Никаких записей курсов — только живое общение
Курсы
Наши курсы
Программирование
Тестирование
Анализ данных
TeachMeSkills в Ютубе
Здесь мы публикуем годный контент, подробные разборы и практический опыт учителей
Дистанционный курс — 5 месяцев
Продуктовый аналитик в IT
Научим с нуля продуктовому анализу в IT за 5 месяцев.
Свяжемся в течение рабочего дня
Нажимая на кнопку, я соглашаюсь на обработку персональных данных
Идет набор групп
За 8 лет наша школа выпустила более 11500 айтишников, успешно начавших свою карьеру в международных IT компаниях.
Кем ты станешь?
Курс Product Analyst позволит тебе стать начинающим продуктовым аналитиком в data-driven компаниях — то есть тех, которые ориентируются в решениях на big data и аналитику данных. Продуктовый аналитик в IT — это специалист, который собирает, обрабатывает, изучает и интерпретирует данные, проводит А/B-тесты, строит модели и проверяет, как пользователи и клиенты реагируют на нововведения, выдвигает гипотезы и проводит аналитические исследования, направленные на выявление узких мест проекта и поиск точек роста. Главная задача такого специалиста — превратить цифры и графики в понятные выводы, чтобы руководитель мог принимать решения.
Чему ты научишься?
- Изучишь доменную область - продуктовые метрики, основы статистики;
- Научишься обрабатывать и подготавливать данные (очищать, группировать, вычислять метрики и т.д.) при помощи SQL и Python;
- Сможешь визуализировать и наглядно представлять полученные результаты, делать выводы по ним, давать предложения и рекомендации;
- Узнаешь, как выдвигать и тестировать гипотезы, чтобы улучшать основные метрики компании;
- Начнешь проводить сегментацию аудитории, анализировать поведение разных групп, чтобы лучше понимать предпочтения клиентов;
- Освоишь запуск А/В-тестирования, научишься проверять значимость результатов и находить инсайты для развития продукта.
Зарплата Продуктового-аналитика в IT
Источник данных: HH.ru
900 $ - 1500 $
На рынке не хватает Продуктовых-аналитиков
234сейчас ищут Продуктовых-аналитиков в IT
Программа курса
Рассчитана на 144 академических часов
Составлена практикующими IT-специалистами для новичков в IT.
Введение в сферу IT
Введение в сферу IT
- Общий обзор сферы IT.
- Основные направления и специализации в IT.
- Взаимодействие различных специалистов в IT-проектах.
- Роль аналитики в современных IT-компаниях.
- Тенденции и будущее IT-индустрии.
Продуктовая аналитика
Введение в продуктовую аналитику
- Роль продуктового аналитика в IT.
- Основные понятия и термины.
- Взаимодействие с командами разработки и маркетинга.
- Этапы анализа продукта.
- Различия между продуктовой и другими видами аналитики.
Что такое продукт?
- Определение продукта в контексте IT.
- Компоненты продукта: функционал, пользовательский интерфейс, технологии.
- Процесс создания продукта: от идеи до реализации.
- Роль аналитика в процессе создания продукта.
- Примеры успешных продуктов и их ключевые характеристики.
Unit-экономика
- Понятие и значение unit-экономики.
- Расчет ключевых показателей.
- Применение unit-экономики в анализе продукта.
- Примеры из реальной практики.
- Управление продуктом на основе данных.
Продуктовые метрики
- Основные продуктовые метрики.
- Метрики для различных типов продуктов.
- Анализ метрик и выводы для развития продукта.
- Сравнение метрик и их взаимосвязь.
- Как метрики влияют на решения по продукту.
Продуктовые метрики - Практика
- Практика использования метрик
- Применение методов сравнения и анализа метрик в практических заданиях
Сегментация целевой аудитории
- Понятие и цели сегментации.
- Методы сегментации.
- Применение сегментации в продуктовой аналитике.
- Примеры успешной сегментации.
- Ошибки при сегментации и как их избежать.
Построение гипотез и их тестирование
- Техники генерации гипотез.
- Методы тестирования гипотез.
- Анализ результатов тестирования.
- Примеры успешных и неуспешных гипотез.
- Как гипотезы влияют на развитие продукта.
Google таблицы, Excel
Основы работы с таблицами
- Введение в Google Таблицы и Excel.
