Анализ данных

• Получение востребованных компетенций в области ИТ, позволяющих повысить свою конкурентоспособность на рынке труда.

• Междисциплинарность.

• Занятия проводятся ведущими преподавателями Университета НИТУ МИСИС, а также специалистами из реального сектора экономики.

• Наличие практической подготовки.

• Участие в реализации программы компаний-лидеров в области разработки программного обеспечения.

К освоению программы допускаются лица, обучающиеся по специальностям и направлениям подготовки, не отнесенным к ИТ-сфере:

• бакалавры не ранее 2 курса;
• специалисты не ранее 2 курса;
• магистры 1, 2 курса.

Диплом о профессиональной переподготовке с присвоением квалификации «Аналитик данных».

Срок освоения программы составляет 280 академических часов, длительность — 11 месяцев.

Программа реализуется в соответствии с учебным планом в очно-заочной форме с применением дистанционных образовательных технологий.

Учебный план программы

Модуль 1: Статистический анализ данных

• Раздел 1. Описательная статистика. Группировка данных. Методы преобразования исходных данных. Построение гистограмм и интерпретация полученных графиков. Расчет и интерпретация обобщающих показателей. Построение и чтение блочных диаграмм. Проверка на нормальность распределения малых выборок.

• Раздел 2. Регрессия и временные ряды. Исследование взаимосвязи с помощью диаграмм рассеяния и корреляции. Корреляция и регрессия: измерение и прогнозирование взаимосвязи. Расчет коэффициентов корреляции методами Спирмена, Кендалла, Фехнера и Пирсона. Множественная регрессия: прогнозирование одного фактора на основе нескольких других. Анализ на мультиколлинеарность. Сравнение стандартизированных коэффициентов регрессии. Прогнозирование с помощью анализа временных рядов. Определение типа колеблемости.
• Раздел 3. Многофакторные дисперсионный и ковариационный анализы. Дисперсионный анализ. ANCOVA. Многофакторный дисперсионный анализ.

Модуль 2: SQL для аналитики

• Раздел 1. Создание и наполнение базы данных. Создание базы данных. Типы данных в MySQL. Создание таблиц. Наполнение таблиц. Внесение изменений в базу данных. Установление связи между таблицами.
• Раздел 2. Основные операторы запросов. Оператор WHERE. Упорядочивание результатов ORDER BY. Многотабличные запросы с объединением. Группировка данных GROUP BY. Запросы с выражениями и агрегатами.
• Раздел 3. Подзапросы. Работа с подзапросами. Объединения, пересечения и исключения. Исследовательский анализ и бизнес-показатели. Оконные функции в SQL. Когортный анализ в SQL.

Модуль 3: Гибкие методологии разработки
Agile. Главные принципы Agile Manifesto. Плюсы и минусы методологии гибкой разработки Agile. Главные отличия Agile от каскадной системы Waterfall. Система организации производства и снабжения, позволяющая реализовать принцип «точно в срок» (Канбан). Использование лимитов незавершенной работы Канбан. Канбан-доска. Ведение проекта Канбан и минимизация ошибок при помощи Jira Software. Фреймворк для управления продуктом (Scrum). Планирование спринтов. Бэклог продукта. Итеративный и инкрементный подход (DSDM).

Модуль 4. Нотации UML BPMN

Введение в нотации BPMN, UML (доп. IDEF, EPC, DFD). Категории нотаций бизнес-моделирования. Определение участников процесса. Стартовое и конечное событие процесса. Задачи процесса. Альтернативные сценарии процесса.

Основы BPMN/UML/IDEF/EPC/DFD. История создания. Ключевые элементы и описание. Классификация событий и элементов. Анализ и оптимизация БП на основе нотации. Знакомство с интерфейсами BPMN, UML (доп. IDEF, EPC, DFD). Основные графические элементы.

Задачей раздела является овладеть навыками визуализации БП на основе нотаций BPMN, UML и др. Уметь давать четкое представление о процессе от его начала до конца. Уметь ликвидировать пробелы информации, показывая последовательность деловых операций, необходимых для перехода от начала бизнес-процесса к его завершению.

