Лучшие курсы по продуктовой аналитике — обучение продуктовых аналитиков для начинающих с нуля. Рейтинг курсов аналитики продукта в 2021.
Обучение профессии «Продуктовый аналитик» онлайн: в Москве, Минске, СПб, Новосибирске, РФ и СНГ. Сравнение и отзывы об обучающих курсах по аналитике продуктов — бесплатные и платные.
На курсе обучат специалистов работе с продакт-менеджером, работать с данными для бизнеса, анализу метрик продукта и проектов, научат помогать команде и находить решения задач, мыслить в верном направлении и анализировать информацию.
- Научим создавать продукт, который нужен на рынке
- Покажем, как автоматизировать рабочие процессы с помощью Python и Tableau, строить аналитические модели и тестировать гипотезы
- Формат — Видеолекции, вебинары и практические задания
- Уровень — С нуля
- Документ — Диплом о профессиональной переподготовке
Продуктовый аналитик умеет находить точки роста в данных, оформлять их в гипотезы и масштабировать на пользователей. Использует наибольший спектр инструментов для всестороннего изучения данных о пользователе и его поведении.
Чтобы освоить эту профессию, не нужно иметь за плечами опыт работы маркетологом, аналитиком или продуктовым менеджером. Этот курс разработан для новичков в сфере аналитики — специальные навыки будут плюсом, но совсем не обязательны.
≈ 140 000₽
средняя зарплата продуктового аналитика по данным компании «Нормальные исследования»
Чем занимается продуктовый аналитик
- Собирает и готовит данные для анализа, автоматизирует обработку данных и другие рутинные задачи, которые съедают время.
- Анализирует данные сайта или мобильного приложения и находит точки роста для бизнеса.
- Проводит исследования, анализирует метрики, изучает поведение пользователей, строит и проверяет гипотезы.
- Создаёт инфраструктуру, которая позволяет самостоятельно готовить отчёты.
Кому будет полезен этот курс
- Новичкам
Научитесь проводить исследования, анализировать метрики и изучать поведение пользователей. - Маркетологам
Узнаете, как использовать аналитику для увеличения трафика и применять Python для анализа больших данных. - Product-менеджерам, product-оунерам
Сможете тестировать гипотезы, применять аналитические инструменты для развития продукта и усилите свою экспертность.
Чему вы научитесь
С нуля прокачаете все навыки, необходимые middle product analysts
- Быть автономным
Перестанете зависеть от разработчиков в работе с данными и научитесь понимать программистов - Обрабатывать данные из разных источников
Научитесь работать с данными из Google Analytics, SQL, Google Sheets - Анализировать данные сайта или мобильного приложения
Составлять аргументированные рекомендации по изменению стратегии и рекламных кампаний на основе данных - Анализировать пользовательские метрики
Находить проблемные места в продукте и интерпретировать их для улучшения показателей бизнеса - Автоматизировать работу с помощью Python
Почувствуете вкус к оптимизации процессов и освободите время для новых задач - Визуализировать данные с Tableau
Перейдёте от вороха таблиц к понятным визуализациям
Программа курса
Продуктовая аналитика
Научимся формулировать и валидировать идеи продукта. Поговорим о том, как составлять вопросы проблемного, решенческого и ценностного интервью и интерпретировать полученные данные. Узнаем, как выбирать системы аналитики для конкретного проекта, настраивать сбор данных.
- 28 часов теории
- 80 часов практики
- Проверка гипотез, Customer Discovery, проблемные интервью
- Формулирование, приоритизация и проверка гипотез
- Какие метрики нужны и как измерять и отслеживать эффективность
- Юнит-экономика
- Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
- Аналитические фреймворки и система метрик продукта
- Построение метрик и связывание их в систему. Пирамида метрик
SQL и получение данных
SQL — главный инструмент аналитика. С его помощью вы научитесь получать данные, а также фильтровать, агрегировать, импортировать и экспортировать.
- 10 часов теории
- 16 часов практики
- Введение в инфраструктуру
- Основы баз данных
- Основы SQL
- Углубление в SQL
- Работа с PostgreSQL
- Работа с MongoDB
Tableau
Познакомимся с интерфейсом, научимся загружать данные и работать с основными инструментами. Освоим создание дашбордов. Изучим сложные виды визуализаций и научимся работать с расширенной версией инструмента.
- 20 часов теории
- 29 часов практики
- Основные виды визуализаций. Лучшие практики визуализации
- Работа с расчётными полями, фильтрами, множествами и группировками
- Использование параметров, объединение нескольких источников
- Функции LOD, Set Actions, Parameter Actions
- Разработка дашбордов. Настройка взаимодействия между визуализациями
- Tableau Professional. Подключение к базам данных SQL
- Основы работы с Tableau Server
Анализ данных в Python
Научимся пользоваться инструментами Python и работать с главными аналитическими библиотеками, а визуализации помогут быстро находить зависимости и корреляции. Познакомимся со статистикой: именно она помогает закопаться глубже в данные, чтобы найти интересные связи и эффективно генерировать гипотезы.
- 32 часа теории
- 50 часов практики
- Функции и классы
- Продвинутые типы данных: массивы, множества, словари
- numpy и scipy
- pandas
- Визуализация данных: seaborn, plotly, matplotlib
- Основные статистические тесты и проверка гипотез
A/B-тестирование
Научимся измерять эффективность страницы и влиять на конверсию, стимулировать сбыт и повышать прибыльность веб-проекта. Рассмотрим основные причины ошибок в интерпретации данных. Разберёмся в методах оценки вероятности победы варианта при тестировании и познакомимся с реальными кейсами с данными и метриками бизнесов.
- 20 часов теории
- 30 часов практики
- Математика тестов
- Что такое эффективность сайта
- Планирование тестов
- Инструменты для проведения тестов
- JavaScript-тесты и Google Tag Manager
- Анализ данных
- A/B-тесты как метод конверсионной оптимизации
Продуктовый воркшоп
Разберём стратегическое планирование, юнит-экономику и монетизацию. Обсудим особенности продуктового маркетинга и рекламы. Научимся ставить цели и изучим инструменты и пошаговые алгоритмы продвижения.
Эффективные коммуникации и эмоциональный интеллект
Переговоры
Публичные выступления
После прохождения основной части программы вы сможете выбрать одну из двух специализаций
Веб-аналитика
Выясним, какие данные считать репрезентативными, чтобы сделать объективный анализ. Узнаем, как работа с данными помогает бизнесу расти быстрее и увеличивать прибыль. Настроим счётчики для отслеживания данных и цели при отправке событий. Разместим дополнительные коды инструментов и скрипты отслеживания данных на сайте через Google Tag Manager без помощи программиста. Научимся использовать Google Data Studio для визуализации данных.
- 38 часов теории
- 41 час практики
- HTML, CSS, JavaScript: для чего веб-аналитику знание этих технологий
- Возможности Google Analytics и Яндекс.Метрики
- Google Tag Manager: единый центр управления тегами
- Использование Excel при анализе данных
- Разработка медиаплана
- Продвинутые возможности Google Analytics: Measurement Protocol, импорт расходов, выгрузка данных в Google Spreadsheet, настройка Client ID и User ID
Мобильная аналитика
Узнаете, в чём отличие мобильной аналитики от веб- и есть ли разница между аналитикой в iOS и Android. Вы познакомитесь с метриками продукта и роста, разными инструментами и сервисами. Поймёте, зачем нужны эксперименты и поиск гипотез и к чему могут привести ошибки в аналитике.
