Профессиональные компетенции аналитики данных

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

Профессиональные компетенции аналитики данных

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.

Профессиональные компетенции аналитики данных

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.

Профессиональные компетенции аналитики данных

  • 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.

Профессиональные компетенции аналитики данных

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.

Профессиональные компетенции аналитики 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.

Профессиональные компетенции аналитики данных

  • 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.

Профессиональные компетенции аналитики данных

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

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *