Data Warehouse Analyst - curso gratuito de Otus, formación 5 meses, fecha 30 de noviembre de 2023.
Miscelánea / / December 04, 2023
Las aplicaciones analíticas actuales se construyen en la intersección de las prácticas de ingeniería (software/ingeniería de datos), comprender las características específicas de los productos y el negocio (análisis de datos/negocios), prestación de servicios rápida y de alta calidad (DevOps).
El curso tiene como objetivo enseñar a los estudiantes cómo ensamblar soluciones analíticas completas de extremo a extremo utilizando las herramientas más relevantes y demandadas.
El material se estudiará tanto en profundidad (por ejemplo, los principios de funcionamiento de los DBMS analíticos) como en amplitud (comparación de herramientas, análisis de las fortalezas y debilidades de las soluciones).
¿Qué cosas nuevas puedo aprender?
Para los roles Científico de datos, Analista de datos, Analista de producto:
– Principios de funcionamiento de DBMS analíticos y construcción de tuberías ELT.
– Utilizar las mejores prácticas para modelar almacenes y mercados de datos.
– Aplicación de los patrones arquitectónicos correctos a la hora de construir soluciones.
Para los roles Ingeniero de datos, Desarrollador backend, DBA, Administrador del sistema:
– Prácticas de construcción de soluciones analíticas de un extremo a otro.
– Habilidades aplicadas en visualización, paneles de control, BI.
– Centrarse en la creación de valor empresarial.
El curso cubrirá:
– Habilidades en la construcción de tuberías ELT: Airflow, Nifi, Stitch
– Principios operativos de DBMS analíticos: Redshift, Greenplum, Clickhouse
– Mejores prácticas de modelado de datos: dbt, Data Vault
– Visualización y BI: Metabase, Superset, DataLens
– Análisis avanzado: KPI, embudos, atribución de marketing, cohorte, RFM
– Prácticas DevOps: Integración Continua, Acciones Github
6
cursosIngeniero de datos en Wildberries, ponente del curso DE Junior. Más de 7 años en TI
Graduado con honores de la Universidad Estatal de Voronezh. Actualmente estudiante de la maestría HSE “Ingeniería de Sistemas y Software”. Experiencia profesional: 2 años de trabajo como Analista de Datos e Ingeniero de Datos. Ahora trabaja con 5 bases de datos populares, desarrolla en Python y está desarrollando rápidamente sus habilidades. Listo para compartir mi experiencia.
1
BuenoMás de 6 años de experiencia en el desarrollo de data warehouses, ELT pipelines, análisis y visualización de datos. Experiencia en el campo de la seguridad del Estado, creación e implementación de KHD LLC "Grupo de empresas "SBSV-Klyuchavto", actualmente...
Más de 6 años de experiencia en el desarrollo de data warehouses, ELT pipelines, análisis y visualización de datos. Experiencia en el campo de la seguridad del Estado, creación e implementación de QCD LLC "Grupo de empresas "SBSV-Klyuchavto", que actualmente desarrolla QCD Para el grupo de empresas Delo estoy seguro de que los datos son el segundo petróleo, un tipo de propiedad que es necesario poder gestionar y disponer de. La presencia de datos organizados, su adecuado almacenamiento, uso, venta y anonimización indican un alto nivel de madurez digital. Maestro
3
cursoAlexandra trabaja en el campo de la analítica y el BI desde 2019. En ese momento, recibió una licenciatura en Ingeniería de Software de la Universidad Estatal de Administración de Aviación de San Petersburgo y luego una maestría. Primeros pasos en...
Alexandra trabaja en el campo de la analítica y el BI desde 2019. En ese momento, recibió una licenciatura en Ingeniería de Software de la Universidad Estatal de Administración de Aviación de San Petersburgo y luego una maestría. Los primeros pasos de su carrera los dio en la empresa estadounidense Intermedia Cloud Communications como analista de datos junior, y en 2021 logró convertirse en el jefe del equipo de análisis. Todo este año se dedicó a un nuevo proyecto entre equipos para la gestión financiera internacional en la pila de Microsoft (MS SQL Server, SSRS, SSIS, Power BI) Desde marzo de 2022 trabaja en el grupo de empresas Tinkoff Bank como analista de almacén. datos. Brinda soporte a la alta dirección del departamento financiero en la construcción de prototipos de procesos ETL utilizando Greenplum, análisis ad-hoc en Python, informes y visualización en Tableau. En 2020, recibió formación adicional en la dirección de Gerente de Gestión de Proyectos en TI. Es un firme defensor de las metodologías de desarrollo flexibles. Cree que las inversiones más rentables son las inversiones en el propio desarrollo. Pila: SQL, SAS DIS, SSIS, Tableau, Power BI, Python
ELT: Estructura y tipos de fuentes de datos
-Tema 1. Fuentes de datos: clasificación y características
-Tema 2.Herramientas para la descarga de datos – 1
-Tema 3.Herramientas para la descarga de datos – 2
Conceptos básicos de DWH
-Tema 4. Motores analíticos (DBMS) para trabajar con datos
-Tema 5.Principios de la construcción de DWH
-Tema 6.Análisis DZ – Carga de datos del contador web
-Tema 7.Introducción a la herramienta de creación de datos
-Tema 8.DBT: Ingeniería Analítica
Intermedio DWH
-Tema 9.Orquestación de guiones y tareas – 1
-Tema 10. Orquestación de guiones y tareas – 2
-Tema 11.Análisis DZ – Configuración y lanzamiento del proyecto dbt
-Tema 12.Calidad de los datos
-Tema 13. Problemas de optimización del rendimiento
-Tema 14.Bóveda de datos – 1
-Tema 15. Bóveda de Datos – 2
-Análisis del Tema 16.DZ: preparación y configuración de un cronograma DAG para descargar datos de fuentes
Inteligencia de Negocio
-Tema 17.BI: Descripción general
-Tema 18.BI: Despliegue
-Tema 19.BI: Modelado y entrega
-Tema 20.Análisis DZ – Organización de una capa DWH detallada utilizando la metodología Data Vault
-Tema 21.Análisis: Muestras analíticas básicas
-Tema 22.BI: Preguntas en profundidad
-Tema 23. DZ Razor – Configuración e implementación de una solución de BI
-Tema 24.Análisis: Muestras de análisis avanzados
Temas avanzados de DWH
-Tema 25.DWH: Temas avanzados
-Tema 26.DBT: Ampliación con módulos
-Tema 27.DWH: Monitoreo + Gestión de carga de trabajo
-Tema 28.Análisis DZ – Visualización y paneles de control para vitrinas analíticas
-Tema 29.DWH: Externos + Datos semiestructurados
-Tema 30.DWH: ETL inverso
-Tema 31.DWH: Capacidades de Aprendizaje Automático
Resumen
-Tema 32. Análisis de casos: solución de extremo a extremo
-Tema 33.Análisis DZ – DWH avanzado: Configuración de CI, módulos dbt, tablas externas
-Tema 34. Mayor desarrollo de habilidades
Trabajo de proyecto
-Tema 35. Selección del tema y organización del trabajo del proyecto.
-Tema 36.Protección de las obras de diseño