- Создание и форматирование таблиц.
- Основные функции и формулы.
- Импорт и экспорт данных.
- Шорткаты и улучшение эффективности работы.
Продвинутые функции и анализ данных
- Сложные формулы и функции.
- Сводные таблицы и их настройка.
- Условное форматирование для анализа данных.
- Автоматизация задач с помощью макросов.
- Работа с большими объемами данных.
Визуализация данных
- Основы создания графиков и диаграмм.
- Выбор подходящих типов визуализации.
- Настройка и кастомизация графиков.
- Интеграция с другими инструментами.
- Примеры эффективных отчетов и дашбордов.
Сценарии и моделирование
- Создание сценариев для анализа "что если".
- Использование данных для прогнозирования.
- Моделирование финансовых и экономических показателей.
- Работа с датами и временными рядами.
- Примеры применения в реальных проектах.
Совместная работа и безопасность данных
- Настройки доступа и совместная работа.
- Версионирование и история изменений.
- Защита данных и конфиденциальность.
- Интеграция с другими сервисами.
- Лучшие практики работы в команде.
Анализ ошибок и устранение проблем
- Распространенные ошибки при работе с таблицами.
- Диагностика и устранение ошибок в данных.
- Оптимизация производительности таблиц.
- Проверка данных на соответствие.
- Кейсы из практики и как их решали.
Python
Пользовательский опыт и поведенческие факторы
- Анализ пользовательского опыта.
- Изучение поведенческих факторов.
- Инструменты для анализа UX.
- Связь UX с продуктовыми метриками.
- Примеры улучшения продукта через UX.
Статистика
Продвинутые запросы SQL
- Подзапросы и их использование.
- Оконные функции.
- Работа с текстовыми и датскими функциями.
- Оптимизация запросов.
- Использование индексов и производительность баз данных.
SQL в аналитике
- Создание и использование представлений.
- Автоматизация отчетов с помощью SQL.
- Интеграция SQL с другими инструментами аналитики.
- Безопасность и управление доступом.
- Примеры аналитических запросов на реальных данных.
Проектная работа на SQL
- Планирование и постановка задачи.
- Разработка схемы базы данных.
- Реализация проекта: от создания таблиц до написания запросов.
- Тестирование и оптимизация.
- Презентация проекта и обратная связь.
Основы Python
- Введение в Python и его установка.
- Основные типы данных и операции.
- Управляющие конструкции: условия, циклы.
- Функции и модули.
- Работа с ошибками и исключениями.
Работа с библиотекой Pandas
- Введение в Pandas.
- Основные структуры данных: Series и DataFrame.
- Загрузка и сохранение данных.
- Операции с данными: фильтрация, сортировка, агрегация.
- Слияние и объединение данных.
Визуализация данных с Matplotlib и Seaborn
- Основы визуализации данных.
- Создание различных типов графиков.
- Настройка и стилизация графиков.
- Интеграция визуализаций с Pandas.
- Примеры визуализации реальных данных.
SQL
Основы SQL
- Введение в базы данных и SQL.
- Основные операции SQL: SELECT, INSERT, UPDATE, DELETE.
- Фильтрация и сортировка данных.
- Соединения таблиц: INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL JOIN.
- Группировка данных и агрегатные функции.
Анализ данных и статистика
- Статистический анализ данных.
- Работа с наборами данных.
- Применение статистических функций.
- Корреляция и регрессионный анализ.
- Примеры статистического анализа в продуктовой аналитике.
Машинное обучение для аналитиков
- Введение в машинное обучение.
- Обзор основных алгоритмов.
- Подготовка данных для моделей.
- Обучение и тестирование моделей.
- Примеры применения ML в продуктовой аналитике.
Проектная работа на Python
- Планирование и структурирование проекта.
- Работа в команде на GitHub.
- Реализация проекта: от идеи до прототипа.
- Тестирование и дебаггинг.
- Презентация проекта и обратная связь.
Основы статистики
- Введение в статистику.
- Описательная статистика: меры центральной тенденции и разброса.
- Вероятность и её основные понятия.
- Распределения вероятностей.
- Закон больших чисел и центральная предельная теорема.
Проверка статистических гипотез
- Типы статистических гипотез.
- Параметрические и непараметрические тесты.
- p-значения и уровни значимости.
- Мощность статистического теста.
- Примеры применения тестов в аналитике.
