Data Warehouse Analyst - besplatni tečaj iz Otusa, obuka 5 mjeseci, datum 30.11.2023.
Miscelanea / / December 04, 2023
Analitičke aplikacije danas su izgrađene na raskrižju inženjerskih praksi (softversko/podatkovno inženjerstvo), razumijevanje specifičnosti proizvoda i poslovanja (Data/Business Analysis), brza i kvalitetna isporuka usluga (DevOps).
Cilj kolegija je naučiti studente kako sastaviti cjelovita analitička rješenja od kraja do kraja koristeći najrelevantnije i najtraženije alate.
Materijal će se proučavati i dubinski (na primjer, principi funkcioniranja analitičkih DBMS-ova) i u širinu (usporedba alata, analiza snaga i slabosti rješenja).
Koje nove stvari mogu naučiti?
Za uloge Data Scientist, Data Analyst, Product Analyst:
– Principi rada analitičkih DBMS-a i konstrukcija ELT-cjevovoda
– Korištenje najboljih praksi za modeliranje skladišta podataka i prodajnih mjesta
– Primjena ispravnih arhitektonskih obrazaca prilikom građevnih rješenja
Za uloge Data Engineer, Backend Developer, DBA, System Administrator:
– Prakse izgradnje end-to-end analitičkih rješenja
– Primijenjene vještine vizualizacije, nadzorne ploče, BI
– Usredotočite se na stvaranje poslovne vrijednosti
Tečaj će obuhvatiti:
– Vještine u izgradnji ELT-cjevovoda: Airflow, Nifi, Stitch
– Principi rada analitičkih DBMS: Redshift, Greenplum, Clickhouse
– Najbolje prakse modeliranja podataka: dbt, Data Vault
– Vizualizacija i BI: Metabase, Superset, DataLens
– Napredna analitika: KPI, tokovi, marketinška atribucija, kohorta, RFM
– DevOps prakse: Kontinuirana integracija, Github akcije
6
tečajeviInženjer podataka u Wildberriesu, predavač DE Junior tečaja. Više od 7 godina u IT-u
Diplomirao na Voronješkom državnom sveučilištu s pohvalama. Trenutno student na HSE magistarskom studiju „Sustavsko i programsko inženjerstvo“. Profesionalno iskustvo - 2 godine rada kao Data Analyst i Data Engineer. Sada radi s 5 popularnih baza podataka, razvija se u Pythonu i ubrzano razvija svoje vještine. Spreman podijeliti svoje iskustvo.
1
dobroViše od 6 godina iskustva u razvoju skladišta podataka, ELT cjevovoda, analize podataka i vizualizacije. Iskustvo u području državne sigurnosti, stvaranje i implementacija KHD LLC "Grupa tvrtki "SBSV-Klyuchavto", trenutno...
Više od 6 godina iskustva u razvoju skladišta podataka, ELT cjevovoda, analize podataka i vizualizacije. Iskustvo u području državne sigurnosti, stvaranje i implementacija QCD LLC "Grupa tvrtki "SBSV-Klyuchavto", trenutno razvija QCD za grupu tvrtki Delo uvjeren sam da su podaci drugo ulje, neka vrsta imovine kojom treba znati upravljati i riješiti se. Prisutnost organiziranih podataka, njihova pravilna pohrana, korištenje, prodaja, anonimizacija ukazuju na visoku razinu digitalne zrelosti. Učitelj, nastavnik, profesor
3
tečajAleksandra radi u oblasti analitike i BI od 2019. godine. Do tada je diplomirala softversko inženjerstvo na St. Petersburg State University of Aviation Administration, a potom i magistrirala. Prvi koraci u...
Aleksandra radi u oblasti analitike i BI od 2019. godine. Do tada je diplomirala softversko inženjerstvo na St. Petersburg State University of Aviation Administration, a potom i magistrirala. Prve korake u karijeri napravio je u američkoj tvrtki Intermedia Cloud Communications kao junior data analyst, a do 2021. uspio je postati voditelj analitičkog tima. Cijela ova godina bila je posvećena novom cross-tim projektu za međunarodno financijsko upravljanje na Microsoft stacku (MS SQL Server, SSRS, SSIS, Power BI).Od ožujka 2022. godine radi u grupi tvrtki Tinkoff Bank kao analitičar skladišta podaci. Pruža podršku top menadžmentu financijskog odjela u izgradnji prototipova ETL procesa korištenjem Greenplum-a, ad-hoc analitike u Pythonu, izvješćivanja i vizualizacije u Tableau. 2020. dodatno se educirala na smjeru Project Management Manager u IT-u. Čvrsti je pobornik fleksibilnih metodologija razvoja. Smatra da su najisplativija ulaganja ulaganja u vlastiti razvoj. Stog: SQL, SAS DIS, SSIS, Tableau, Power BI, Python
ELT: Struktura i vrste izvora podataka
-Tema 1. Izvori podataka: klasifikacija i značajke
-Tema 2. Alati za preuzimanje podataka – 1
-Tema 3. Alati za preuzimanje podataka – 2
Osnove DWH
-Tema 4. Analitički strojevi (DBMS) za rad s podacima
-Tema 5.Principi izgradnje DWH
-Tema 6. Analiza DZ – Učitavanje podataka web brojača
-Tema 7. Uvod u alat za izgradnju podataka
-Tema 8.DBT: Analitički inženjering
DWH Intermediate
-Tema 9. Orkestracija scenarija i zadataka – 1
-Tema 10. Orkestracija skripti i zadataka – 2
-Tema 11.DZ analiza – Konfiguriranje i pokretanje dbt projekta
-Tema 12. Kvaliteta podataka
-Tema 13. Problemi optimizacije performansi
-Tema 14. Trezor podataka – 1
-Tema 15. Trezor podataka – 2
-Tema 16.DZ analiza – Priprema i postavljanje DAG rasporeda za preuzimanje podataka iz izvora
Poslovna inteligencija
-Tema 17.BI: Pregled
-Tema 18.BI: Raspoređivanje
-Tema 19.BI: Modeliranje i isporuka
-Tema 20.DZ analiza – Organizacija detaljnog DWH sloja korištenjem Data Vault metodologije
-Tema 21.Analitika: Osnovni analitički prikazi
-Tema 22.BI: Detaljna pitanja
-Tema 23. DZ Razor – Konfiguracija i implementacija BI rješenja
-Tema 24. Analitika: Prikazi napredne analitike
DWH Napredne teme
-Tema 25.DWH: Napredne teme
-Tema 26.DBT: Proširenje modulima
-Tema 27.DWH: Monitoring + Workload management
-Tema 28.DZ analiza – Vizualizacija i dashboarding za analitičke vitrine
-Tema 29.DWH: Eksterni + polustrukturirani podaci
-Tema 30.DWH: Reverse-ETL
-Tema 31.DWH: Mogućnosti strojnog učenja
Rekapitulacija
-Tema 32. Analiza slučaja: end-to-end rješenje
-Tema 33.DZ analiza – Napredni DWH: Konfiguriranje CI, dbt modula, Vanjske tablice
-Tema 34. Daljnji razvoj vještina
Projektni rad
-Tema 35. Odabir teme i organizacija rada na projektu
-Tema 36.Zaštita projektantskog rada