- 18 часов теории
- 28 часов практики
- Введение в мобильную аналитику
- Выбор метрик для приложения и набора данных для их измерения
- Инструменты и сервисы для сбора данных
- Внедрение аналитических сервисов и систем
- Описание структуры событий для поведенческой аналитики
- Анализ поведения пользователей в приложении
- Анализ эффективности рекламных каналов
- Планирование и дизайн эксперимента
- Ошибки в построении мобильной аналитики и интерпретации данных
- Тестирование приложения на реальных пользователях перед релизом
Гарантия возврата денег
У вас есть три занятия, чтобы попробовать. Если передумаете учиться, скажите — и мы вернём вам всю сумму.
Дипломный проект
Вы примените полученные навыки для решения своих текущих профессиональных задач: это может быть дашборд с визуализацией ключевых бизнес-показателей, комплекс предложений по оптимизации стратегии компании, поиск и обоснование точек роста бизнеса.
Ваше резюме после прохождения курса
Что умею делать
- Анализировать данные из большого количества источников
- Визуализировать данные и формировать автоматические отчёты
- Разрабатывать аналитические дашборды с учётом специфики бизнеса
- Рассчитывать эффективность бизнеса и кластеризировать пользователей
- Проводить A/B-тесты и отсеивать гипотезы, которые точно не будут работать
- Проверять гипотезы даже при отсутствии данных
- Измерять эффективность каналов продвижения
- Использовать прикладную математику для аналитических решений в маркетинге и бизнес-аналитике.
- Обрабатывать большой объём данных при помощи Python
- Применять в работе классические Data Science библиотеки
- Создавать аналитическую архитектуру с учётом особенностей бизнеса
- Разбираюсь в многообразии метрик и настройке систем аналитики
- Понимаю, что нужно анализировать до и после запуска продукта или новой фичи
Инструменты, которые вы освоите
- Scikit-learn
Базовая библиотека в Python для построения алгоритмов машинного обучения
- Pandas
Наиболее продвинутая и быстроразвивающаяся библиотека для обработки и анализа данных в Python
- Python
Язык программирования
- Matplotlib
Библиотека Python для визуализации данных
- Seaborn
Библиотека Python для визуализации статистических данных
- Git
Система управления версиями кода. - Tableau Desktop
Система интерактивной аналитики, позволяющая в сжатые сроки проводить глубокий и разносторонний анализ больших массивов информации.
- Яндекс.Метрика
Сервис счётчика посещений, измеряющий конверсию сайта и анализ интернет-рекламы. Предназначен для оценки посещаемости веб-сайтов и анализа поведения пользователей.
- Google Analytics
Сервис для создания детальной статистики посетителей веб-сайтов. Статистика собирается на сервере Google, пользователь только размещает JS-код на страницах своего сайта.
- Google Tag Manager
Система управления тегами, созданная Google для управления тегами JavaScript и HTML, которые используются для отслеживания и анализа на веб-сайтах.
Мы поможем с трудоустройством
Вас ждёт бесплатная программа трудоустройства Центра развития карьеры
Вы научитесь выстраивать систему продуктовой аналитики: от обработки маркетинговых данных до управления пользовательским опытом. Получите профессию, которая позволяет выстраивать целостную картину продукта и влиять на прибыль компаний.
- Программа из 6 курсов
- Первые 3 модуля бесплатно
- Гарантия трудоустройства
- Первый платёж через 3 месяца
Продуктовый аналитик следит за поведением пользователей внутри продукта, переводит значение цифр на язык бизнеса и помогает развивать продукт, опираясь на точные данные.
- 120 000 рублей
зарплата начинающего специалиста по данным hh.ru
Первые 3 модуля бесплатно
Всем студентам мы даём тестовый доступ к первым трём модулям любого курса программы.
Вы посмотрите лекции специалистов, начнёте осваивать профессию и поймёте, интересно ли вам развиваться в ней дальше.
Кому подойдёт этот курс
- Начинающим аналитикам
С нуля освоите мобильную аналитику и аналитику клиентского опыта и научитесь строить систему метрик для продукта.
Опробуете инструменты продуктовой аналитики на реальных кейсах и добавите первые работы в портфолио.
- Разработчикам
Научитесь решать задачи бизнеса с помощью аналитики, оценивать успешность IT-продуктов и влиять на поведение пользователей.
Сможете уйти от написания кода к решению аналитических задач и поднять свой доход.
- Маркетологам
Научитесь работать с инструментами анализа данных, визуализировать информацию в Tableau и выгружать данные из маркетинговых систем с помощью API.
Сможете принимать решения с опорой на аналитику и повысите свою ценность как специалиста.
Чему вы научитесь
- Строить систему метрик для продукта
Узнаете, как выстроить рабочую систему для оценки продуктовых и маркетинговых метрик. Освоите сервисы аналитики сайтов и мобильных приложений.
- Обрабатывать и хранить данные
Научитесь анализировать данные с помощью Python и R, освоите SQL для решения продуктовых задач. Сможете создавать систему сбора, хранения и анализа информации.
- Создавать систему сквозной аналитики
Узнаете, как объединять данные из разных маркетинговых систем. Сможете собирать информацию о клиентах, заказах и товарах в единую инфраструктуру.
- Проводить исследования клиентского опыта
Узнаете, как сегментировать пользователей и анализировать путь клиента. Научитесь строить CJM, проводить глубинные интервью, фокус-группы и количественные исследования.
- Проверять гипотезы
Научитесь проводить A/B-тесты с помощью Google Optimize. Сможете интерпретировать результаты и находить важные инсайты, которые помогут развивать продукт.
- Визуализировать данные
Научитесь строить графики и создавать интерактивные дашборды в системе аналитики Tableau. Сможете наглядно представлять данные и готовить отчёты для руководства.
Помогаем построить карьеру мечты
Вас ждёт индивидуальная карьерная консультация, помощь в оформлении резюме и портфолио. На основе ваших пожеланий подберём подходящие вакансии, подготовим к собеседованию и сделаем всё, чтобы вы получили оффер.
За 2021 год мы трудоустроили более 1000 студентов на работу по новой профессии
Учитесь сейчас, платите потом!
Расходы за первые 3 месяца обучения берёт на себя Skillbox. В это время вы посещаете лекции и воркшопы, прокачиваете навыки, находите себе работу и начинаете зарабатывать.
Программа
Вас ждут онлайн-лекции и практические задания на основе реальных кейсов.
- 81 тематический модуль
- 507 онлайн-уроков
Основные курсы
- Веб-аналитик с нуля до Junior
Научитесь работать с основными системами веб-аналитики на продвинутом уровне, собирать данные и проводить A/B-тесты. Узнаете, как анализировать поведение пользователей, эффективность сайта и трафика. Сможете строить систему метрик для продукта и повышать отдачу от рекламы.
