных из Google Sheets.
- Разбираем домашнее задание.
- Выбираем победителей и раздаём призы.
Кто такой аналитик данных?
Аналитик данных — это специалист, чья работа заключается в сборе и интерпретации данных для решения конкретной проблемы бизнеса. Значимые результаты, которые извлекаются из исходных данных, помогают работодателям или клиентам принимать важные решения, выявляя различные закономерности и тенденции.
Что делают аналитики данных и чем занимаются?
- Формирование выгрузок с помощью SQL-запросов
- Взаимодействие с разработчиками БД по вопросам качества данных
- Анализ данных о поведении клиентов из информационных систем компании (БД, CRM, Hadoop), сегментирование, выявление паттернов.
- Взаимодействие и презентация результатов работы отделам продаж и смежным подразделениям
- Создание дашбордов с метриками.
- Прогнозирование роста и падения финансовых показателей.
- Выявление проблем, построение простых моделей, поиск и выявление зависимостей для формирования гипотез об улучшениях бизнес-процессов и финансовых показателей компании
- Дизайн и интерпретация A/B тестов.
Что должен знать и уметь аналитик данных?
Требования к аналитикам данных:
- Знание основ математической статистики
- Работа с Excel и Google Таблицами
- Основы программирования на Python
- Работа с Power BI
- Создание аналитических отчётов
- Знание Google Analytics и Яндекс.Метрики
- Работа с базами данных на SQL
- Подготовка презентаций в Power Point
Востребованность и зарплаты аналитиков данных
На сайте поиска работы в данный момент открыто 15 683 вакансии, с каждым месяцем спрос на аналитиков данных растет.
Количество вакансий с указанной зарплатой аналитика данных по всей России:
- от 80 000 руб. – 2 993
- от 145 000 руб. – 1 564
- от 210 000 руб. – 731
- от 275 000 руб. – 397
- от 340 000 руб. – 142
- от 95 000 руб. – 1 453
- от 170 000 руб. – 761
- от 240 000 руб. – 423
- от 315 000 руб. – 137
- от 385 000 руб. – 54
- от 80 000 руб. – 383
- от 135 000 руб. – 201
- от 190 000 руб. – 109
- от 245 000 руб. – 67
- от 300 000 руб. – 23
Как стать аналитиком данных и где учиться?
Варианты обучения для аналитика данных с нуля:
- Классическое оффлайн-образование в ВУЗах, колледжах и университетах. Диплом является преимуществом при устройстве на работу, при этом обучение обычно длится не менее четырех лет, часто дают устаревшие неактуальные знания;
- Онлайн-обучение. Пройти курс можно на одной из образовательных платформ. Такие курсы рассчитаны на людей без особой подготовки, поэтому подойдут большинству людей. Обычно упор в онлайн-обучении делается на практику – это позволяет быстро пополнить портфолио и устроиться на работу сразу после обучения.
Ниже сделали обзор 15+ лучших онлайн-курсов.
Что должен знать HR аналитик?
Среди технических профессиональных навыков HR аналитика можно выделить следующие: владение Excel на высоком уровне, умение строить презентации в PowerPoint, знание программ по анализу и визуализации данных (Power BI, Tableau, Qlik), 10 дек