Data Warehouse Analyst

4.4

5 месяцев,

начало По мере набора группы

Сложность

Продвинутый

Тип обучения

Курс

Формат обучения

С проверкой домашнего задания

Трудоустройство

Содействие

Сертификат

Да

Стоимость курса

нет данных

нет рассрочки

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.

Материал будет изучаться как вглубь (например, принципы функционирования аналитических СУБД), так и вширь (сравнение инструментов, анализ сильных и слабых сторон решений).

Что нового я смогу узнать?
Для ролей Data Scientist, Data Analyst, Product Analyst:
– Принципы работы аналитических СУБД и построение ELT-pipelines
– Использование лучших практик моделирования хранилищ данных и витрин
– Применение правильных архитектурных паттернов при построении решений

Для ролей Data Engineer, Backend Developer, DBA, System Administrator:
– Практики построения end-to-end аналитических решений
– Прикладные навыки визуализации, дашбординга, BI
– Фокус на создании ценности для бизнеса

В рамках курса будут рассмотрены:
– Навыки построения ELT-pipelines: Airflow, Nifi, Stitch
– Принципы работы аналитических СУБД: Redshift, Greenplum, Clickhouse
– Лучшие практики моделирования данных: dbt, Data Vault
– Визуализация и BI: Metabase, Superset, DataLens
– Продвинутая аналитика: KPI, Funnels, Marketing Attribution, Cohort, RFM
– DevOps-практики: Continuous Integration, Github Actions

Что вы получите после обучения

Приобретаемые навыки

DBT

Data Vault

DWH

Recap

ELT

Data Analyst

DevOps

СУБД

Облачные вычисления

Моделирование данных

Визуализация

Сертификат, ссылками на который можно делиться с другими людьми

Вас будут обучать

Анатолий Борзилов

курс

Более 6 лет опыта в области разработки хранилищ данных, ELT pipelines, анализа данных и визуализации.Опыт работы в сфере госбезопасности, создание и внедрение КХД ООО "Группа компаний «СБСВ-Ключавто», в настоящий момент разработка КХД для группы компаний "Дело"Уверен в том , что данные — это вторая нефть, своего рода имущество, которым надо уметь управлять и распоряжаться. Наличие упорядоченных данных, их правильное хранение, использование, продажа, обезличивание говорят о высоком уровне цифровой зрелости. Преподаватель

Максим Мигутин

курса

Более 5 лет в Data Science & Data Engineering в роли внешнего консультанта (IBM) и in-house лидера Data Engineering и Data Science-проектов (Альфа-Банк, Yum! Brands).Занимается построением end-to-end аналитических систем, внедрение инструментов Машинного обучения в промышленную эксплуатацию, Рекомендательные системы, MPP-базы данных.Образование: математическая кафедра Экономического факультета, Московский государствнный университет (МГУ) Otus Certified Educator Преподаватель

Александра Мёрзлая

курса

В области аналитики и BI Александра работает с 2019 года. К этому времени она получила степень бакалавра "Программной инженерии" в СПБ ГУАП, а после и степень магистра. Первые шаги в карьере были сделаны в американской компании Intermedia Cloud Communications в качестве младшего аналитика данных, а к 2021 году удалось стать руководителем команды аналитики. Весь этот год был посвящен новому кросс-командному проекту для международного финансового управления на стеке Microsoft (MS SQL Server, SSRS, SSIS, Power BI).С марта 2022 года работает в группе компаний "Тинькофф Банк" на должности аналитика в хранилище данных. Осуществляет поддержку топ-менеджмента финансового департамента в построении прототипов ETL-процессов на Greenplum, ad-hoc аналитике на Python, репортинге и визуализации в Tableau.В 2020 году получила дополнительное образование по направлению Менеджер проектного управления в IT. Является убежденным приверженцем гибких методологий разработки. Считает, что самые окупаемые вложения - это вложения в собственное развитие.Стэк: SQL, SAS DIS, SSIS, Tableau, Power BI, Python

Образовательная организация

Otus

4.2

288 отзывов

Otus.ru - высокотехнологический стартап в области образования. Наша миссия - делать образование осмысленным, реализуя связь между работодателями, специалистами и преподавателями. Приходите к нам учиться!

OTUS сегодня – это более 80 авторских курсов для IT-специалистов из разных направлений таких как программирование, тестирование, инфраструктура, информационная безопасность, управление и Data Science. И что важно, у нас есть программы для разных уровней подготовки от новичков до профессионалов, которые хотят освоить продвинутые навыки.
Наша миссия — делать обучение осмысленным, реализуя взаимосвязь между ожиданиями работодателей, компетенциями специалистов и возможностями преподавателей.

Программа курса

ELT: Структура и типы источников данных
-Тема 1.Источники данных: классификация и особенности
-Тема 2.Инструменты для выгрузки данных – 1
-Тема 3.Инструменты для выгрузки данных – 2

DWH Basics
-Тема 4.Аналитические движки (СУБД) для работы с данными
-Тема 5.Принципы построения DWH
-Тема 6.Разбор ДЗ – Выгрузка данных веб-счетчика
-Тема 7.Знакомство с Data Build Tool
-Тема 8.DBT: Analytics Engineering

DWH Intermediate
-Тема 9.Оркестрация скриптов и задач – 1
-Тема 10.Оркестрация скриптов и задач – 2
-Тема 11.Разбор ДЗ – Конфигурирование и запуск проекта dbt
-Тема 12.Data Quality
-Тема 13.Вопросы оптимизации производительности
-Тема 14.Data Vault – 1
-Тема 15.Data Vault – 2
-Тема 16.Разбор ДЗ – Подготовка и установка на расписание DAG выгрузки данных из источников

Business Intelligence
-Тема 17.BI: Обзор
-Тема 18.BI: Deployment
-Тема 19.BI: Modeling & Delivering
-Тема 20.Разбор ДЗ – Организация детального слоя DWH по методологии Data Vault
-Тема 21.Analytics: Базовые аналитические витрины
-Тема 22.BI: Углубленные вопросы
-Тема 23.Разор ДЗ – Конфигурация и развертывание BI-решения
-Тема 24.Analytics: Продвинутые аналитические витрины

DWH Advanced topics
-Тема 25.DWH: Advanced topics
-Тема 26.DBT: Extending with modules
-Тема 27.DWH: Monitoring + Workload management
-Тема 28.Разбор ДЗ – Визуализация и дашбординг для аналитических витрин
-Тема 29.DWH: External + Semi-structured data
-Тема 30.DWH: Reverse-ETL
-Тема 31.DWH: Machine Learning capabilities

Recap
-Тема 32.Разбор кейса: end-to-end solution
-Тема 33.Разбор ДЗ – Advanced DWH: Configuring CI, dbt modules, External tables
-Тема 34.Дальнейшее развитие навыков

Проектная работа
-Тема 35.Выбор темы и организация проектной работы
-Тема 36.Защита проектных работ