- Введение в веб-аналитику.
- Отчеты, метрики и навыки веб-аналитика.
- Google Tag Manager.
- Google Analytics.
- Яндекс.Метрика.
- Анализ эффективности рекламных каналов.
- Подключение рекламных кабинетов.
- Основы A/B-тестирования.
- Веб-аналитик в команде.
- Бонус-модуль. Куда дальше развиваться в аналитике.
- Продуктовая аналитика
Научитесь проводить продуктовую аналитику: обрабатывать данные, исследовать взаимодействие пользователей с продуктом, интерпретировать собранную информацию. Сможете использовать полученные результаты, чтобы решать задачи бизнеса.
- Введение в курс
- Продукт глазами аналитика
- Работа с задачами
- Глубина погружения пользователей в продукт
- Профили использования продукта
- Когортный анализ
- А/B-тесты. Обработка данных
- Ограничения и сложные кейсы А/B-тестирования
- Метрики и методы анализа удержания пользователей в продукте. Retention. Survival curves
- Предиктивная аналитика
- Сведение и интерпретация результатов аналитики
- Представление результатов аналитики
- Карьерный путь в продуктовой аналитике
- Аналитик мобильных приложений
Узнаете, как собирать данные о поведении пользователей мобильных приложений. Научитесь оценивать эффективность рекламных каналов, отслеживать выручку и привлекать аудиторию. Настроите аналитику на реальном приложении, улучшите показатели монетизации и конверсии.
- Введение в мобильную аналитику.
- Отчёты, метрики и навыки в мобильной аналитике.
- Firebase: внедрение.
- Google Tag Manager для мобильных приложений.
- Google Analytics для мобильных приложений.
- AppMetriсa.
- Анализ эффективности рекламных каналов.
- Подключение рекламных кабинетов.
- Настраиваем Adjust.
- Настраиваем Adjust: ретаргетинг и дополнительные отчёты.
- Amplitude: основные отчёты.
- Настраиваем Amplitude.
- Подведение итогов.
- Основы и практика Business Intelligence
Узнаете, как создавать хранилища данных в Linux и проектировать базы данных на языке SQL. Освоите Python для аналитики и научитесь работать с таблицами на продвинутом уровне. Сможете решать бизнес-задачи с помощью аналитики, чистить данные, правильно их хранить и визуализировать.
- Фундамент хранилища данных.
- Создаём первую базу данных.
- Скрипты для анализа данных.
- Python: минимум для начала работы.
- Python: как создавать таблицы.
- Python: чистим данные перед анализом.
- Python: как показать изменения во времени.
- Python: продвинутый уровень построения таблиц.
- Методы сбора внешних данных.
- Наполнение хранилища данными.
- Аналитика и бизнес-задачи.
- Tableau: основы интерфейса.
- Tableau: базовые отчёты.
- Сквозная аналитика
Научитесь объединять данные из разных систем в единую инфраструктуру, в которой хранится вся информация о клиенте, заказе и товаре. Узнаете, как решать задачи бизнес-юнитов с помощью языка R и хранилища данных. Сможете находить инсайты для развития продуктов.
- Вводный блок
- Аналитика товарного ассортимента
- Аналитика клиентской базы
- Доставка и последняя миля
- Пользовательский опыт
- Retention-marketing
- Поп-папы и рекомендательные системы
- Аналитика сайта и мобильных приложений
- Call-tracking
- Рекламные расходы
- Оценка периода
- P&L
Бонусный курс
- CX-исследования
Освоите разные методики исследований, которые помогут оценить опыт пользователя. Научитесь проводить качественные и количественные исследования, составлять профили пользователей, сегментировать аудиторию и строить Customer Journey Map. Поймёте, чем живёт ваша аудитория и как дать ей то, чего она хочет.
- Введение в исследования клиентского опыта.
- Исследовательский подход и выбор методов.
- Качественные методы: глубинное интервью и фокус-группы.
- Текстовая аналитика.
- Количественные исследования.
- Customer profiling, segmentation personas development.
- Customer Journey Map.
- Юзабилити-тесты.
- Customer satisfaction.
- AI in CX research.
- Фреймворк программы СХ исследований.
- Кросс-культурные факторы в исследованиях.
- Исследование уникальных торговых предложений.
- Анализ поведения пользователей на сайте.
- Как сформулировать гипотезы по данным веб-аналитики.
- Проведение А/В-теста.
- Способы сбора и обработки данных.
- Составление дорожной карты изменений.
Дипломные проекты
- Веб-аналитика для сайта компании
Вы опишете бизнес-модель компании и составите карту KPI для бизнеса и сайта. Настроите базовые системы веб-аналитики. Найдёте слабые места воронки на сайте и научитесь их устранять.
- Кейс интернет-магазина
Вы получите симуляцию данных о работе приложения интернет-магазина. Обработаете эти данные и проанализируете поведение пользователей. Интерпретируете результаты и поймёте, как повысить эффективность приложения и получить больше лидов.
- Аналитика для мобильного приложения
Вы создадите проект мобильного приложения в Android-studio и подключите его к аналитическим системам AppMetrica, Adjust, Amplitude.
- Хранилище данных
Вы создадите инфраструктуру хранилища данных (data warehouse) и объедините в нём данные из аналитических и рекламных систем.
- Customer Journey Map
Вы исследуете пользовательские сценарии продукта. Предложите решения по повышению конверсии и улучшению пользовательского опыта. Разработаете карту поведения пользователей и дорожную карту продукта.
Ваше резюме после обучения
- Должность Продуктовый аналитик
- Зарплата от: 120 000 ₽
Профессиональные навыки:
- Веб-аналитика в Google Analytics, Google Tag Manager и Яндекс.Метрике
- Сквозная аналитика и построение консолидированной отчётности
- Настройка динамического ремаркетинга в Google Merchant Center
- Аналитика данных на языках Python и R
- Анализ поведения пользователей на сайте и в мобильном приложении
- Оценка эффективности рекламных кампаний, маркетинговых каналов и инструментов
- Проведение A/B-тестов, глубинных интервью, фокус-групп и количественных исследований
- Построение баз данных на SQL, хранение и обработка данных
- Мобильная аналитика в Firebase, AppMetrica, Adjust, Amplitude
- Настройка коллтрекинга
- Построение Customer Journey Map
- Сегментация, профилирование и глубокий анализ целевой аудитории
Диплом Skillbox
Подтвердит, что вы прошли курс, и станет дополнительным аргументом при устройстве на работу.
Освойте профессию продуктового аналитика с нуля. Вы пройдёте путь от базового анализа продуктовых метрик до обработки данных при помощи SQL и Python.
- 12 месяцев
- 4 практических проекта
- Онлайн-лекции и вебинары
- Диплом о переподготовке
- Гарантия трудоустройства
Продуктовый аналитик собирает данные о поведении пользователя. С помощью метрик анализирует его опыт, находит точки роста проекта и переводит всё на понятный бизнесу язык. Такие специалисты незаменимы в компаниях: их работа помогает улучшить качество продукта и принять взвешенные решения.
