Постер курса

OTUS

Продуктовая аналитика

  • Продвинутый уровень
  • Наставник: Есть
  • Сертификат: Есть
  • Формат: Online
  • Рассрочка: Нет
  • Язык: Русский
  • Осталось мест: Неограничено
Записаться

Продуктовая аналитика

Что даст вам этот курс


Курс обеспечит вам плавное погружение в продуктовый анализ. Вы разберете основные задачи в этой сфере и их последующее решение с помощью SQL и Python, навыки визуализации данных, понимание статистики для работы с А/В- тестами . Помимо этого вы прокачаете навыки работы в команде, получите карьерное консультирование и узнаете, как и куда развиваться в области продуктового анализа.

На кого рассчитан курс?
маркетологи;
product-менеджеры;
начинающие аналитики;
дата сайентисты;
программисты.
После прохождения курса вы сможете:
успешно решать аналитические задачи в SQL и Python;
проводить А/В-тесты, интерпретировать их результаты и выдвигать гипотезы на их основании;
визуализировать и презентовать свои данные четко и убедительно;
Также вы узнаете:
какие задачи решает аналитика и зачем она нужна в компании;
выстроите для себя дальнейший план карьерного развития.

Выпускной проект


Вам будет предложено несколько проектов, основанных на реальных кейсах, на выбор:- реальная продуктовая задача. Вам будет необходимо оценить А/В тест и провести продуктовое исследование;- оценка сложного А/В теста, реализация продуктового исследования в Python.

Процесс обучения


Образовательный процесс происходит ONLINE в формате вебинаров (язык преподавания — русский).

В рамках курса слушателям предлагаются к выполнению домашние задания, которые позволяют применить на практике знания, полученные на занятиях. По каждому домашнему заданию преподаватель дает развернутый фидбек. В течение всего учебного процесса преподаватель находится в едином коммуникационном пространстве с группой, т. е. при обучении слушатель может задавать преподавателю уточняющие вопросы по учебным материалам.
Программа обучения
Физический смысл аналитики
  • Тема 1. Бизнес-смысл. Зачем нужна аналитика и что такое аналитическая культура в компании?
  • Тема 2. Виды аналитиков и задач у них. BI, продуктовыи? аналитик, дата-аналитик, бизнес-аналитик. Чем продуктовыи? аналитик отличается от них всех?
  • Тема 3. Задачи в аналитике: ad-hoc запросы, построение дашбордов, исследования, факторныи? анализ, АВ-тесты
  • Тема 4. Инструменты для анализа бизнес-показателеи?. Взаимосвязь продуктовых метрик и жизненного цикла продукта // ДЗ
SQL
  • Тема 5. Основные команды: select * from #, ключи. Различные типы данных: булевы, числовые, строковые, временные, Nullable, массивы и геокоординаты
  • Тема 6. Разница в join-ах. Различие между having и where. О чем говорят аббревиатуры ASC/DESC. Откуда в SQL индексы?
  • Тема 7. Подзапросы и with
  • Тема 8. Взаимодействие с таблицами: create, insert, update, delete, drop, alter // ДЗ
  • Тема 9. Агрегирующие функции. Сложные функции row_number, lag. Оконные функции и их применение
  • Тема 10. Хинты в скриптах для ускорения запроса. Оптимизация запроса
Визуализация данных
  • Тема 11. Дашборды. Основные инструменты для визуализации данных: PowerBI, Tableau
  • Тема 12. Сбор требовании? к дашборду
  • Тема 13. Как графики могут обманывать и как этого не допустить // ДЗ
  • Тема 14. Основные приемы в построении дашбордов. Good/bad practice: нюансы в визуализации
Виды задач в продуктовой аналитике
  • Тема 15. Продуктовая аналитика: расчеты retention/churn/ltv/cac
  • Тема 16. Иерархия метрик // ДЗ
  • Тема 17. Когортныи? анализ и все о сегментациях
  • Тема 18. Юнит-экономика в Excel
  • Тема 19. Формулирование гипотез, поиск точек роста
  • Тема 20. Презентация исследовании? заказчику - опорные пункты // ДЗ
Статистика
  • Тема 21. Выборка, генеральная совокупность, метрики. База для анализа данных — среднее, медиана, дисперсия, квартили.
  • Тема 22. Нормальное распределение и ЦПТ
  • Тема 23. Расчет уровня значимости и доверительные интервалы. Виды статистических критериев и их применение
  • Тема 24. Регрессионныи? и корреляционныи? анализ
  • Тема 25. Со*: логистическая регрессия и кластерный анализ (для сложных задач с предсказаниями)
Python
  • Тема 26. Основные понятия в Python: списки, словари, условия, циклы. Введение в Jupyter и Jupyter Notebooks
  • Тема 27. Этапы очистки и подготовки данных к анализу
  • Тема 28. Визуализируем данные с трендами с помощью Seaborn и Matplotlib // ДЗ
  • Тема 29. Полезность pandas: основнои? функционал и решаемые задачи с его помощью
  • Тема 30. Работа с API и его полезность в автоматизации задач
АВ-тесты
  • Тема 31. Поговорим о смыслах: А/В и А/В/n- тесты. А/А - тесты и почему они важны
  • Тема 32. Дизаи?н А/В-теста - полныи? цикл. Как правильно организовать А/В тест?
  • Тема 33. Валидация продуктовых гипотез - как понять, нужно тестировать эту идею или нет?
  • Тема 34. Избегаем основные ошибки в А/В- тестировании: проблемы подглядывания, неравномерность выборок, достижение стат.значимости, недостаток данных // ДЗ
  • Тема 35. Снова про А/В/n- тесты. Поправки на множественное тестирование
  • Тема 36. Анализ и интерпретация результатов теста. Бизнес-смысл А/В тестов // ДЗ
Работа в команде
  • Тема 37. Управление требованиями и ожиданиями
  • Тема 38. Постановка задачи и реалистичные оценки сроков выполнения
  • Тема 39. Роль аналитика в команде. Как оптимизировать свое время
  • Тема 40. Как расти в греи?де - отличие junior/middle/senior
Поиск работы
  • Тема 41. Как подсветить навыки в резюме. Шаблон резюме
  • Тема 42. Этапы собеседования: чего ждать? Live-собеседование с поведенческими вопросами
  • Тема 43. Сделаем разбор собеседования на hard-skills: теперь мы все умеем и на все вопросы ответим.
  • Тема 44. Бонус: что нужно сделать в первые 3 месяца работы аналитиком
Подведение итогов курса
  • Тема 45. Итоговое занятие по пройденному материалу. Выбор темы и организация проектной работы
  • Тема 46. Защита проектных работ
Что нужно знать?
  • Общее ориентирование в мире IT. Базовое знание статистики, SQL, Python будет плюсом (но не обязательно)
Знания и навыки, которые приобретете
  • Получите сертификат о прохождении курса
  • Получите приглашение пройти собеседование в компаниях-партнерах Otus (в случае успешного обучения на курсе)
  • Заберете с собой полный комплект обучающих материалов: видеозаписи всех вебинаров, презентации к занятиям
  • Создадите своё портфолио проектов, которое поможет при прохождении собеседований
  • Сможете применить полученные навыки в своей работе
Партнеры

