Data Warehouse Analyst | OTUS
⚡ Подписка на курсы OTUS!
Интенсивная прокачка навыков для IT-специалистов!
Подробнее

Курсы

Программирование
C# Developer. Professional PHP Developer. Professional Web-разработчик на Python PHP Developer. Basic Специализация PHP Developer
-25%
Алгоритмы и структуры данных Unreal Engine Technical Game Design C# ASP.NET Core разработчик Python Developer. Basic Базы данных Архитектура и шаблоны проектирования Python Developer. Professional Agile Project Manager JavaScript Developer. Basic React.js Developer C++ Developer. Professional Android Developer. Professional Android Developer. Basic Java Developer. Basic MS SQL Server Developer Framework Laravel Разработчик программных роботов (RPA) на базе UiPath и PIX Team Lead Специализация Java и Архитектор ПО Symfony Framework Программист С HTML/CSS C++ Developer. Basic
Специализации Курсы в разработке Подготовительные курсы Подписка
+7 499 938-92-02

Data Warehouse Analyst

Моделирование данных, Продвинутая аналитика, Дашбординг и BI, ELT и аналитические СУБД

Длительность обучения:

5 месяцев

2 ак. часа в нед.

Формат:

Online

Начало занятий:

29 ноября

Дни занятий:

Ср 20:00, Пн 20:00

Что даст вам этот курс

Аналитические приложения сегодня строятся на стыке инженерных практик (Software/Data Engineering), понимании специфики продуктов и бизнеса (Data/Business Analysis), быстрой и качественной поставки сервисов (DevOps).

Курс ставит своей целью научить слушателей собирать полноценные end-to-end аналитические решения с использованием самых актуальных и востребованных инструментов.

Материал будет изучаться как вглубь (например, принципы функционирования аналитических СУБД), так и вширь (сравнение инструментов, анализ сильных и слабых сторон решений).

Что нового я смогу узнать?

Для ролей Data Scientist, Data Analyst, Product Analyst:

– Принципы работы аналитических СУБД и построение ELT-pipelines
– Использование лучших практик моделирования хранилищ данных и витрин
– Применение правильных архитектурных паттернов при построении решений

Для ролей Data Engineer, Backend Developer, DBA, System Administrator:

– Практики построения end-to-end аналитических решений
– Прикладные навыки визуализации, дашбординга, BI
– Фокус на создании ценности для бизнеса

В рамках курса будут рассмотрены:

– Навыки построения ELT-pipelines: Airflow, Nifi, Stitch
– Принципы работы аналитических СУБД: Redshift, Greenplum, Clickhouse
– Лучшие практики моделирования данных: dbt, Data Vault
Визуализация и BI: Metabase, Superset, DataLens
– Продвинутая аналитика: KPI, Funnels, Marketing Attribution, Cohort, RFM
– DevOps-практики: Continuous Integration, Github Actions

Ссылка на подробную программу курса

Демоурок "Вопросы оптимизации производительности", 11 ноября в 20:00
На открытом уроке мы получим представление о проблемах с производительностью, познакомимся с подходами и практиками в оптимизации, изучим ключевые принципы оптимизации и закрепим полученные теоретические знания в ходе демонстрации примеров из реальной жизни
Ведет
Алексей
Железной
Предыдущий открытый вебинар
Демоурок "Полуструктурированные данные в Аналитических Хранилищах: Nested JSON + Arrays", 18 ноября в 15:00
На открытом уроке разберем:

- Источники полуструктурированных данных: Events, Webhooks, Logs
- Подходы: JSON functions, special data types, External tables (Lakehouse)
- Оптимизация производительности
Артемий
Козырь
Предыдущий открытый вебинар
Demo day курса "Data Warehouse Analyst", 22 ноября в 20:00
На Дне открытых дверей преподаватель расскажет о программе курса, формате обучения и перспективах для выпускников. Формат проведения — онлайн трансляция. Участие бесплатное.
Артемий
Козырь
Предыдущий день открытых дверей

Преподаватели

Артемий Козырь
Analytics Engineer, Wheely
Максим Мигутин
Алексей Железной
Data Engineer, Wildberries
7+ лет опыта в области Хранилищ Данных, ELT pipelines, Анализа данных и визуализации.
Опыт работы над сервисами в компаниях Wheely, Sber, Moscow Exchange, PwC.
Сферы интересов: Data Modeling, Advanced analytics, Marketing Attribution, Data Quality, DevOps.

Верю в то, что данные – это ключевой элемент в принятии обоснованных и разумных бизнес-решений. Люблю находить простые решения для сложных задач. Не люблю повторять одни и те же ошибки, но с удовольствием приветствую новый опыт.