Гарантия трудоустройства закреплена в договоре. Если после успешного обучения вы не найдёте работу, мы вернём вам деньги
Программа обучения
I четверть
Введение в экономику продукта и маркетинговую аналитику
Проект
Подготовка маркетинговой стратегии развития на год.
Курсы
Продуктовая аналитика и развитие продуктов
— Введение
— Роль и место аналитика в продуктовой команде
— Управление продуктом на основе модели Lean Canvas и роль аналитики в этой модели
— HADI-циклы в продуктовой аналитике
— Основные типы бизнес-метрик
— Навыки построения метрик (например, по методологии Lean Analytics)
— Unit-экономика
— Декомпозиция метрик и факторный анализ: практика
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Организация и проведение исследований
— Общие сведения об организации исследований
— Сбор и оценка данных
— Анализ рынка digital-продуктов на открытых данных. Сравнение с конкурентами
— Способы анализа продукта и продуктовых матриц
— Инструменты комплексного анализа рынка
— Оценка ёмкости рынка
— Основные правила конкурентного анализа, ключевые показатели. Анализ конкурентных сил по Портеру. Направления конкурентного анализа и оценка конкурентных преимуществ
— Особенности проведения исследований клиентов
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Маркетинговая и клиентская аналитика
— Введение в маркетинговую аналитику
— KPI и метрики
— Основные источники данных и методы их анализа
— Сквозная аналитика
— Сравнительный анализ основных CRM-систем. Операционные и аналитические модули CRM
— Методы сегментации клиентов и целевой аудитории
— Введение в RFM-анализ
— Введение в когортный анализ
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
II четверть
Пользовательские сценарии онлайн/офлайн и проведение тестов
Проект
Построение ключевых срезов в различных типах продуктов и системах аналитики.
Курсы
Web-аналитика
— Введение в web-аналитику: основные понятия и инструменты
— UTM-метки
— Инструменты веб-аналитики
— Регулярные выражения и их использование в Google Analytics и Яндекс.Метрика
— GTM — особенности работы и основные возможности
— Специальные отчеты Google Analytics
— Виджеты и специальные отчеты Yandex Metrica
— Создание отчетов в Google Data Studio
— Возможности передачи, хранения и обработки данных из систем аналитики
— Google Analytics 4: основные отличия от Google Analytics Universal
— Google Analytics 4: установка через Google Tag Manager
1,5 месяца — 11 уроков
15 часов обучающего контента, 30 часов практики
App-аналитика
— Введение в App-аналитику
— Инструменты аналитики
— Подсчет информации в приложениях и ее визуализация
— Функционал Firebase
— Сырые данные и отчеты
— Составление ТЗ по дизайну или приложению
3 недели — 6 уроков
8 часов обучающего контента, 16 часов практики
A/B-тестирование
— Проверка гипотез и поиск точек роста с помощью A/B-тестирования
— Введение в теорию выборочных обследований
— Статистическая проверка итогов тестирования
— Последовательность проведения A/B-тестов и оценка затрат
— Основные проблемы A/B-тестирования
— Настройка A/B-тестов в Google Optimize
— Настройка A/B-тестов в Firebase
— Итоговое занятие и разбор проблемных зон
1 месяц — 10 уроков
12 часов обучающего контента, 24 часа практики
Концепции CJM и JtBD
— Customer Development
— Метод персон
— Введение в Customer Journey Map
— Построение Customer Journey Map
— Разбор кейсов Customer Journey Map
— Концепция Jobs to be doneCX-проектирование для команды
1 месяц — 7 уроков
12 часов обучающего контента, 24 часа практики
III четверть
Знакомство с SQL. Введение в Data Science и работа с Python
Проект
Изучение данных при помощи SQL. Исследовательский анализ данных и их предобработка в Python. Построение ML модели.
Курсы
SQL
— Введение в SQL
— Фильтрация данных и вычисляемые поля. Практика
— Группировка данных, подзапросы и объединение таблиц. Практика
— Обновление, добавление и удаление данных. Работа с таблицами
— Представления и хранимые процедуры. Особенности обработки транзакций
— Расширенные возможности SQL и основные ограничения
— Работа с популярными программами
1 месяц — 7 уроков
12 часов обучающего контента, 24 часа практики
Python
— Введение в Python
— Циклы и функции. Основы визуализации данных
— Библиотека Pandas
— Работа с разными типами данных
— Основы статистики с Python
— Тестирование и проверка гипотез
— Маркетинговый анализ: RFM анализ
— Когортный анализ на Python — практика
— Основы программирования и визуализации в R
— Визуализация отчетов в R
— Презентация результатов
1,5 месяца — 11 уроков
15 часов обучающего контента, 30 часов практики
Введение в Data Science
— Data Science и Big Data — основные понятия
— Возможности Data Science в распознавании речи и эмоциональной окраски для оптимизации обработки клиентских обращений
— Возможности Data Science в распознавании образов и текста для улучшения пользовательского опыта
— Возможности Data Science в прогнозировании оттока пользователей для роста Retention RateData Science и прогноз LTV
— Кластеризация и random forest: примеры использования
— Сравнительный анализ R и Python
— Обзор основных библиотек на Python и R
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
IV четверть
Аналитическая культура и инструменты визуализации данных
Курсы
Инструменты визуализации
и презентация аналитики
— Сравнительный обзор основных инструментов визуализации данных
— Основные ошибки при проектировании отчётности и визуализации данных
— Расширенные возможности визуализации в Excel и Google Sheets
— Google Data Studio + практика
— Возможности OWOX для визуализации отчётов по веб-аналитике
1 месяц — 5 уроков
12 часов обучающего контента, 24 часа практики
Power BI
— Анализ данных
— Power BI
— Введение в Power Query
— Создание модели данных в Power Pivot
— Язык DAX — Data Analysis Expressions
— Создание визуального слоя отчёта
— Использование расширенного функционала Power View
— Обзор функционала портала Power BI
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Аналитическая культура в компании
— Организация хранения данных для целей анализа
— Презентация результата команде
— Решение бизнес-задач в команде
— Как работать с командой и подрядчиками
— Как управлять процессами по аналитике
1 месяц — 5 уроков
12 часов обучающего контента, 24 часа практики
V четверть
Дипломная работа и подготовка к собеседованию
Курсы
- Дипломный проект по продуктовой аналитике
- Собеседование и резюме. Видеокурс
Курсы с открытой датой старта
- Видеокурс по Excel
- Английский для IT-специалистов
Ключевые навыки
— Проверка продуктовых гипотез для роста ключевых метрик
— Расчёт Unit-экономики
— Расчёт и прогнозирование LTV
— Анализ данных о поведении пользователей (Google Analytics, Яндекс.Метрика, AppMetrica), сегментация, выявление паттернов
— Построение моделей и формирование гипотез для улучшения продукта и регулирования процессов
— Проверка гипотезы и поиск точек роста с помощью A/B-тестов
— Построение CJM
— Оценка ёмкости рынка
— SWOT-анализ
— SQL
— Python
— Power BI
Продуктовые аналитики помогают бизнесу получить оценку текущего состояния продукта, внедрить или усовершенствовать процессы аналитики в компанию. Они разрабатывают новые решения для улучшения продукта на основе полученных данных, тестируют найденные решения и прогнозируют их потенциальные результаты.
