Data Warehouse Analyst – kostenloser Kurs von Otus, Ausbildung 5 Monate, Datum 30. November 2023.
Verschiedenes / / December 04, 2023
Heutzutage werden analytische Anwendungen an der Schnittstelle von Ingenieurspraktiken (Software/Data Engineering) entwickelt. Verständnis der Besonderheiten von Produkten und Unternehmen (Daten-/Geschäftsanalyse), schnelle und qualitativ hochwertige Bereitstellung von Dienstleistungen (DevOps).
Ziel des Kurses ist es, den Studierenden beizubringen, wie sie mithilfe der relevantesten und gefragtesten Tools vollständige End-to-End-Analyselösungen zusammenstellen können.
Das Material wird sowohl eingehend (z. B. die Funktionsprinzipien analytischer DBMS) als auch umfassend (Vergleich von Tools, Analyse der Stärken und Schwächen von Lösungen) untersucht.
Was kann ich Neues lernen?
Für die Rollen Data Scientist, Data Analyst, Product Analyst:
– Funktionsprinzipien des analytischen DBMS und Aufbau von ELT-Pipelines
– Verwendung von Best Practices für die Modellierung von Data Warehouses und Marts
– Anwendung der richtigen architektonischen Muster beim Erstellen von Lösungen
Für die Rollen Data Engineer, Backend Developer, DBA, Systemadministrator:
– Praktiken zum Aufbau analytischer End-to-End-Lösungen
– Angewandte Fähigkeiten in Visualisierung, Dashboarding, BI
– Konzentrieren Sie sich auf die Schaffung von Geschäftswert
Der Kurs umfasst:
– Kenntnisse im Aufbau von ELT-Pipelines: Airflow, Nifi, Stitch
– Funktionsprinzipien analytischer DBMS: Redshift, Greenplum, Clickhouse
– Best Practices für die Datenmodellierung: dbt, Data Vault
– Visualisierung und BI: Metabase, Superset, DataLens
– Erweiterte Analysen: KPI, Trichter, Marketing-Attribution, Kohorte, RFM
– DevOps-Praktiken: Kontinuierliche Integration, Github-Aktionen
6
KurseDateningenieur bei Wildberries, DE Junior-Kurssprecher. Mehr als 7 Jahre in der IT
Absolvent der Staatlichen Universität Woronesch mit Auszeichnung. Derzeit Student im HSE-Masterstudiengang „System and Software Engineering“. Berufserfahrung – 2 Jahre Arbeit als Datenanalyst und Dateningenieur. Jetzt arbeitet er mit fünf gängigen Datenbanken, entwickelt in Python und entwickelt seine Fähigkeiten schnell weiter. Ich bin bereit, meine Erfahrungen zu teilen.
1
AlsoMehr als 6 Jahre Erfahrung in der Entwicklung von Data Warehouses, ELT-Pipelines, Datenanalyse und Visualisierung. Erfahrung im Bereich der Staatssicherheit, Gründung und Umsetzung der KHD LLC „Unternehmensgruppe „SBSV-Klyuchavto“, derzeit...
Mehr als 6 Jahre Erfahrung in der Entwicklung von Data Warehouses, ELT-Pipelines, Datenanalyse und Visualisierung. Erfahrung im Bereich der Staatssicherheit, Gründung und Umsetzung der QCD LLC „Unternehmensgruppe „SBSV-Klyuchavto“, die derzeit QCD entwickelt Für die Delo-Unternehmensgruppe bin ich zuversichtlich, dass Daten das zweite Öl sind, eine Art Eigentum, das man verwalten und verwalten muss entsorgen. Das Vorhandensein organisierter Daten, deren ordnungsgemäße Speicherung, Nutzung, Verkauf und Anonymisierung weisen auf einen hohen digitalen Reifegrad hin. Lehrer
3
KursAlexandra ist seit 2019 im Bereich Analytics und BI tätig. Zu diesem Zeitpunkt erhielt sie einen Bachelor-Abschluss in Software-Engineering von der St. Petersburg State University of Aviation Administration und anschließend einen Master-Abschluss. Erste Schritte in...
