Data Warehouse Analyst

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

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