Продуктовый аналитик умеет:
- работать с метриками продукта и рассчитывать новые
- внедрять аналитику в процессы компании
- добывать данные из открытых и внутренних источников
- анализировать данные любого вида и сложности
- составлять понятные отчеты и использовать необходимые для этого инструменты
- выдвигать гипотезы, выстраивать процесс их тестирования и грамотно интерпретировать результаты
Краткая программа курса
Вас ждет полное погружение в роль продуктового аналитика, вы освоите продуктовый подход, а также методики принятия решений на основе данных.
Постигаем продуктовый
подход
Вы научитесь:
- видеть проблему и находить ее решение.
- разбираться в продуктовых метриках и KPI;
- понимать задачу и переводить ее в ТЗ;
Учимся понимать поведение клиентов
Вы научитесь:
- применять подходящий инструмент в соответствии с типом задачи;
- понимать откуда брать данные и какие именно данные нужны;
- настраивать счётчики web- и мобильной аналитики;
- проводить когортный и RFM-анализ;
- верифицировать данные и понимать адекватность результатов.
Учимся принимать решения
Вы научитесь:
- использовать инструменты для A/B тестов;
- проверять гипотезы с помощью А/B тестов;
- применять статистику для проверки результатов;
- делать выводы на основе данных.
Подведем итоги
- структурируем знания по аналитической культуре и продуктовому подходу;
- Поговорим о результатах:
- подведем итоги курса.
Отзывы на сайте.
Навыки после обучения:
- Владею web-, мобильной и app-аналитикой
- Профи в A/B-тестах, когортном и RFM-анализе
- Делаю запросы на Python, пользуясь NumPy и Pandas
- Хороша в CustDev, оценке рынка и unit-экономике
- Владею основами управления продуктовой командой
- Защитила дипломную работу по специальности «Product Management»
Вы научитесь работать с данными, проводить исследования и решать задачи бизнеса с помощью аналитики. Сможете изучать продукты, чтобы помогать бизнесу делать их лучше. Станете востребованным специалистом в продуктовой аналитике.
- Длительность 4 месяца
- Онлайн в удобное время
- Обучение на практике
- Доступ к курсу навсегда
- Начинающим аналитикам
Углубите знания в аналитике, поймёте, как работать с данными и делать из них правильные выводы. Сможете делать аналитику быстрее, используя Python, и узнаете, как устроена работа на сложных проектах. Сможете лучше презентовать результаты и дороже продавать свои услуги.
- Продактам, руководителям и менеджерам
Поймёте, как работать с веб-аналитикой и Python, проводить исследования и интерпретировать их результаты. Узнаете, по каким метрикам оцениваются эффективность и развитие продукта. Сможете работать с ним на глубоком уровне и стать более ценным специалистом.
- Программистам и data scientists
Научитесь анализировать продукт через программный код, оценивать его по метрикам и понимать, как с ним взаимодействуют пользователи. Сможете занять высокую должность в продуктовой аналитике, используя опыт программирования как преимущество.
Чему вы научитесь
- Проводить исследование продукта
Освоите инструменты продуктовой аналитики, включая удобные библиотеки на Python, и научитесь строить систему метрик продукта. Научитесь строить модели продукта и понимать его внутренние механизмы.
- Анализировать поведение пользователей
Поймёте, как пользователи взаимодействуют с продуктом, и научитесь предсказывать их поведение. Узнаете, как работает сегментация по поведению, и научитесь применять её на практике.
- Запускать A/B-тесты
Научитесь проводить исследования и оценивать их результаты. Разберёте сложные кейсы, поймёте, какие трудности возникают с A/B-тестами и как их решать.
- Решать задачи бизнеса
Поймёте роль продуктовой аналитики в компании, разберётесь в процессах работы над проектом и научитесь решать задачи бизнеса. Узнаете, как с помощью аналитики улучшить продукт и найти его слабые места и точки роста.
- Принимать решения на основе данных
Научитесь читать и интерпретировать результаты аналитики, находить в данных то, чего не видят другие. Сможете выявлять важные закономерности и делать выводы, чтобы принимать управленческие решения.
- Готовить отчёты для клиентов
Сможете быстро делать презентации и научитесь просто и понятно представлять результаты аналитики, чтобы ваша работа имела максимальный эффект и ценилась бизнесом.
Программа
Вас ждут онлайн-лекции и практические задания, которые помогут погрузиться в продуктовую аналитику.
- 13 тематических модулей
- 52 онлайн-урока
- Введение в курс
Поймёте, как устроена программа обучения и какие задачи решает продуктовый аналитик.
- Продукт глазами аналитика
Узнаете, чем занимаются аналитики и какова их роль в компании. Поймёте, как аналитики оценивают, а пользователи воспринимают продукт.
- Работа с задачами
Освоите профессиональных подход к аналитике. Научитесь принимать и оценивать задачи, выбирать инструменты, источники данных, рассчитывать ресурсы и планировать рабочие процессы.
- Глубина погружения пользователей в продукт
Познакомитесь с моделями погружения пользователей в продукт. Узнаете, что такое воронки конверсии и как их строить с помощью инструментов аналитики, таблиц или Python.
- Профили использования продукта
Научитесь исследовать вовлечение пользователей в разные функции и возможности продукта. Освоите построение матрицы частот и переходов.
- Когортный анализ
Узнаете, что такое когорты и сегменты пользователей, научитесь их сравнивать между собой и искать инсайты.
- А/B-тесты. Обработка данных
Поймёте, для чего и как используют A/B-тесты. Научитесь работать с данными, применять статистические методы и бутстрэппинг.
- Ограничения и сложные кейсы А/B-тестирования
Познакомитесь с нетривиальными кейсами в работе с A/B-тестированием. Узнаете, какие возникают осложнения в тестах и как с ними справляться.
- Метрики и методы анализа удержания пользователей в продукте. Retention. Survival curves
Разберётесь в продуктовых метриках: конверсия средних чеков, CAC, LTV, Retention, MAU, DAU, прокси-метрики, опережающие и маркетинговые метрики — CPM, CPC, CPA, CPO, NPS.
- Предиктивная аналитика
Узнаете, что такое предиктивная аналитика и как можно предсказывать поведение пользователей, используя искусственный интеллект.
- Сведение и интерпретация результатов аналитики
Научитесь читать и перепроверять данные аналитики — и понимать, о чём они говорят. Сможете оценивать результаты исследований в контексте бизнес-задач и экономить время при сведении результатов.
- Представление результатов аналитики
Поймёте, как представлять результаты исследований, чтобы они были понятны тем, кто впервые видит данные. Научитесь использовать шаблоны презентации данных.
- Карьерный путь в продуктовой аналитике
Узнаете, где брать инсайты и вдохновение для работы. Поймёте, как развиваться в аналитике, находить кейсы, публиковать результаты и повышать свою ценность на рынке труда.
- Бонусные модули
- Введение в Python
- Библиотека NumPy. Часть 1
- Библиотека NumPy. Часть 2
- Библиотека pandas. Часть 1
- Библиотека pandas. Часть 2
- Дипломный проект. Кейс интернет-магазина
Вы получите симуляцию данных о работе приложения интернет-магазина. Затем обработаете данные, проведёте исследование и проанализируете поведение пользователей. Это нужно, чтобы повысить эффективность приложения и получить больше лидов.
