Data Warehouse Analyst

Создавайте сквозные аналитические решения, используйте продвинутый инструментарий для работы с данными

27 марта

5 месяцев

Онлайн

Пн/Ср 20:00 Мск

Для кого этот курс?

Для системных аналитиков, BI-аналитиков, аналитиков данных: вы изучите инженерию данных, освоите современные инструменты аналитики с открытым кодом и ELT-пайплайны; сможете создавать сквозные аналитические решения.

Для инженеров данных, администраторов баз данных, системных администраторов, разработчиков, технических директоров: научитесь решать задачи, связанные с организацией хранения и анализом данных; узнаете, как выбирать эффективные стеки технологий.

Необходимые знания

  • SQL & Python
  • Docker
  • Базовые команды терминала Linux
  • Понимать в общих чертах архитектуру хранилищ данных
При поддержке
логотип партнера
Бесплатно предоставит необходимое количество ресурсов, чтобы вы могли выполнять практические задания на протяжении всего периода обучения.

Что вам даст 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 за 120 + академический часов

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

Вы научитесь:

  • Навыкам построения ELT-pipelines: Airflow, Nifi, Airbyte
  • Принципам работы аналитических СУБД: Redshift, Greenplum, Clickhouse
  • Изучите лучшие практики моделирования данных: dbt, Data Vault
  • Визуализации и BI: Metabase, Superset, DataLens
  • Продвинутой аналитике: KPI, Funnels, Marketing Attribution, Cohort, RFM
  • DevOps-практикам: Continuous Integration, Github Actions
Некоторые темы итоговых работ выпукников 2023: 

  • Сквозная аналитика для B2B-компании / Web analysis (Crawling & parsing websites data)
  • RFM Анализ клиентов программы лояльности с использованием dbt и Clickhouse
  • Сбор и анализ данных праздничных дней на базе Python, PostgreSQL и Yandex DataLense
  • Анализ кибератак на информационную инфраструктуру с помощью Clickhouse + dbt
  • Построение DWH в Retail с применением методов ML для расчета прогнозных метрик
  • Построение хранилища данных и аналитической отчетности сферы ритэйла Implementation of the data warehouse and analytical reporting in the retail sector 

Почему стоит освоить?


Знание DWH становится порогом входа на уровень Middle+ Аналитика данных. А для бизнеса аналитики, владеющие DWH, сокращают временные издержки и costs на работу с данными.

Процесс обучения

Обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в Telegram, сдача домашних работ и получение обратной связи от преподавателя.

Вебинары проводятся 2 раза в неделю по 2 ак. часа и сохраняются в записи в личном кабинете. Вы можете посмотреть их в любое удобное для вас время.

В ходе обучения вы будете выполнять домашние задания. Каждое из них посвящено одному из компонентов вашего выпускного проекта. 

Портфолио

Индивидуальная разработка итоговой проектной работы. 

Оптимальная нагрузка

Возможность совмещать учебу с работой и личной жизнью.

Перспективы

Получите знания, которые помогут повысить вашу востребованность и доход.

Трудоустройство

Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.

  • Получите помощь с оформлением резюме, портфолио и сопроводительного письма
  • Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров

Data Warehouse Analyst

Перспективы направления
Средний уровень зарплат в Москве:
80 000Junior+ специалист
170 000Middle+ специалист
350 000Senior специалист
1557
актуальных вакансий
Формат обучения

Интерактивные вебинары


2 онлайн-трансляции по 2 ак. часа в неделю. Доступ к записям и материалам остается навсегда.

Обратная связь


Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии.

Активное комьюнити


Чат в Telegram для общения преподавателей и студентов.

Программа

ELT: Структура и типы источников данных

Рассмотрим классификацию основных источников данных для аналитики и их отличительные особенности. Выясним отличие принципов ETL и ELT, структурированных и неструктурированных данных. Научимся подключаться и вычитывать исходные данные, запрашивать ответы от внешних провайдеров через REST API, настраивать потоковую репликацию данных в Хранилище. Проанализируем основные сервисы и инструменты, используемые для этого класса задач.

