Data Warehouse Analyst - bezplatný kurz od společnosti Otus, školení 5 měsíců, datum 30. listopadu 2023.
Různé / / December 04, 2023
Analytické aplikace se dnes vytvářejí na průsečíku inženýrských postupů (softwarové/datové inženýrství), pochopení specifik produktů a obchodu (Data/Business Analysis), rychlé a kvalitní dodávky služeb (DevOps).
Cílem kurzu je naučit studenty, jak sestavit kompletní komplexní analytická řešení pomocí nejrelevantnějších a nejžádanějších nástrojů.
Materiál bude studován jak do hloubky (např. principy fungování analytických DBMS), tak do šířky (porovnání nástrojů, analýza silných a slabých stránek řešení).
Jaké nové věci se mohu naučit?
Pro role Data Scientist, Data Analyst, Product Analyst:
– Principy fungování analytické DBMS a konstrukce ELT potrubí
– Používání osvědčených postupů pro modelování datových skladů a trhů
– Aplikace správných architektonických vzorů při řešení stavby
Pro role Data Engineer, Backend Developer, DBA, System Administrator:
– Praktiky vytváření komplexních analytických řešení
– Aplikované dovednosti ve vizualizaci, dashboardingu, BI
– Zaměřte se na vytváření obchodní hodnoty
Kurz se bude týkat:
– Dovednosti ve stavbě ELT potrubí: Airflow, Nifi, Stitch
– Principy fungování analytického DBMS: Redshift, Greenplum, Clickhouse
– Osvědčené postupy modelování dat: dbt, Data Vault
– Vizualizace a BI: Metabase, Superset, DataLens
– Pokročilá analytika: KPI, cesty, marketingová atribuce, kohorta, RFM
– Postupy DevOps: průběžná integrace, akce Github
6
kurzyDatový inženýr ve společnosti Wildberries, řečník kurzu DE Junior. Více než 7 let v IT
Absolvent Voroněžské státní univerzity s vyznamenáním. V současné době student magisterského programu HSE "Systémové a softwarové inženýrství". Odborná praxe - 2 roky práce jako datový analytik a datový inženýr. Nyní pracuje s 5 populárními databázemi, vyvíjí se v Pythonu a rychle rozvíjí své dovednosti. Připraven se podělit o své zkušenosti.
1
studnaVíce než 6 let zkušeností s vývojem datových skladů, ELT pipelines, datové analýzy a vizualizace. Zkušenosti v oblasti státní bezpečnosti, vytvoření a realizace KHD LLC "Skupina společností "SBSV-Klyuchavto", v současné době...
Více než 6 let zkušeností s vývojem datových skladů, ELT pipelines, datové analýzy a vizualizace. Zkušenosti v oblasti státní bezpečnosti, vytvoření a implementace QCD LLC "Skupina společností "SBSV-Klyuchavto", v současné době rozvíjející QCD pro skupinu společností Delo jsem přesvědčen, že data jsou druhým druhem ropy, druhem majetku, který potřebujete, abyste byli schopni spravovat a disponovat. Přítomnost organizovaných dat, jejich správné ukládání, používání, prodej, anonymizace svědčí o vysoké digitální vyspělosti. Učitel
3
chodAlexandra působí v oblasti analytiky a BI od roku 2019. V té době získala bakalářský titul v oboru softwarového inženýrství na St. Petersburg State University of Aviation Administration a poté magisterský titul. První kroky v...
Alexandra působí v oblasti analytiky a BI od roku 2019. V té době získala bakalářský titul v oboru softwarového inženýrství na St. Petersburg State University of Aviation Administration a poté magisterský titul. První kroky v kariéře podnikl v americké společnosti Intermedia Cloud Communications jako junior datový analytik a do roku 2021 se mu podařilo stát se šéfem analytického týmu. Celý tento rok byl věnován novému mezitýmovému projektu pro mezinárodní finanční řízení na Microsoft stacku (MS SQL Server, SSRS, SSIS, Power BI). Od března 2022 pracuje ve skupině společností Tinkoff Bank jako skladový analytik data. Poskytuje podporu vrcholovému vedení finančního oddělení při vytváření prototypů ETL procesů s využitím Greenplum, ad-hoc analytiky v Pythonu, reportingu a vizualizace v Tableau. V roce 2020 získala další vzdělání ve směru Project Management Manager v IT. Je věrným zastáncem flexibilních vývojových metodik. Domnívá se, že nejvýnosnější investice jsou investice do vlastního rozvoje. Zásobník: SQL, SAS DIS, SSIS, Tableau, Power BI, Python
ELT: Struktura a typy zdrojů dat
-Téma 1. Zdroje dat: klasifikace a vlastnosti
-Téma 2.Nástroje pro stahování dat – 1
-Téma 3.Nástroje pro stahování dat – 2
Základy DWH
-Téma 4. Analytické motory (DBMS) pro práci s daty
-Téma 5.Principy konstrukce DWH
-Téma 6.DZ analýza – Nahrávání dat webového počítadla
-Téma 7.Úvod do nástroje Data Build Tool
-Téma 8.DBT: Analytické inženýrství
DWH střední
-Téma 9. Uspořádání scénářů a úkolů – 1
-Téma 10. Orchestrování scénářů a úkolů – 2
-Téma 11.DZ analýza – Konfigurace a spuštění projektu dbt
-Téma 12.Kvalita dat
-Téma 13. Problémy s optimalizací výkonu
-Téma 14.Datový trezor – 1
-Téma 15.Datový trezor – 2
-Téma 16.DZ analýza – Příprava a nastavení DAG harmonogramu pro stahování dat ze zdrojů
Business Intelligence
-Téma 17.BI: Přehled
-Téma 18.BI: Nasazení
-Téma 19.BI: Modelování a poskytování
-Téma 20.DZ analýza – Organizace podrobné DWH vrstvy pomocí metodiky Data Vault
-Téma 21.Analytika: Základní analytické ukázky
-Téma 22.BI: Hloubkové otázky
-Téma 23. DZ Razor – Konfigurace a nasazení BI řešení
-Téma 24.Analytika: Prezentace pokročilé analýzy
DWH Pokročilá témata
-Téma 25.DWH: Pokročilá témata
-Téma 26.DBT: Rozšíření o moduly
-Téma 27.DWH: Monitoring + Workload management
-Téma 28.DZ analýza – Vizualizace a dashboarding pro analytické vitríny
-Téma 29.DWH: Externí + Polostrukturovaná data
-Téma 30.DWH: Reverse-ETL
-Téma 31.DWH: Možnosti strojového učení
Shrnout
-Téma 32. Případová analýza: komplexní řešení
-Téma 33.DZ analýza – Pokročilé DWH: Konfigurace CI, dbt modulů, externích tabulek
-Téma 34. Další rozvoj dovedností
Projektová práce
-Téma 35. Výběr tématu a organizace projektové práce
-Téma 36.Ochrana projekční práce