Datu noliktavas analītiķis — bezmaksas kurss no Otus, apmācība 5 mēneši, datums 2023. gada 30. novembris.

Datu inženieris uzņēmumā Wildberries, DE Junior kursa lektors. Vairāk nekā 7 gadi IT jomā

Ar izcilību absolvējis Voroņežas Valsts universitāti. Šobrīd studē HSE maģistra programmā "Sistēmu un programmatūras inženierija". Profesionālā pieredze - 2 gadu datu analītiķa un datu inženiera darbs. Tagad viņš strādā ar 5 populārām datu bāzēm, attīstās Python un strauji attīsta savas prasmes. Gatavs dalīties pieredzē.

Vairāk nekā 6 gadu pieredze datu noliktavu, ELT cauruļvadu izstrādē, datu analīzē un vizualizācijā. Pieredze valsts drošības jomā, QCD LLC "Group of Companies "SBSV-Klyuchavto" izveide un ieviešana, šobrīd izstrādā QCD Delo uzņēmumu grupai esmu pārliecināts, ka dati ir otrā eļļa, sava veida īpašums, kas jums ir nepieciešams, lai varētu pārvaldīt un atbrīvoties. Sakārtotu datu klātbūtne, to pareiza glabāšana, izmantošana, pārdošana, anonimizācija liecina par augstu digitālā brieduma līmeni. Skolotājs

Aleksandra strādā analītikas un BI jomā kopš 2019. gada. Līdz tam laikam viņa ieguva bakalaura grādu programmatūras inženierijā Sanktpēterburgas Valsts Aviācijas administrācijas universitātē un pēc tam maģistra grādu. Pirmie soļi viņa karjerā tika sperti amerikāņu uzņēmumā Intermedia Cloud Communications kā jaunākais datu analītiķis, un līdz 2021. gadam viņam izdevās kļūt par analītikas komandas vadītāju. Viss šis gads tika veltīts jaunam starpkomandu projektam starptautiskai finanšu pārvaldībai Microsoft stekā (MS SQL Serveris, SSRS, SSIS, Power BI). Kopš 2022. gada marta viņš strādā Tinkoff Bank uzņēmumu grupā par noliktavas analītiķi. datus. Nodrošina atbalstu finanšu nodaļas augstākajai vadībai ETL procesu prototipu izveidē, izmantojot Greenplum, ad-hoc analīzi Python, ziņošanu un vizualizāciju Tableau. 2020. gadā ieguvusi papildu izglītību Projektu vadības vadītājas virzienā IT jomā. Viņš ir pārliecināts elastīgas attīstības metodoloģijas piekritējs. Uzskata, ka ienesīgākās investīcijas ir investīcijas savā attīstībā. Stack: SQL, SAS DIS, SSIS, Tableau, Power BI, Python

ELT: datu avotu struktūra un veidi
-Tēma 1. Datu avoti: klasifikācija un pazīmes
-2. tēma. Datu lejupielādes rīki – 1
-3. tēma. Datu lejupielādes rīki – 2

DWH pamati
-4. tēma. Analītiskie dzinēji (DBVS) darbam ar datiem
-5.tēma.DWH būvniecības principi
-Tēma 6.DZ analīze – Tīmekļa skaitītāja datu augšupielāde
-7. tēma. Ievads datu veidošanas rīkā
-Tēma 8.DBT: Analytics inženierija

DWH vidējais
-9.tēma. Skriptu un uzdevumu orķestrēšana – 1
-10.tēma. Skriptu un uzdevumu orķestrēšana – 2
-Tēma 11.DZ analīze – dbt projekta konfigurēšana un palaišana
-12.tēma.Datu kvalitāte
-13. tēma. Veiktspējas optimizācijas jautājumi
-14. tēma. Datu glabātuve – 1
-15. tēma. Datu glabātuve – 2
- Tēma 16.DZ analīze – DAG grafika sagatavošana un iestatīšana datu lejupielādei no avotiem

Biznesa inteliģence
-Tēma 17.BI: pārskats
-Tēma 18.BI: Izvietošana
-Tēma 19.BI: Modelēšana un piegāde
-Tēma 20.DZ analīze – Detalizēta DWH slāņa organizēšana, izmantojot Data Vault metodoloģiju
-21. tēma. Analītika: pamata analītikas vitrīnas
-22.BI tēma: padziļināti jautājumi
-23. tēma. DZ Razor – BI risinājuma konfigurēšana un ieviešana
-24. tēma. Analytics: uzlabotas analīzes vitrīnas

DWH Papildu tēmas
-Tēma 25.DWH: Papildu tēmas
-Tēma 26.DBT: Paplašināšana ar moduļiem
-Tēma 27.DWH: Uzraudzība + Darba slodzes vadība
-Tēma 28.DZ analīze – Vizualizācija un informācijas panelis analītiskām vitrīnām
-29. tēma.DWH: ārējie + daļēji strukturētie dati
-Tēma 30.DWH: Reverse-ETL
-Tēma 31.DWH: Mašīnmācīšanās iespējas

Kopsavilkums
-32. tēma. Gadījuma analīze: pilnīgs risinājums
-Tēma 33.DZ analīze – uzlabots DWH: CI, dbt moduļu konfigurēšana, ārējās tabulas
-34.tēma. Prasmju tālāka pilnveidošana

Projekta darbs
-35.tēma. Tēmas izvēle un projekta darba organizācija
-36.tēma.Projektēšanas darbu aizsardzība