Blogging: Technology Enthusiast and Habr
2+ года веду занятия в ОТУС: Data Engineer, Hadoop Ecosystem, DWH Analyst

Более 5-ти лет опыта в индустрии Данных & Аналитики в роли внешнего косультанта (IBM) и in-house лидера Data Engineering и Data Science-проектов (Альфа-Банк, Yum! Brands).
Сферы интересов: построение end-to-end аналитических систем, внедрение инструментов Машинного обучения в промышленную эксплуатацию, Рекомендательные системы, MPP-базы данных.
Образование: МГУ им. Ломоносова, математическая кафедра Экономического факультета

Выпускник Воронежского Государственного университета с отличием. Сейчас - студент магистратуры ВШЭ "Системная и программная инженерия".

Профессиональный опыт - 2 года работы в качестве Data Analyst и Data Engineer. Сейчас работает с 5 популярными базами данных, разрабатывает на Python и стремительно развивает свои навыки. Готов делиться опытом.

Артемий
Козырь
Максим
Мигутин
Алексей
Железной

Преподаватели

Артемий Козырь
Analytics Engineer, Wheely
7+ лет опыта в области Хранилищ Данных, ELT pipelines, Анализа данных и визуализации.
Опыт работы над сервисами в компаниях Wheely, Sber, Moscow Exchange, PwC.
Сферы интересов: Data Modeling, Advanced analytics, Marketing Attribution, Data Quality, DevOps.

Верю в то, что данные – это ключевой элемент в принятии обоснованных и разумных бизнес-решений. Люблю находить простые решения для сложных задач. Не люблю повторять одни и те же ошибки, но с удовольствием приветствую новый опыт.

Blogging: Technology Enthusiast and Habr
2+ года веду занятия в ОТУС: Data Engineer, Hadoop Ecosystem, DWH Analyst

Максим Мигутин
Более 5-ти лет опыта в индустрии Данных & Аналитики в роли внешнего косультанта (IBM) и in-house лидера Data Engineering и Data Science-проектов (Альфа-Банк, Yum! Brands).
Сферы интересов: построение end-to-end аналитических систем, внедрение инструментов Машинного обучения в промышленную эксплуатацию, Рекомендательные системы, MPP-базы данных.
Образование: МГУ им. Ломоносова, математическая кафедра Экономического факультета

Алексей Железной
Data Engineer, Wildberries
Выпускник Воронежского Государственного университета с отличием. Сейчас - студент магистратуры ВШЭ "Системная и программная инженерия".

Профессиональный опыт - 2 года работы в качестве Data Analyst и Data Engineer. Сейчас работает с 5 популярными базами данных, разрабатывает на Python и стремительно развивает свои навыки. Готов делиться опытом.

Необходимые знания

  • SQL: аналитические функции, CTE;
  • Знакомство с принципами работы СУБД;
  • Базовые навыки программирования на Python, виртуальные окружения;
  • Базовые знания Docker.
Корпоративное обучение для ваших сотрудников
>
Программа обучения
В процессе обучения вы получите комплексные знания и навыки.
C 29 ноября
Тема 1. Источники данных: классификация и особенности
Тема 2. Инструменты для выгрузки данных – 1
Тема 3. Инструменты для выгрузки данных – 2
C 13 декабря
Тема 4. Аналитические движки (СУБД) для работы с данными
Тема 5. Принципы построения DWH
Тема 6. Разбор ДЗ – Выгрузка данных веб-счетчика
Тема 7. Знакомство с Data Build Tool
Тема 8. DBT: Analytics Engineering
C 29 декабря
Тема 9. Оркестрация скриптов и задач – 1
Тема 10. Оркестрация скриптов и задач – 2
Тема 11. Разбор ДЗ – Конфигурирование и запуск проекта dbt
Тема 12. Data Quality
Тема 13. Вопросы оптимизации производительности
Тема 14. Data Vault – 1
Тема 15. Data Vault – 2
Тема 16. Разбор ДЗ – Подготовка и установка на расписание DAG выгрузки данных из источников
Тема 17. Data Vault – 3
C 7 февраля
Тема 18. BI: Обзор
Тема 19. BI: Deployment
Тема 20. BI: Modeling & Delivering
Тема 21. Разбор ДЗ – Организация детального слоя DWH по методологии Data Vault
Тема 22. Analytics: Базовые аналитические витрины
Тема 23. BI: Углубленные вопросы
Тема 24. Разор ДЗ – Конфигурация и развертывание BI-решения
Тема 25. Analytics: Продвинутые аналитические витрины
C 7 марта
Тема 26. DWH: Advanced topics
Тема 27. DBT: Extending with modules
Тема 28. DWH: Monitoring + Workload management
Тема 29. Разбор ДЗ – Визуализация и дашбординг для аналитических витрин
Тема 30. DWH: External + Semi-structured data
Тема 31. DWH: Reverse-ETL
Тема 32. DWH: Machine Learning capabilities
C 30 марта
Тема 33. Разбор кейса: end-to-end solution
Тема 34. Разбор ДЗ – Advanced DWH: Configuring CI, dbt modules, External tables
Тема 35. Дальнейшее развитие навыков
C 11 апреля
Тема 36. Выбор темы и организация проектной работы
Тема 37. Защита проектных работ
Скачать подробную программу
Выпускной проект
Выпускной проект будет состоять из следующих этапов:

– Сформулировать цель аналитического приложения, business value
– Представить архитектуру ресурсов и компонентов системы
– Классифицировать источники данных, регулярность загрузки, форматы данных и структуру
– Смоделировать Хранилища Данных
– Развернуть BI-инструмент
– Визуализировать данные в наглядном и понятном виде на дашбордах
– Сделать несколько интересных выводов
– * Опубликовать результаты работы на Хабр/…, выложить код на Github

Темы на выбор (+ есть возможность заявить собственную):

– Social media / Telegram channels / Twitter analysis
– Open Data: Covid, Taxi trips, Kaggle, ...
– Web analysis: crawling, parsing, analysing websites
– Marketing analytics: performance + attribution

Процесс обучения

Все обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в слаке курса, сдача домашних работ и получение обратной связи от преподавателя.

Вебинары идут дважды в неделю по 2 академических часа (то есть астрономических 1,5 часа). Все вебинары сохраняются и в записи в вашем личном кабинете.

Домашнее задание выдается в среднем раз в 2 недели, а его выполнение занимает 3-5 часов. Мы горячо призываем заниматься такой самостоятельной работой, так как это поможет вам качественно освоить все изучаемые технологии на практике с поддержкой и обратной связью наших преподавателей.

Возникающие вопросы по материалам лекций, домашним заданиям и по выпускному проекту вы сможете задавать преподавателю в слаке или во время вебинаров.

Курс длится 3 месяца, а финальный отводится для выполнения проектной работы, досдачи домашних заданий и вопросов преподавателям.

Выполнение проектной работы помогает усвоению практических навыков, а тема проекта отдельно выносится в сертификат. Во время работы над проектом студенты получают консультации и обратную связь от преподавателей в слаке группы и на проектных занятиях.
Получить консультацию
Наш специалист свяжется с вами в ближайшее время. Если у вас возникли трудности в выборе курса или проблемы технического плана, то мы с радостью поможем вам.
Спасибо!
Мы получили Вашу заявку, в ближайшее время с Вами свяжется наш менеджер.

После обучения вы

Заберете с собой:
  • основные и дополнительные материалы, и видеозаписи занятий;

  • образцы кода;

  • собственный проект, который можно будет показывать при трудоустройстве;

  • сертификат о прохождении обучения.

  • получите приглашение пройти собеседование в компаниях-партнерах (эту возможность получают самые успешные студенты).

Дата выдачи сертификата: 15 мая 2022 года
Ваш сертификат

онлайн-образование

Сертификат №0001

Константин Константинопольский

Успешно закончил курс «Data Warehouse Analyst»
Выполнено практических заданий: 16 из 16

Общество с ограниченной ответственностью “Отус Онлайн-Образование”

Город:
Москва

Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова

Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.

онлайн-образование

Сертификат №0001

Константин Константинопольский

Успешно закончил курс «Data Warehouse Analyst»
Выполнено практических заданий: 16 из 16

Общество с ограниченной ответственностью “Отус Онлайн-Образование”

Город:
Москва

Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова

Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.
Прошедшие открытые вебинары
Открытый вебинар — это настоящее занятие в режиме он-лайн с преподавателем курса, которое позволяет посмотреть, как проходит процесс обучения. В ходе занятия слушатели имеют возможность задать вопросы и получить знания по реальным практическим кейсам.
Business Intelligence 101: Развертывание и конфигурирование решения
Артемий Козырь
День открытых дверей
28 июля в 14:00
Для доступа к прошедшим мероприятиям необходимо пройти входное тестирование
Возможность пройти вступительное тестирование повторно появится только через 2 недели
Результаты тестирования будут отправлены вам на e-mail, указанный при регистрации.
Тест рассчитан на 30 минут, после начала тестирования отложить тестирование не получится!

Партнеры ждут выпускников этого курса

Стоимость обучения
50 000 ₽
Продолжительность
5 месяцев
Начало занятий
29 ноября