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

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

Преподаватель

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

Преподаватель

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.

Преподаватель

Артемий
Козырь

Максим
Мигутин

Алексей
Железной

Преподаватели

Артемий Козырь

Analytics Engineer, Wheely

Максим Мигутин

Алексей Железной

Data Engineer, Wildberries

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

Подробнее

Получить план обучения для сотрудников

Нажимая кнопку, я принимаю условия Политики конфидециальности

Мы обещаем не присылать вам спам

Спасибо!

Мы получили Вашу заявку, в ближайшее время с Вами свяжется наш менеджер.

Программа обучения

В процессе обучения вы получите комплексные знания и навыки.

Модуль 1 ELT: Структура и типы источников данных

Тема 1. Источники данных: классификация и особенности

Тема 2. Инструменты для выгрузки данных – 1

Тема 3. Инструменты для выгрузки данных – 2

Модуль 2 DWH Basics

C 12 августа

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

Модуль 3 DWH Intermediate

C 31 августа

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. Разбор ДЗ – Подготовка и установка на расписание DAG выгрузки данных из источников

Тема 15. Data Vault – 1

Тема 16. Data Vault – 2

Модуль 4 Business Intelligence

C 28 сентября

Тема 17. BI: Обзор

Тема 18. BI: Deployment

Тема 19. BI: Modeling & Delivering

Тема 20. Разбор ДЗ – Организация детального слоя DWH по методологии Data Vault

Тема 21. Analytics: Базовые аналитические витрины

Тема 22. BI: Углубленные вопросы

Тема 23. Разор ДЗ – Конфигурация и развертывание BI-решения

Тема 24. Analytics: Продвинутые аналитические витрины

Модуль 5 DWH Advanced topics

C 26 октября

Тема 25. DWH: Advanced topics

Тема 26. DBT: Extending with modules

Тема 27. DWH: Monitoring + Workload management

Тема 28. Разбор ДЗ – Визуализация и дашбординг для аналитических витрин

Тема 29. DWH: External + Semi-structured data

Тема 30. DWH: Reverse-ETL

Тема 31. DWH: Machine Learning capabilities

Модуль 6 Recap

C 18 ноября

Тема 32. Разбор кейса: end-to-end solution

Тема 33. Разбор ДЗ – Advanced DWH: Configuring CI, dbt modules, External tables

Тема 34. Дальнейшее развитие навыков

Модуль 7 Проектная работа

C 30 ноября

Тема 35. Выбор темы и организация проектной работы

Тема 36. Защита проектных работ

Скачать подробную программу

Получить подробную программу обучения

Нажимая кнопку, я принимаю условия Политики конфидециальности

Мы обещаем не присылать вам спам

Получить подробную программу обучения

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.

Я принимаю условия Политики конфиденциальности и Пользовательского соглашения

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: 27 декабря 2021 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

Генеральный директор ООО “Отус Онлайн-Образование”
Виталий Чибриков

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

Генеральный директор ООО “Отус Онлайн-Образование”
Виталий Чибриков

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!