Data Analyst - ilmainen kurssi Otukselta, koulutus, päivämäärä: 5.12.2023.

Alexandra on työskennellyt analytiikan ja BI: n parissa vuodesta 2019 lähtien. Tähän mennessä hän suoritti kandidaatin tutkinnon ohjelmistotekniikasta Pietarin osavaltion ilmailuhallinnon yliopistosta ja sitten maisterin tutkinnon. Ensimmäiset askeleet hänen urallaan otettiin amerikkalaisessa Intermedia Cloud Communicationsissa nuorempana data-analyytikkona, ja vuoteen 2021 mennessä hän onnistui nousemaan analytiikkatiimin johtajaksi. Koko tämä vuosi oli omistettu uudelle tiimien väliselle kansainvälisen taloushallinnon projektille Microsoft-pinossa (MS SQL Palvelin, SSRS, SSIS, Power BI). Hän on työskennellyt maaliskuusta 2022 lähtien Tinkoff Bank -konsernissa varastoanalyytikkona tiedot. Tarjoaa tukea talousosaston ylimmälle johdolle ETL-prosessien prototyyppien rakentamisessa käyttäen Greenplumia, ad-hoc-analytiikkaa Pythonissa, raportoinnissa ja visualisoinnissa Tableaussa. Vuonna 2020 hän sai lisäkoulutuksen IT-alan projektipäällikön suunnalta. Hän on joustavien kehitysmenetelmien vankkumaton kannattaja. Uskoo, että kannattavimmat sijoitukset ovat investoinnit omaan kehitykseen. Pino: SQL, SAS DIS, SSIS, Tableau, Power BI, Python

Viisi vuotta IT-alalla hän työskenteli HR-analyytikkona ja Business Intelligence -asiantuntijana Luxoftissa ja on nyt Exnessin analytiikan ja raportoinnin visualisoinnin asiantuntija. Koulutukseltaan ekonomisti. Pino: Tableau Desktop & Server, Data-analyysi ja visualisointi, SQL Työssäni etsin terveellistä tasapainoa hyvän tietolähteen kirjoittamisen ja kauniin visuaalisen kuvan luomisen välillä.

8 vuoden yrityskokemus analytiikan alalta. SQL, Tableau, c++, python. Luonut analyyttisiä ja tuoteratkaisuja suurissa yrityksissä, kuten MTS, Ozon, ivi.ru. Työskenteli tuoteryhmissä Venäjällä, Saksassa ja Puolassa. Opettaja

Johdatus tietoanalyysiin ja perustilastoihin

-Aihe 1. Yleispopulaatio ja otos, mittaustasot
-Aihe 2. Normaalijakauma, tilastollisen merkitsevyyden taso, keskihajonta. Keskirajalause. Luottamusvälit ja standardivirhe
-Aihe 3. Kuvailevat tilastot. Keskitrendin mitta
-Aihe 4. Normaalijakauma, tilastollisen merkitsevyyden taso, keskihajonta. Keskirajalause
-Aihe 5. Luottamusvälit ja standardivirhe
-Aihe 6. Merkittävyyden taso, tilastolliset hypoteesit
-Aihe 7. Korrelaatiokerroin
-Aihe 8. Aineiston vertailumenetelmät. Nimellistietojen vertailu.
-Aihe 9. Keskiarvojen vertailumenetelmät

DBMS ja SQL

-Aihe 10. Johdatus relaatiotietokantoihin. Rivi- ja saraketietokannat
-Aihe 11. Taulukoiden luominen ja muokkaaminen. DDL. DML, DCL
-Aihe 12. Tietojen valinta, ehdot, dataviipaleet SQL: ssä
-Aihe 13. Aggregointifunktiot. Tietojen ryhmittely ja lajittelu
-Aihe 14. Sisäkkäiset kyselyt ja väliaikaiset taulukot
-Aihe 15. Pöydän liitostyypit
-Aihe 16. Lausekkeet SQL: ssä
-Aihe 17. Sisäänrakennetut funktiot SQL: ssä
-Aihe 18. Tietokantaobjektit. Taulukot ja näkymät. Indeksit ja osiot
-Aihe 19. Kyselysuunnitelma ja suorituskyvyn optimointi

Johdatus Pythoniin

-Aihe 20. Johdatus syntaksiin. Jupyter muistikirja
-Aihe 21. Muuttujat ja tietotyypit. Tiedon tulostus ja aritmeettiset operaatiot
-Aihe 22. Python Basics. Operaattorit, silmukat
-Aihe 23.Python-tietorakenteet. Merkkijonot, listat ja rivit ja sanakirjat
-Aihe 24. For ja while -silmukat
-Aihe 25. Funktiot, moduulit ja kirjastot
-Aihe 26. Kirjastot NumPy, pandat, SciPy
-Aihe 27. Visualisointimenetelmät. Matplotlibin perusteet, seaborn, plotly

Tiedon esikäsittely, tutkiva ja tilastollinen tiedon analysointi

-Aihe 28. Työskentely puutteiden ja kaksoiskappaleiden kanssa
-Aihe 29. Tietojen luokittelu
-Aihe 30. Tietotyyppimuunnos
-Aihe 31. Tietojen normalisointi
-Aihe 32. Tietojen luokittelu
-Aihe 33. Aikasarjaanalyysi
-Aihe 34. Dataviipaleiden tutkiminen
-Aihe 35. Tietosuhteet
-Aihe 36. Tulosten validointi
-Aihe 37. Hypoteesien esittäminen ja testaus

Johdatus Business Intelligenceen ja visuaaliseen data-analyysiin

-Aihe 38. Johdatus Business Intelligenceen
-Aihe 39: Tableau Desktop/Julkisen ekosysteemin yleiskatsaus
-Aihe 40. Tableaun tietolähteiden päätyypit, yhteydet
-Aihe 41. Tableau Desktop käyttöliittymä ja peruskäyttökonseptit
-Aihe 42. Visualisointi: kaaviot, pääskenaariot niiden käyttöön
-Aihe 43. Esiasennetut ja mukautetut laskelmat
-Aihe 44. Tietojen järjestäminen Tableaussa
-Aihe 45. Toimintajärjestys Tableaussa
-Aihe 46. Johdatus tietosuunnitteluun
-Aihe 47. Kuinka käyttäjän havainto toimii
-Aihe 48. Tärkeimmät virheet kojelautaa luotaessa
-Aihe 49. Kojelaudan suunnittelu
-Aihe 50. Asettelu erilaisille tehtäville ja laitteille
-Aihe 51.Käyttäjän vuorovaikutuksen suunnittelu kojelaudan kanssa

Projektin elinkaari data-analyysissä

-Aihe 52. Datalähtöinen päätöksenteko liiketoiminnassa
-Aihe 53. Kokoontumisvaatimukset
-Aihe 54. Vaatimusten kiteyttäminen ja prototyypin luominen
-Aihe 55. Iteratiivinen työ asiakkaan kanssa kehitysvaiheessa
-Aihe 56. Demo valmiista versiosta ja käyttäjätestausvaiheesta
-Aihe 57. Julkaisu ja jälkituotanto
-Aihe 58. Kysynnän seuranta ja palautteen vastaanottaminen

Data-analytiikan erityismenetelmät ja -alueet

-Aihe 59. Liiketoiminnan tunnuslukujen analyysi
-Aihe 60. Tuoteanalytiikka, yksikkötaloustiede, A/B-testit
-Aihe 61. Mittarit ja kanavat, mittareiden hierarkia
-Aihe 62. Kohorttianalyysi
-Aihe 63.BI analytics
-Aihe 64. Datajournalismi