Alexandra ist seit 2019 im Bereich Analytics und BI tätig. Zu diesem Zeitpunkt erhielt sie einen Bachelor-Abschluss in Software-Engineering von der St. Petersburg State University of Aviation Administration und anschließend einen Master-Abschluss. Die ersten Schritte seiner Karriere machte er als Junior-Datenanalyst beim amerikanischen Unternehmen Intermedia Cloud Communications, 2021 schaffte er es, Leiter des Analytics-Teams zu werden. Das ganze Jahr war einem neuen teamübergreifenden Projekt für internationales Finanzmanagement auf dem Microsoft-Stack (MS SQL) gewidmet Server, SSRS, SSIS, Power BI). Seit März 2022 arbeitet er in der Tinkoff Bank-Unternehmensgruppe als Lageranalyst Daten. Bietet Unterstützung für das Top-Management der Finanzabteilung bei der Erstellung von Prototypen von ETL-Prozessen mit Greenplum, Ad-hoc-Analysen in Python, Berichten und Visualisierung in Tableau. Im Jahr 2020 erhielt sie eine Zusatzausbildung in Richtung Projektmanagementmanagerin in der IT. Er ist ein überzeugter Befürworter flexibler Entwicklungsmethoden. Ist der Ansicht, dass die profitabelsten Investitionen Investitionen in die eigene Entwicklung sind. Stapel: SQL, SAS DIS, SSIS, Tableau, Power BI, Python
ELT: Struktur und Arten von Datenquellen
-Thema 1. Datenquellen: Klassifizierung und Merkmale
-Thema 2.Tools zum Herunterladen von Daten – 1
-Thema 3.Tools zum Herunterladen von Daten – 2
DWH-Grundlagen
-Thema 4. Analytische Engines (DBMS) für die Arbeit mit Daten
-Thema 5. Prinzipien der DWH-Konstruktion
-Thema 6.DZ-Analyse – Hochladen von Web-Zählerdaten
-Thema 7. Einführung in das Data Build Tool
-Thema 8.DBT: Analytics Engineering
DWH Mittelstufe
-Thema 9.Orchestrierung von Skripten und Aufgaben – 1
-Thema 10. Orchestrierung von Skripten und Aufgaben – 2
-Thema 11.DZ-Analyse – Konfigurieren und Starten des dbt-Projekts
-Thema 12. Datenqualität
-Thema 13. Probleme bei der Leistungsoptimierung
-Thema 14.Datentresor – 1
-Thema 15.Datentresor – 2
-Thema 16.DZ-Analyse – Vorbereiten und Einrichten eines DAG-Zeitplans zum Herunterladen von Daten aus Quellen
Business Intelligence
-Thema 17.BI: Überblick
-Thema 18.BI: Bereitstellung
-Thema 19.BI: Modellieren und Liefern
-Thema 20.DZ-Analyse – Organisation einer detaillierten DWH-Schicht mithilfe der Data Vault-Methodik
-Thema 21.Analytik: Grundlegende analytische Schaufenster
-Thema 22.BI: Detaillierte Fragen
-Thema 23. DZ Razor – Konfiguration und Bereitstellung einer BI-Lösung
-Thema 24.Analytics: Vorführungen zu erweiterten Analysen
DWH Fortgeschrittene Themen
-Thema 25.DWH: Fortgeschrittene Themen
-Thema 26.DBT: Erweiterung mit Modulen
-Thema 27.DWH: Überwachung + Workload-Management
-Thema 28.DZ-Analyse – Visualisierung und Dashboarding für analytische Schaufenster
-Thema 29.DWH: Externe + halbstrukturierte Daten
-Thema 30.DWH: Reverse-ETL
-Thema 31.DWH: Fähigkeiten des maschinellen Lernens
Rekapitulieren
-Thema 32. Fallanalyse: End-to-End-Lösung
-Thema 33.DZ-Analyse – Erweitertes DWH: Konfigurieren von CI, DBT-Modulen, externen Tabellen
-Thema 34. Weiterentwicklung der Fähigkeiten
Projektarbeit
-Thema 35. Themenauswahl und Organisation der Projektarbeit
-Thema 36. Schutz von Designarbeiten