Профессиональные навыки:
- Знание продуктовых метрик (Retention, MAU, DAU и прокси-метрики)
- Построение воронки с помощью Google Analytics, Яндекс.Метрики и таблиц
- Планирование и статистическая обработка результатов A/B-тестов
- Построение матриц частот вызова событий и переходов
- Продуктовая аналитика со знанием Python
- Анализ профилей использования приложений
- Когортный анализ
- Интерпретация и валидация результатов аналитики
- Поведенческая сегментация
- Предиктивная аналитика
- Подготовка отчётов и презентаций
- Разберётесь в аналитических инструментах и сможете строить систему метрик для продукта
- Научитесь собирать данные и принимать на их основе полезные для бизнеса решения
- Когда — В любое время
- Формат — Видеолекции и вебинары в записи
- Менторство — Работа по своему продукту с обратной связью от практиков отрасли
- Документ — Удостоверение о повышении квалификации
Программа курса
У вас есть 3 месяца, чтобы в своём темпе освоить программу и перейти к написанию итоговой работы. Вас ждут видеолекции и практические задания. В заключение — итоговая работа с проверкой и фидбеком от эксперта курса.
Культура решения неопределённых задач
Научитесь системно использовать гипотезы для достижения бизнес-целей, отладите процесс системной проверки гипотез, узнаете, как экономить команде время и ресурсы
- 10 часов теории
- 12 часов практики
- Культура решения неопределённых задач
- Формулировка и прояснение цели
- Диагностика ограничения
- Определение причин ограничения
- Генерация решений, гипотез и их приоритизация
- Проведение экспериментов
- Принятие решения по итогам экспериментов
Основные метрики и юнит-экономика
Научитесь выбирать системы аналитики для конкретного проекта, настраивать сбор данных, применять подход canvas для формулирования метрик, за которыми стоит следить. Соберёте данные в модель юнит-экономики. Выберете юнит для своего типа бизнеса и составите P&L продукта. Определите точки роста бизнеса и рассчитаете финансовые кейсы. Выработаете целевые kpi по развитию бизнеса на основании проведённого анализа.
- 11 часов теории
- 15 часов практики
- Какие метрики нужны и как измерять и отслеживать эффективность
- Метрики бизнеса. Как замерять, использовать, интерпретировать и принимать решения
- Метрики маркетинга. Метрики работы с пользователями. Как замерять, использовать, интерпретировать и принимать решения
- Веб-аналитика. Как собирать данные и анализировать конкурентов
- Юнит-экономика
- Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
Аналитические фреймворки и интерфейсы
Научитесь строить пирамиду метрик, выделять связи, выявлять низкоуровневые метрики. Поработаете над улучшением конверсий воронки, узнаете, как сопоставлять CJM клиента с бизнес-задачами. Разберёте, как анализировать воронки для нашего типа бизнеса, выбирать ключевые финансовые метрики. Поработаете с метриками Revenue, Retention, Referal и узнаете, как можно на них влиять. Выясните способы финального определения потребностей, рассмотрите драйверы и барьеры, методики (CJM, JTBD, Personas).
- 7,5 часа теории
- 11 часов практики
- Метод персон, сценарии, инструменты для работы с пользователями в рамках продукта и интерфейса
- Как собирать аналитические данные с интерфейсов и использовать их, как собирать обратную связь от пользователей
- Виды исследований. А/Б-тестирование
- Аналитические фреймворки и система метрик продукта
- Построение метрик и связывание их в систему. Пирамида метрик
- Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
Python для продуктовых аналитиков и основы статистики
Научитесь работать в рамках продуктовых и аналитических задач с системой контроля версий Git и писать простые функции на языке Python. Узнаете, как добывать нужные данные и проводить с ними операции, используя библиотеку Pandas. Научитесь создавать простые схемы визуализации для презентации руководству. Узнаете, как корректно формулировать аналитические задачи и обосновывать их техническое решение.
- 7 часов теории
- 7 часов практики
- Настройка окружения, основы работы с Git
- Использование готовых функций библиотеки Pandas под свои задачи. Объединение данных из разных источников
- Визуализация данных. Основы работы с Plotly и Seaborn
- Основные статистические понятия и термины. Типы переменных. Меры центральной тенденции. Виды распределений
- Корреляция и регрессия. Условия применения коэффициента корреляции. Регрессия с одной независимой переменной
Основы SQL
Научитесь рассчитывать ROI, юнит-экономику, retention по когортам, RFM-сегментацию, имея сеты данных. Узнаете, как работать в ClickHouse. Разберётесь в написании простых запросов и сможете получать нужную информацию из базы данных. Научитесь работать с таблицами, компоновать данные и группировать их по нужным параметрам.
- 4 часа теории
- 5 часов практики
- Основы SQL для решения продуктовых задач
- Работа с таблицами. Работа с индексами. Примеры на продуктовых кейсах
- Группировка данных. Вспомогательные функции
Дашборды и работа с отчётами
Научитесь работать в Tableau и сможете составлять отчёты, выгружать данные, анализировать отчётность, детализировать до нужного уровня фрагменты данных, визуализировать данные и понимать язык графиков.
- 4,5 часа теории
- 4 часа практики
- Задачи и инструменты визуализации, типы данных и виды их визуализаций, основные принципы визуализации
- Работа с дашбордами. Tableau. Работа в режиме реального времени. Визуализация
- Инструменты Tableau для визуализации: фильтры, параметры, измерения. Подключения к источникам данных
Итоговый проект
По итогам обучения под руководством экспертов курса вы выполните дипломную работу, детально проработав свой проект с точки зрения продуктовой аналитики.
20 часов практики
Ключевые навыки
- Построение системы метрик
- Организация подхода к продукту со стороны аналитики
- Понимание, для каких продуктов какие метрики нужны
- Масштабирование аналитики для больших проектов
- Визуализация данных и составление отчётов
- Работа с базами данных
- Построение юнит-экономики продукта
Как войти в айти новичку? Самый простой ответ — через программирование. Можно стать программистом, они нужны везде. Но помимо программистов, есть множество других профессий в айти, работа в it не ограничивается разработчиками. Продукт менеджеры, проджект менеджеры, маркетологи, продуктовые аналитики. Про них знают меньше народу, но они есть практически в каждой продуктовой it компании. Это видео как раз о позиции «продуктовый аналитик».
Я сам работаю продуктовым аналитиком и расскажу о том:
-Чем занимаются продуктовые аналитики?
Что они делают для компании.
-Сколько зарабатывают продуктовые аналитики (на личном опыте).
-Что нужно знать и уметь чтобы стать продуктовым аналитиком. Какие скиллы и знания точно понадобятся.
-Что нужно учить новичку чтобы гарантированно попасть на джуниорскую вакансию
Если вам нравится такой разбор профессии — обязательно пишите об этом в комментариях и сниму такие же разборы про другие специальности. Моя контент политика почти целиком основана на ваших отзывах и предложениях 🙂 Почему-то на ютубе мало контента про не такие известные специальности. Есть много видео для разработчиков (как стать программистом, как научиться кодить и т.д), а про остальных почти ничего. Будем исправлять.