Преподаватели

  • Марина Михеева

    CDO Aero eCommerce агентство

    Последние 5 лет занимается продуктовой аналитикой, помогая компаниям находить инсайты в данных.В 2017 году занималась бизнес-аналитикой в Авито. Затем помогала выстраивать продуктовую культуру в компании ЦИАН, где занималась продуктовой аналитикой для разных вертикалей. После этого полтора года выстраивала продуктовую аналитику для поиска и рекомендаций в AliExpress. На данный момент является старшим аналитиком в компании DiDi. Большой опыт в построении сегментаций, иерархии метрик, юнит-экономики и прочих продуктовых концептов, включая А/В- тестирование.Образование: НИУ ВШЭ, Мировая экономика - бакалавр; НИУ ВШЭ, Стратегическое и корпоративное управление - магистр.

  • Жуков Вячеслав

    CDO Aero eCommerce агентство

    Более 6 лет работает в области аналитики данных: основной фокус на задачах продуктовой аналитики, разработке аналитических платформ и технологий персонализации. В портфолио более 100 проектов, в том числе РБК, RU-Center, Сбербанк, Gloria Jeans, 4 лапы, Burger King, Hoff и др. С 2020 года с нуля выстраивает вертикаль аналитики данных в Aero, которая превратилась в отдельное быстрорастущее направление агенства.Образование: НИУ ВШЭ Бизнес-информатика (магистратура Электронный бизнес).Приглашенный преподаватель Высшей Школы Экономики.

  • Виталий Русакевич

    Senior Product Analyst в компании Karuna

    В аналитике с 2016 года. Опыт работы в производственной компании, телекоме, геймдеве и финтехе.Закончил Санкт-Петербургский Государственный Университет Кино и Телевидения в 2006 г. Изучал Python в ИТМО, Transact-SQL в Политехе (получил сертификат Microsoft MOC-20461. Дополнительно проходил курсы по аналитике, статистике и ML.Имеет опыт работы с инструментами визуализации Tableau, Power BI, c классическим машинным обучением, в проведении A/B-тестов, с базами данных - Vertica, BigQuery, ClickHouse.Компании: Аланталь, Yolla, Social Quantum, Karuna