OTUS

Продуктовая аналитика

Начальный уровень
Наставник: Нет
Сертификат: Нет
Формат: Online
Рассрочка: Нет
Язык: Русский
Осталось мест: не ограничено

80 000 ₽/курс

5 месяцев

Записаться

Вы будете перенаправлены на сайт партнера.

OTUS

Продуктовая аналитика

Научитесь решать задачи продуктового анализа: работа с SQL и Python + A/B-тестирование + визуализация данных и сделайте следующий шаг в своей карьере

Инновационная система карьерного планирования

Попробовать

Для кого этот курс?

Общее ориентирование в мире IT
Базовое знание статистики, SQL, Python будет плюсом (но не обязательно)

Программа обучения

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, А/В-тесты
Тема 4: Инструменты для анализа бизнес-показателеи?. Взаимосвязь продуктовых метрик и жизненного цикла продукта
Тема 1: Основные команды: select * from #, ключи. Различные типы данных: булевы, числовые, строковые, временные, Nullable, массивы и геокоординаты
Тема 2: Разница в join-ах. Различие между having и where. О чем говорят аббревиатуры ASC/DESC. Откуда в SQL индексы
Тема 3: Подзапросы и with
Тема 4: Взаимодействие с таблицами: create, insert, update, delete, drop, alter
Тема 5: Агрегирующие функции. Сложные функции row_number, lag. Оконные функции и их применение
Тема 6: Хинты в скриптах для ускорения запроса. Оптимизация запроса
Тема 1: Дашборды. Основные инструменты для визуализации данных
Тема 2: Сбор требовании? к дашборду
Тема 3: Основные приемы в построении дашбордов. Good/bad practice: нюансы в визуализации
Тема 4: Как графики могут обманывать и как этого не допустить
Тема 1: Продуктовая аналитика: расчеты retention/churn/ltv/cac
Тема 2: Когортныи? анализ и все о сегментациях
Тема 3: Юнит-экономика в Excel
Тема 4: Иерархия метрик
Тема 5: Формулирование гипотез, поиск точек роста
Тема 6: Презентация исследовании? заказчику - опорные пункты
Тема 1: Выборка, генеральная совокупность, метрики. База для анализа данных — среднее, медиана, дисперсия, квартили.
Тема 2: Нормальное распределение и ЦПТ
Тема 3: Расчет уровня значимости и доверительные интервалы. Виды статистических критериев и их применение
Тема 4: Регрессионныи? и корреляционныи? анализ
Тема 5: Со*: логистическая регрессия и кластерный анализ (для сложных задач с предсказаниями)
Тема 1: Основные понятия в Python: списки, словари, условия, циклы. Введение в Jupyter и Jupyter Notebooks
Тема 2: Этапы очистки и подготовки данных к анализу
Тема 3: Визуализируем данные с трендами с помощью Seaborn и Matplotlib
Тема 4: Полезность pandas: основнои? функционал и решаемые задачи с его помощью
Тема 5: Работа с API и его полезность в автоматизации задач
Тема 1: Поговорим о смыслах: А/В и А/В/n- тесты. А/А - тесты и почему они важны
Тема 2: Дизаи?н А/В-теста - полныи? цикл. Как правильно организовать А/В-тест?
Тема 3: Валидация продуктовых гипотез - как понять, нужно тестировать эту идею или нет?
Тема 4: Избегаем основные ошибки в А/В- тестировании: проблемы подглядывания, неравномерность выборок, достижение стат.значимости, недостаток данных
Тема 5: Снова про А/В/n- тесты. Поправки на множественное тестирование
Тема 6: Анализ и интерпретация результатов теста. Бизнес-смысл А/В-тестов
Тема 1: Управление требованиями и ожиданиями
Тема 2: Постановка задачи и реалистичные оценки сроков выполнения
Тема 3: Роль аналитика в команде. Как оптимизировать свое время
Тема 4: Как расти в греи?де - отличие junior/middle/senior
Тема 1: Как подсветить навыки в резюме. Шаблон резюме
Тема 2: Этапы собеседования: чего ждать? Live-собеседование с поведенческими вопросами
Тема 3: Сделаем разбор собеседования на hard-skills: теперь мы все умеем и на все вопросы ответим.
Тема 4: Что нужно сделать в первые 3 месяца работы аналитиком
Тема 1: Итоговое занятие по пройденному материалу. Выбор темы и организация проектной работы
Тема 2: Защита проектных работ
Тема 1: Git ///