Это видео будет полезно также тем, кто только учится и выбирает профессию в it. Обязательно присмотритесь к продуктовой аналитике — это интересно и востребовано (знаю не понаслышке :))
Таймкоды:
00:00 — Кто такие продуктовые аналитики? Чем они занимаются?
01:33 — 3 направления работы работы. Основные обязанности ПА.
07:17 — Зарплатная вилка продуктового аналитика. От 0 до Senior
09:20 — Что должен знать продуктовый аналитик?
11:05 — Что важно выучить новичку в первую очередь?
Научим анализировать данные и принимать эффективные продуктовые решения. Курс для тех, кто мечтает стать аналитиками и product owner
Что вы получите
1
Понимание, как устроено привлечение в интернете
Узнаете, какие бывают каналы привлечения, модели атрибуции и как считается эффективность привлечения
2
Опыт работы с метриками продукта
Научитесь считать retention, делать когортный анализ и выводы на основе продуктовых метрик
3
Опыт работы с мобильной и веб-аналитикой
Узнаете, в чём отличия и как работать с инструментами: Amplitude, Appsflyer, Google Analytics, Tag Manager
4
Понимание о хранилищах данных и анализе с помощью SQL, Python
Познакомитесь с основными системами хранилищ и их особенностями: GreenPlum, Hive, Oracle. Научитесь писать эффективные запросы на SQL, поработаете с основными библиотеками Python для анализа данных
5
Понимание как правильно визуализировать данные
Узнаете, какие графики для каких случаев подходят и освоите основные инструменты визуализации
6
Опыт проведения АБ-тестов
Научитесь формировать гипотезы, проверять результаты на статистическую значимость и познакомитесь с моделями машинного обучения для персонализации
Мы разработали курс-toolbox для тех, кому нужно работать с анализом данных продукта. На этом курсе вы будете качать аналитическое мышление на позиции продакт-менеджера или продуктовое — на позиции аналитика. Всё это с поддержкой двух специалистов в области — Senior Product Manager и Head of Analytics в Jooble.
- 5 подходов работы с метриками: AARRR, дерево метрик, Lean Analytics, North Star и Unit-экономика
- 6 ключевых инструментов аналитика: язык sql, аналитика в Google Sheets, Tableau, Google Data Studio, Google Analytics и Google Optimize
- работа с A/B-тестами
- визуализация данных с помощью Tableau и Google Data Studio
Темы, которые вы изучите:
Метрики
Прежде чем измерять показатели, нужно разобраться чего вы хотите достичь. Вместе мы изучим с цели вашего бизнеса, выберем North Star и ключевые метрики, чтобы выстроить их в дерево. Вы научитесь увеличивать два жизненно важных показателя: количество активных пользователей и выручку, с помощью фреймворка AARRR.
Анализ
На курсе мы будем учиться собирать, хранить и анализировать данные. Разберемся в основных типах сегментации — поведенческая, RFM и кластеризация пользователей. Изучим основные статистические величины и работу с аутлаерами.
Визуализация
Важная часть работы аналитика — наглядно доносить результаты анализа менеджменту. Мы учим делать это с помощью Tableau — составлять отчеты, выгружать данные, детализировать до нужного уровня фрагменты данных и визуализировать их в понятные графики в Google Data Studio.
Занятие 1.
Зачем бизнесу продуктовая аналитика?
29 сентября, 19:00 UTC+3 / среда
- — Роль продуктового аналитика в бизнесе
- — Продуктовый менеджер и продуктовый аналитик: зачем работать в паре и когда нужно разделять две роли
- — Почему аналитика — это больше про гипотезы, а не про Google Analytics
Занятие 2.
От бизнес-цели к метрикам. Часть 1
5 октября, 19:00 UTC+3 / вторник
- — Метрики ценности vs. метрики качества
- — Как определить нужную метрику
- — Какие стандартные метрики обычно используют (Retention, NPS)
- — Как определить North Star для продукта
- — Разбираем кейсы с неправильными метриками
- — Немного о Growth Hacking
Занятие 3.
От бизнес-цели к метрикам. Часть 2
7 октября, 19:00 UTC+3 / четверг
- — Фреймворк Lean Analytics
- — Как построить дерево метрик
- — Пирамида метрик: от бизнес-метрики до мониторинга (Business, Margin, Loyalty, Value, Quality, Marketing Success)
- — AARRR фреймворк: 5 показателей, которые влияют на развитие бизнеса
Занятие 4.
Unit-экономика
12 октября, 19:00 UTC+3 / вторник
- — Что такое юнит и формула, которая нужна для расчета юнит-экономики
- — Расчет Unit-экономики
- — Практикуемся рассчитывать на примере
Занятие 5.
Аналитическое хранилище данных
14 октября, 19:00 UTC+3 / четверг
- — Какие данные собирать и где их хранить
- — Принципы аналитического хранилища
- — Garbage in — garbage out. Система мониторинга записи данных в аналитическое хранилище
- — Базовые SQL-запросы
Занятие 6.
Анализ данных: статистические величины (workshop)
19 октября, 19:00 UTC+3 / вторник
- — Основы статистического анализа: среднее, медиана, квантили, персентили
- — Ящик с усами — что выбрать, чтобы описать поведение пользователей в продукте
- — Очистка данных: как работать с аутлаерами — когда их оставлять, а когда удалять
- — Что может рассказать распределение о том, какую величину выбрать
Занятие 7.
Анализ данных: сегментация
21 октября, 19:00 UTC+3 / четверг
- — RFM-анализ
- — Поведенческая сегментация
- — Кластеризация
Занятие 8.
Зачем аналитику Google Analytics
26 октября, 19:00 UTC+3 / вторник
- — Основы, принципы и базовая настройка
- — Настройка аккаунта и представлений Google Analytics
- — Сэмплинг данных, ограничения GA
- — Фильтры и регулярные выражения
- — Работа с событиями (events)
- — Пользовательские переменные
- — Когорты
- — Создание сегментов пользователей
- — Настройка целей через ивенты и отчеты
- — Что такое ассоциированные конверсии, как проверить их ценность
- — Целеполагание в GA
Занятие 9.
Работаем с Google Analytics
28 октября, 19:00 UTC+3 / четверг
- — Настройка целей и их отслеживание
- — Построение воронки на основе целей
- — Тестирование в режиме реального времени
- — Обзор основных отчетов GA
- — Работа с UTM-метками
- — Каналы привлечения трафика
- — USER_ID настройка Google Analytics
- — Импорт и экспорт данных
- — Google tag manager: что это такое, зачем нужно и как настраивать
Занятие 10.
A/B-тестирование
2 ноября, 19:00 UTC+3 / вторник
- — Что такое A/B-тест и зачем нужен
- — Когда стоит проводить А/B-тесты?
- — Зачем нужен АА-тест
- — Формирование пользовательской и продуктовой гипотезы
- — Дизайним A/B-тест на Jooble с помощью Google Optimize
- — Основная и Health-метрики в тесте
Занятие 11.