Корреляционный анализ
- Понятие корреляции и её виды.
- Примеры использования в анализе данных.
Регрессионный анализ
- Регрессионный анализ и его применение.
- Множественная регрессия.
- Диагностика регрессионных моделей.
Многомерный статистический анализ
- Факторный анализ.
- Кластерный анализ.
- Дискриминантный анализ.
- Методы снижения размерности: PCA.
- Примеры применения многомерного анализа.
Визуализация в Tableau
Временные ряды и прогнозирование
- Основы анализа временных рядов.
- Стационарность и её тестирование.
- Модели ARIMA и сезонное моделирование.
- Прогнозирование временных рядов.
- Примеры прогнозирования в бизнесе и финансах.
А/В тестирование и экспериментальный дизайн
- Понятие А/В тестирования.
- Планирование и проведение экспериментов.
- Анализ результатов А/В тестов.
- Ошибки и подводные камни в А/В тестировании.
- Примеры успешных А/В тестов.
Основы работы с Tableau
- Введение в Tableau.
- Подключение к источникам данных.
- Основы создания визуализаций.
- Использование шаблонов и дашбордов.
- Публикация и деление визуализаций.
Ретроспектива. Консультации
Продвинутые визуализации
- Создание сложных графиков и карт.
- Использование параметров и фильтров.
- Анимация данных.
- Встроенные функции анализа в Tableau.
- Кастомизация дашбордов под нужды пользователя.
Онлайн-занятие «Поиск работы в IT»
Интеграция Tableau с другими инструментами
- Интеграция с SQL и Python.
- Автоматизация обновления данных.
- Использование Tableau в командной работе.
- Безопасность и управление доступом.
- Примеры решения бизнес-задач с помощью Tableau.
Защита дипломных проектов.
Проектная работа в Tableau
- Планирование и постановка задачи.
- Создание комплексных дашбордов.
- Работа с реальными данными.
- Тестирование и дебаггинг.
- Презентация проекта и обратная связь.
Ретроспектива. Подведение итогов
- Подведение итогов курса.
- Подготовка к презентации дипломных проектов.
- Рекомендации по подготовке презентаций и демонстрации результатов.
Пробное техническое собеседование
- Проведение пробного технического собеседования
- Ответы на вопросы студентов
Онлайн-занятие «Поиск работы в IT»
- Составление резюме и сервисы для создания резюме
- Создание и правильное оформление профиля в LinkedIn
- Составление мотивационного письма
- Работа с поиском вакансий на различных джоб-бордах
- Личные рекомендации Карьерного центра по поиску первой работы в IT
Защита итогового дипломного проекта
- Защита итогового дипломного проекта
Учебный процесс
Преподаватели курса
Учись у лучших. Все наши преподаватели - практикующие специалисты в международных IT-компаниях
Евгений
Ваше резюме после курса:
Профессиональные навыки:
- знание основ статистики, теории вероятностей и продуктовой аналитики;
- знание доменной области;
- работа с базами данных;
- умения писать на языках программирования (SQL, Python/R) для получения необходимой информации для дальнейшего анализа;
- владеть инструментами визуализации (Tableau, Power-Bi, Redash);
- владение MS Excel, MS Powerpoint или Google Docs, Google Sheets, Google Drawings, Google Forms, Google Sites и Google Keep для оформления результатов и предоставления руководителю принимающему решения;
- проводить анализ ключевых метрик проекта;
- создание интерактивных отчетов/дэшбордов с предварительной обработкой данных;
- проведение АБ-тестов: от гипотез и расчета параметров теста до оценки результатов и рекомендаций.
Помощь в трудоустройстве
Опытные HR-специалисты отвечают на вопросы, готовят к собеседованию и помогают каждому студенту получить работу мечты.
Раз
Рекомендации по составлению портфолио и резюме
Два
Подготовка к собеседованию в компаниях-партнёрах
Три
Персональные консультации по развитию карьеры
Стоимость обучения
Полная разовая оплата
90 000₽
Возможен вариант оплаты по банковской рассрочке от 6 до 18 месяцев. Более подробную информацию по программам рассрочки и кредитования можно узнать у менеджеров.
Оплата в рассрочку
Запись на обучение
Свяжемся в течение рабочего дня
Нажимая на кнопку, я соглашаюсь на обработку персональных данных