Тема 1: Аналитические движки (СУБД) для работы с данными

Тема 2: Источники данных: классификация и особенности

Тема 3: Инструментарий разработки: IDE, Terminal, Docker, Codespaces, Terraform

Тема 4: Инструменты для выгрузки данных

DWH Basics

Рассмотрим современные СУБД, используемые для анализа больших данных и ключевые принципы их функционирования. Изучим концепцию Хранилища Данных и вопросы, на которое оно призвано отвечать. Познакомимся с dbt – широко популярный мультитул для работы с DWH, позволяющий выстраивать работу в соответствии с лучшими практиками.

Тема 1: Принципы построения DWH

Тема 2: Знакомство с Data Build Tool

Тема 3: DWH powered by Clickhouse and dbt

Тема 4: Q&A. Сессия вопросов и ответов

DWH Intermediate

Изучим современные инструменты для оркестрации скриптов и задач, управления пайплайнами и цепочками зависимостей (DAGs). Получим представление об организации всестороннего качества данных и актуальности DWH. Познакомимся с ключевыми принципами оптимизации производительности и устранения bottlenecks. На практике применим навыки моделирования Хранилища по методологии Data Vault 2.0.

Тема 1: Введение к оркестрацию

Тема 2: Оркестрация c Apache AirFlow

Тема 3: Оркестрация Dagster и DBT

Тема 4: Data Quality

Тема 5: Вопросы оптимизации производительности

Тема 6: Data Vault – 1

Тема 7: Data Vault – 2

Тема 8: Q&A. Сессия вопросов и ответов

Business Intelligence

Выясним круг задач для решений класса Business Intelligence. Научимся конфигурировать и запускать BI в своих проектах. Изучим лучшие практики визуальной подачи информации и подготовки дашбордов.

Тема 1: BI: Обзор

Тема 2: BI подготовка данных (AirFlow + pipeline)

Тема 3: BI: Deployment

Тема 4: BI: Modeling & Delivering

Тема 5: Разбор ДЗ – Организация детального слоя DWH по методологии Data Vault

Тема 6: Analytics: Базовые аналитические витрины

Тема 7: Analytics: Сквозная аналитика

Тема 8: Разбор ДЗ – Конфигурация и развертывание BI-решения

Тема 9: Analytics: Продвинутые аналитические витрины

DWH Advanced topics

Изучим сложные и продвинутые фишки в работе с Хранилищем Данных: Настроим мониторинг и сбор ключевых метрик Хранилища Данных. Задействуем возможности тесной работы с Data Lake (External Data) и полу-структурированными данными. Найдем точки соприкосновения с Data Scientists, проведем обзор возможностей современных СУБД в сфере распределенного ML.

Тема 1: DWH: Advanced topics

Тема 2: DBT: Extending with modules

Тема 3: Разбор кейса: end-to-end solution

Тема 4: Дальнейшее развитие навыков

Проектная работа

Заключительный месяц курса посвящен проектной работе. Свой проект — это то, что интересно писать слушателю. То, что можно создать на основе знаний, полученных на курсе. При этом не обязательно закончить его за месяц. В процессе написания по проекту можно получить консультации преподавателей.

Тема 1: Выбор темы и организация проектной работы

Тема 2: Консультация по проектам и ДЗ

Тема 3: Предзащита

Тема 4: Защита проектных работ

Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит

Выпускной проект


Для реализации выпуского проекта Вам надо будет сформулировать идею аналитического приложения с business value, представить архитектуру ресурсов и компоненты системы и сформировать Хранилище Данных. Развернуть BI-инструмент. Визуализировать данные в наглядном и понятном виде на дашбордах. Преподаватели курса проверят выпускной проект, дадут обратную связь, а если в процессе будут возникать вопросы, то готовы будут ответить. 

