Длительность
13 месяцев
Формат
Видеолекции, вебинары и практические задания
Документ
Диплом о профессиональной переподготовке
Продуктовый аналитик умеет находить точки роста в данных
Он использует наибольший спектр инструментов для всестороннего изучения данных о пользователе и его поведении.
Чтобы освоить эту профессию, не нужен опыт работы маркетологом, аналитиком или продуктовым менеджером. Этот курс разработан для новичков в сфере аналитики — специальные навыки будут плюсом, но совсем не обязательны.
Кому подойдёт этот курс
Новичкам
Научитесь проводить исследования, анализировать метрики и изучать поведение пользователей. Освоите инструменты на учебных проектах и оформите работы в портфолио. Сможете начать работать уже во время обучения
Product-менеджерам, product-оунерам
Сможете тестировать гипотезы, применять аналитические инструменты для развития продукта и усилите свою экспертность, сделаете следующий шаг в карьере
Маркетологам
Узнаете, как использовать аналитику для увеличения трафика и применять Python для анализа больших данных. Расширите спектр навыков и повысите свою ценность как специалиста
Чему вы научитесь
Анализировать метрики
и находить точки роста продукта
Составлять
аргументированные рекомендации на основе данных
Формулировать гипотезы
и грамотно проводить A/B-тестирования
Понимать, что анализировать
до и после запуска продукта или новой функциональности
Находить ошибки
в выстроенной системе аналитики и обосновывать их последствия
Строить интерактивные
дашборды для понятной визуализации и удобного анализа данных
Содержание курса
Разберётесь в принципах продуктового подхода. Изучите метрики продукта и научитесь формировать гипотезы для улучшения ключевых показателей.
22 часа теории
11 часов практики
Работа аналитика в продуктовой команде
Продуктовый подход и метрики
Юнит-экономика
Критерии сравнения конкурентов
Product Market Fit
Customer Journey Map
RFM-анализ
Омниканальность для разных типов бизнеса и сайтов
Познакомитесь со статистическими показателями, научитесь проводить статистический анализ данных и проверять гипотезы с помощью различных инструментов.
8 часов теории
14 часов практики
Что такое статистика и для чего она нужна
Основные статистические показатели, виды распределений данных, корреляция
Основные статистические показатели. Корреляция
Взаимосвязи данных и формулирование гипотез по SMART
Статистические критерии в Google Таблицах. Проверка гипотез и формулирование выводов
Научитесь с помощью SQL получать данные из БД, фильтровать, агрегировать, импортировать
и экспортировать без помощи разработчиков.
20 часов теории
32 часа практики
Введение в инфраструктуру
Основы баз данных
Основы SQL
Углубление в SQL
Работа с PostgreSQL
Познакомитесь с интерфейсом, научитесь загружать данные и работать с основными инструментами. Освоите создание дашбордов.
33 часа теории
31 час практики
Знакомство c инфраструктурой Tableau. Загрузка данных.
Основные виды визуализаций. Лучшие практики визуализации
Основы работы с расчётными полями, фильтрами, множествами
и группировками
Разбор сложных аспектов изученного материала
Разработка дашбордов. Настройка взаимодействия между визуализациями
Научитесь получать и очищать данные, находить связи и проверять гипотезы. Сможете работать
с основными аналитическими библиотеками.
68 часов теории
87 часов практики
Основы Python: Jupiter Notebook, комментарии в коде, арифметические операции
Управляющие конструкции и коллекции
Функции и работа с данными, основы парсинга
Исключения и обработка ошибок
Функции и понятие класса
Регулярные выражения и основы синтаксического разбора
Основы парсинга и работы с API
Случайные события. Случайные величины
Корреляция и корреляционный анализ
Задачи классификации и кластеризации
Будьте первым кто оставит отзыв.
Оставить отзыв можно только с предоставлением сертификата о прохождении курса.
Похожие курсы