Модуль 5. BI-инструменты

Tableau. Разработка ТЗ: собираем требования у заказчика, фиксируем ожидания. Введение в Tableau. Виды дашбордов, их функции. Как создаётся дашборд: процесс, составление ТЗ. Типовые дизайн- и UX-паттерны для дашбордов. Разбор типовых ошибок при создании дашборда. Как работать в Datawrapper — наглядно и по шагам. Основные виды инструментов для визуализации и сценарии их применения: Flourish, RAW, Plot.ly и др. Загрузка и соединение данных в Power BI. Визуализация данных. Работа с фильтрами. Детализация данных и интерактивные отчёты. Функции Drill up, Drill down и Expand для работы с иерархией данных в отчётах. Функции Drill through pages для настройки детализации в отчётах. Основные меры и язык запросов DAX. Выражения DAX для счета меры Running total, Time Intelligent PQ и Time Intelligent QQQ. Функция CALCULATE для изменения фильтров, наложенных на выражение. Работа с функциями SUM, AVERAGE, MIN, MAX для агрегации данных. Функции SUMX, AVERAGEX, ALL и SWITCH. Визуализация и работа с дашбордами: Power BI Service, создание и оформление дашбордов. Связь Power BI и Python.

Модуль 6. Python для анализа данных

Раздел 1. Работа с таблицами в Pandas

Обзор методов фильтрации данных ([],.loc[],.iloc[],.query()). Создание булевых масок. Сортировка и группировка. Создание сводных таблиц.

Раздел 2. Предобработка данных
Анализ типов данных, изменение типов данных. Исследование дубликатов. Исследование уникальных значений. Строковые функции. Подсчет и замена пропусков.

Раздел 3. Введение в исследовательский анализ
Сортировка и группировка. Создание сводных таблиц. Агрегирующие функции. Частота встречаемости уникальных значений. Транспонирование. Преобразование широкого формата в длинный и наоборот.

Раздел 4. Исследовательский анализ
Матрица распределения. Корреляционный анализ. Скользящее среднее. Создание категорий. Объединение таблиц. Кластеризация. Проведение A/B тестирования. Проведение RFM-сегментации клиентов.

Раздел 5. Визуализация статистических графиков в plotly.

Модуль 7. Принятие управленческих решений в бизнесе на основе данных

Раздел 1. Анализ деятельности компании

Финансовый анализ компании. Анализы ликвидности, платежеспособности, финансовой устойчивости, анализ безубыточности. Анализ внешней среды компании: SNW, PEST, SWOT анализы.

Раздел 2. Системная парадигма

Основные понятия: системный анализ, общая теория систем, системных подход, системология. Системный анализ как техника инструмент изучения и моделирования сложных объектов. Сравнение методологий: улучшение систем и системное проектирование. Аналитический и программно-целевой методы.

Раздел 3. Декомпозиция и агрегирование систем

Подходы к определению системы. Способы описания и характерные признаки систем. Классификация систем. Элементы и подсистемы. Установление границ системы. Цели и задачи системы. Структура системы. Свойства систем: структурные, динамические. Инерционность систем. Двойственность свойств сложных систем. Способы сведения многокритериальной задачи к однокритериальной: построение общего критерия, выделение главного критерия, использование пороговых критериев, введение меры расстояния в критериальном пространстве. Схемы свертки частных критериев: аддитивная, мультипликативная, максиминная свертки. Построение множества Парето. Принцип Парето. Принятие решений в системах с учетом воздействия внешней среды. Стратегия наихудшей реакции внешней среды. Стратегия равновесия Нэша. Компромиссные решения. Устойчивые решения.

Раздел 4. Принятие решений в бизнесе

Процесс построения модели принятия решений. Типы моделей принятия решений. Одноцелевые и многоцелевые принятия решений. Одноцелевые модели «прибыль -издержки» и «эффективность — затраты». Процедуры сравнения многомерных вариантов. Метод анализа иерархий. Метод Кли. Метод функции полезности. Метрическое и неметрическое шкалирование. Методы неметрического шкалирования: метод анализа размерностей, метод Черчмена-Акоффа. Выбор в условиях неопределенности (игровые методы). Выбор в условиях статистической неопределенности. Выбор в условиях нечеткой неопределенности. Экспертный выбор.

В ходе освоения программы слушатели приобретают профессиональные компетенции

• Применяют языки программирования для решения профессиональных задач.

• Анализируют и моделирует бизнес-процессы предприятий.

• Применяют основные операторы языка SQL для извлечения информации из базы данных.

• Группирует данные и использует агрегирующие функции.