Преподаватели

Руководитель курса

Алексей Железной

Senior Data Engineer

FinTech

Максим Мигутин

Data Science & Data Engineering

TravelTech

Андрей Поляков

Старший разработчик

Unlimint

Александра Мёрзлая

Team Lead, DWH

Tinkoff

Татьяна Водовозова

Руководитель направления аналитики DWH

Современные фонды недвижимости

Никита Гришин

Аналитик данных

ГК Иннотех

Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания

Прошедшие
мероприятия

Алексей Железной
Открытый вебинар
Reverse ETL. Почему? Зачем? Как?
Никита Гришин
Открытый вебинар
Аналитика логов при помощи process mining
Для доступа ко всем прошедшим мероприятиям необходимо пройти входное тестирование
Возможность пройти вступительное тестирование повторно появится только через 3 дня
Результаты тестирования будут отправлены вам на email, указанный при регистрации.
Тест рассчитан на 30 минут, после начала тестирования отложить тестирование не получится!

Корпоративное обучение для ваших сотрудников

Отус помогает развивать высокотехнологичные Команды. Почему нам удаётся это делать успешно:
  • Курсы OTUS верифицированы крупными игроками ИТ-рынка и предлагают инструменты и практики, актуальные на данный момент
  • Студенты работают в группах, могут получить консультации не только преподавателей, но и профессионального сообщества
  • OTUS проверяет знания студентов перед стартом обучения и после его завершения
  • Простой и удобный личный кабинет компании, в котором можно видеть статистику по обучению сотрудников
  • Сертификат нашего выпускника за 5 лет стал гарантом качества знаний в обществе
  • OTUS создал в IT более 120 курсов по 7 направлениям, линейка которых расширяется по 40-50 курсов в год

Отзывы

Владимир Щекин

24.11.2023
Текущая моя должность - Lead Consultant, занимаюсь внедрением решений Business Intelligenсe в крупной немецкой компании. Как backend, так и frontend. Занимаюсь внедрением, развитием и сервисной поддержкой корпоративных хранилищ информации и аналитической отчетностью. В курсе мне понравилось, во-первых, то, что в курсе идёт ставка на изучение OpenSource решений и нет коммерческих решений, необходимость которых очень индивидуальна. Я посетил несколько бесплатных вебинаров по этому курсу и понял, что это как раз то что я ищу. При том, что буквально за месяц до начала обучения я даже не знал и не слышал об Otus. Мне понравились преподаватели и практические задания. Не очень понравилась организация обучения, отсутствие методичек по ДЗ, нет календаря занятий на сайте, т.е. календарь можно скачать в начале курса, но если занятие сдвигается - то уже он неактуален. На сайте нужен календарь с датой /временем и номером урока, а не просто списком, как сейчас. Обучение дало мне очень многое! Я в восторге! :) Идея была такая - я специалист по аналитическим решениям, и год назад моя компания ушла из РФ. Многие компании сейчас задумываются об импортозамещении, а это в основном OpenSource решения, как раз то что было на курсе. В результате получилось: 1. Я могу консультировать компании в вопросах импортозамещения программных продуктов моей компании. 2. Я получил уверенность, что сменив стек, не останусь без работы. 3. Познакомился с решениями на других стеках, что расширило мои компетенции.

Амир Хадиев

22.11.2023
Работаю дата аналитиком данных в маркетинговом отделе компании. Выбрал этот курс потому, что в учебном плане увидел технологии, которыми мы пользуемся. Еще, тематика курса показалась интересной. По итогам на курсе я попробовал некоторые инструменты, которые планирую использовать в работе.

Иван Сафонов

13.07.2023
Очень понравился курс. Курс был сложный но интересный. Профессиональный преподаватель современный подход для подготовки практических работ.