Как интерпретировать результаты теста
4 ноября, 19:00 UTC+3 / четверг
- — Смотрим результаты теста
- — Когда принимать решение по тесту: проблема подглядывания
- — Почему результат теста постоянно меняется: статистическая значимость и доверительные интервалы
- — Из-за чего изменилась метрика: поведенческий анализ
Занятие 12.
Визуализация данных в Tableau
9 ноября, 19:00 UTC+3 / вторник
- — Правила визуализации данных и основные ошибки
- — Как создать дашборд, которым будут пользоваться
- — От отчета до BI-системы
Занятие 13.
Визуализация данных в Google Data Studio (workshop)
11 ноября, 19:00 UTC+3 / четверг
- — Настройка Google Data Studio
- — Связь и настройка разных источников данных
- — Создание дашборда с ключевыми метриками продукта
- — Практика: работаем с инструментом Google Data Studio, подключаем вывод данных из источников и визуализируем их
Курс поможет студентам на практическом материале изучить специфику работы продакт-менеджера, освоить навыки продуктовой аналитики, построения модели цифрового продукта и познакомиться с бизнес-практикой управления цифровым продуктом.
- Цель освоения дисциплины
- Цель курса — погрузить студентов в работу менеджера продукта и продуктового аналитика, на практических задачах научить работать с инструментами – от самых основ до пайплайнов обработки детальных данных о поведении пользователей.
- Планируемые результаты обучения
- Имеют представления о сфере применения бизнес-аналитики и продуктовой аналитики в управлении.
- Владеют навыками работы с метриками и системами аналитики.
- Имеют навыки системного продуктового мышления.
- Умеют создавать модель продукта и использовать её для принятия решений.
- Владеют и применяют методики управления продуктом, используемые в цифровых компаниях.
- Принимают обоснованные решения в разработке продукта. Могут выполнять роль Product Owner при работе с командой разработчиков. Могут создавать пользовательские модели, пользовательские сценарии, бизнес-планы, стратегии ценообразования. Владеют методами визуализации данных в продуктовой аналитике. владеют системой аналитики Amplitude, Sensor Tower, App Annie.
- Обладают знаниями о сфере продуктовой аналитики. Формируют траекторию своего профессионального развития.
- Содержание учебной дисциплины
- Обзор проблематики продуктового управления
Введение в понятия «продукт» и «продуктовое управление». Задачи менеджера и руководителя продукта. Место и роль продукта в структуре бизнеса.
- Введение в управление продуктом
Основные метрики, отличие методов корреляции и причинно-следственной связи. Основы развития прикладного программного обеспечения. Базовые метрики для презентации продукта. Принципы запуска продукта. Методы оценки результатов после запуска продукта.
- Анализ рынка и конкурентов
Создание модели для прогнозирования аудитории для оценки улучшений на ключевые метрики. Разновидности метрик продукта и метрик роста. Когортный анализ — основа продуктовой аналитики. Статистическая значимость — применение методов математической статистики на практике для сравнения метрик.
- Модель продукта
Создание модели продукта для оценка потенциала новой функциональности. Гипотеза ценности и модель продукта. Методы и способы устранения замечаний для прогнозирования аудитории для оценки улучшений на ключевые метрики.
- Эксперименты в управлении продуктом
Возможность построения гипотезы на основании результатов в процессе проектирования эксперимента. Качественные методы исследования пользователей для выявления и устранения замечаний. История создания и развития мобильных коммуникационных систем. Применение фреймворка для поиска скрытых ценностей продукта. Отстройка продукта от найденной ценности. Проверка рискованных гипотез на продукте.
- Управление каналами работы со спросом
Прогнозирование ключевых каналов дистрибуции для сервисов. Тонкости метрики коэффициента окупаемости и применение когортного анализа для этого значения. Методы и способы анализа целевого рынка. Покупка трафика в рекламных сетях. Формирование семантического ядра продукта. Управление знаниями о продукте и анализ полученных результатов.
- Карьера в продуктовом управлении
Как найти свой карьерный путь? Как построить портфолио продактов? Конференции, публикация статей, работа с коммьюнити, с чего начать?
Как стать аналитиком данных
Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке. Мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.
Программа обучения
1
Основы Python и анализа данных: бесплатный вводный курс
16 часов
Процесс и стадии работы аналитика: основные термины, задачи и инструменты анализа данных. Подготовка данных для анализа. Знакомство с языком программирования Python, аналитической библиотекой Pandas и средой программирования Jupyter.
+ 1 проект в портфолио
2
Введение в профессию «Аналитик данных»
4 часа
Знакомство с профессией аналитика. Обзор областей, в которых может работать аналитик. Представление разных видов аналитики. Организационная часть процесса обучения.
3
Предобработка данных
40 часов
Чистые и готовые к анализу данные — первый шаг к решению аналитической задачи. Разбираем инструменты для компенсации недостатков данных.
+ 1 проект в портфолио
4
Исследовательский анализ данных
40 часов
Предварительный поиск закономерностей в данных даёт возможность сформулировать первые гипотезы для анализа, а также избежать странных ошибок. Учимся использовать средства визуализации для работы с данными.
+ 1 проект в портфолио
5
Статистический анализ данных
40 часов
В ходе работы с продуктом возникает масса гипотез, которые можно проверить понятными статистическими методами. Изучаем основы статистики и теории вероятностей для решения бизнес-задач.
+ 1 проект в портфолио
6
Сборный Проект — 1
20 часов
Подготовка данных для анализа. Предварительное исследование датасета. Формулирование и проверка гипотез.
+ 1 проект в портфолио
1 неделя каникул после курса
7
Сбор и хранение данных
40 часов
Как устроены базы данных, как извлекать данные из них, делая запросы на языке SQL. Добыча данных в интернете.
+ 1 проект в портфолио
8
Анализ бизнес-показателей
40 часов
Ещё ближе к бизнесу — разбираем подробно, что такое метрики и основные инструменты: когортный анализ, воронка продаж и unit-экономика.
+ 1 проект в портфолио
9
Принятие решений в бизнесе на основе данных
40 часов
A/B-тестирование: в каких случаях его использовать; проектирование, формирование выборки, получение результатов и их валидация.
+ 1 проект в портфолио
10
Как рассказать историю с помощью данных
40 часов
Как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией.
+ 1 проект в портфолио
11
Сборный проект — 2
20 часов
Получение данных из базы. Предобработка и обзор датасета. Формулирование гипотез с учётом специфики бизнеса. Проверка гипотез и подготовка выводов в формате аналитического отчёта.
+ 1 проект в портфолио
1 неделя каникул после курса
12
Автоматизация
40 часов
Автоматизация процессов анализа данных. Превращение рутинных и постоянных задач в скрипты. Создание дашбордов для разных аудиторий и нужд компании.
+ 1 проект в портфолио
13
Прогнозы и предсказания
40 часов
Основы машинного обучения, разбор задачи предсказания оттока пользователей.
+ 1 проект в портфолио
14
Выпускной проект
40 часов
Самостоятельное решение аналитической задачи на выбор студента, со всеми стадиями анализа данных.
+ 1 проект в портфолио