Юрий Уткин

02.11.2022
Курс понравился. Преподносится обширная база практических и теоретических навыков. Занятия на курсе подняли многие знания с нуля на достаточный для дальнейшего самостоятельного закрепления и применения на практике уровень. Остальные знания были поданы под новым углом, расширены и закреплены. До начала обучения работал в несколько ином направлении, но давно планировал перейти в сферу работы с данными. В том числе благодаря первым лекциям успешно прошел собеседование и и устроился на работу дата-инженером. На новом рабочем месте благодаря параллельно получаемым навыкам адаптировался легко. По занятиям все понравилось, по ДЗ немного не доработанными показались №6 и №7. В них большой набор объектов(таблиц), предназначение которых можно пытаться понять только по их наименованиям. Имеющееся описание устарело, описывает то, чего уже нет. Схема данных уже поменялась. В некоторых ключевых таблицах 4-5 строк данных, какие то таблицы вообще пустые. В результате непонятно что делать, непонятно как связывать таблицы в витрины. Так же по теории, считаю, что маловато жизненных кейсов по встречающимся сложностям в работе и практикам по их решению.

Сертификат о прохождении курса

OTUS осуществляет лицензированную образовательную деятельность. В конце прохождения курса вы получите сертификат OTUS.

После обучения вы:

  • Получите материалы по пройденным занятиям (видеозаписи курса, дoполнительные материалы, финальный проект для добавления в портфолио)
  • Создадите своё портфолио проектов, которое поможет при прохождении собеседований
  • Повысите свою ценность и конкурентоспособность как IT-специалист
  • Получите сертификат об окончании курса

Частые вопросы

Почему стоит выбрать именно этот курс среди других?
Программа курса Data Warehouse Analyst уникальна и востребована на рынке труда. Среди преподавателей курса ведущие сотрудники Wildberries, Иннотех, Tinkoff и других российских и западных компаний. Образовательная экспертиза Otus доказана более 6 лет успешной специализации на обучении в IT. Наша фишка — продвинутые программы для специалистов с опытом и быстрый запуск курсов по новым набирающим популярность технологиям. Мы уже обучили более 20 000 студентов, и будем рады помочь освоить Вам новые навыки.
Обязательно ли выполнять и защищать выпускной проект?
Для получения сертификата OTUS необходимо сдать проект. Кроме того, проект необязательно защищать перед аудиторией, а можно сдать в чате с преподавателем.
Обязательно ли выполнять все домашние задания?
Нет, не обязательно. Выполнение домашних заданий поможет вам разобраться в материале курса, поэтому хотя бы часть домашних заданий стоит выполнить. При выполнении или сдаче домашнего задания, вы можете задать вопрос преподавателям, если где-то возник вопрос.
Помогаете ли вы с трудоустройством после курса?
В Otus Club проводятся вебинары на тему трудоустройства, разбор резюме, прохождения собеседований, особенности реферальных программ при найме. Также обратим Ваше внимание, что преподаватели курса занимают ведущие позиции в разных компаниях. Будьте активны, выполняйте домашние задания, стройте network с сокурсниками и преподавателями и Вам будет проще найти работу, расширив свои контакты.
Смогу ли я совмещать учебу с работой?
Да, программа курса рассчитана на то, что студент имеет ограниченный временной ресурс. 1 раз в модуль будут выдаваться домашние задания, а лекции 2 раза в неделю, которые вы всегда можете посмотреть в записи.
Что, если в середине курса я не смогу продолжать обучение?
У вас есть право одного бесплатного трансфера в другую группу.
Я могу вернуть деньги?
Да, вы можете сделать возврат средств пропорционально оставшимся месяцам обучения.
Я - аналитик данных. Мне будет полезен этот курс?
Да, этот курс будет полезен для аналитиков данных, так как поможет разобраться с тем, как самостоятельно добывать себе данные. Этот hard skill становится все более востребованным на рынке труда. Вы сможете претендовать на позиции Аналитика данных Middle+, так и на позицию Data Warehouse Analyst.
Почему в курсе не рассмотрены продуктовые метрики?
Знать названия и формулы продуктовых метрик полезно, но недостаточно, чтобы быть конкурентноспособными и эффективными аналитиком. Описания всех метрик есть в открытом доступе на всевозможных ресурсах. А на курсе мы фокусируем свое внимание на технических hard skills.