Чему вы научитесь
- Создавать полноценные BI-дашборды в Apache Superset
- Работать с KPI, метриками и виртуальными датасетами
- Строить Executive, Sales, Customer, Product, Funnel и Delivery Dashboard
- Использовать современные визуализации: Treemap, Funnel, Histogram, Boxplot, Heatmap и другие
- Анализировать продажи, клиентов, ассортимент и логистику
- Работать с фильтрами и интерактивной аналитикой
- Создавать process-oriented и logistics-oriented дашборды
- Исследовать распределения, выбросы и проблемные зоны в данных
- Использовать SQL и calculated metrics в Apache Superset
- Проектировать аналитические дашборды, приближённые к реальным BI-задачам
О курсе
Данный курс посвящён практическому использованию Apache Superset для построения современных аналитических BI-дашбордов.
В рамках курса вы не просто познакомитесь с интерфейсом Superset, а научитесь создавать полноценные аналитические системы на основе реального e-commerce датасета Olist.
Основная идея курса — показать Apache Superset как полноценную BI-платформу для:
- визуализации данных;
- аналитики;
- исследования бизнес-процессов;
- построения KPI;
- создания интерактивных дашбордов.
Курс построен вокруг практических кейсов и включает создание нескольких типов дашбордов:
- Executive Dashboard;
- Sales Dashboard;
- Customer Dashboard;
- Product Dashboard;
- Orders Funnel Dashboard;
- Delivery Dashboard.
В процессе обучения вы научитесь:
- проектировать структуру BI-дашбордов;
- создавать виртуальные датасеты;
- писать SQL для аналитики;
- работать с calculated metrics;
- использовать фильтры и интерактивность;
- анализировать продажи, клиентов, процессы и логистику.
Особое внимание уделяется:
- логике построения дашбордов;
- выбору визуализаций;
- аналитическому мышлению;
- работе с реальными данными;
- process analytics и logistics analytics.
Курс ориентирован на практику:
- большинство уроков сопровождается созданием реальных графиков;
- используются задания на анализ дашбордов;
- предусмотрены тесты и практические вопросы по работе с визуализациями.
Для прохождения курса желательно:
- базовое понимание SQL;
- общее представление о данных и аналитике;
- базовое знакомство с Apache Superset будет плюсом, но не является обязательным.
Для кого этот курс
Начальные требования
Базовое понимание SQL будет большим плюсом
Желательно понимать:
- что такое таблицы и данные;
- что такое агрегатные функции;
- как работают фильтры и группировки
Опыт работы с Apache Superset не обязателен
Будет полезно:
- общее понимание BI-систем;
- базовое понимание аналитики и визуализации данных
Курс ориентирован на практику, поэтому важно:
- быть готовым самостоятельно строить графики;
- работать с фильтрами и дашбордами;
- анализировать данные и искать инсайты
Наши преподаватели
Как проходит обучение
Курс состоит из:
- видеоуроков;
- практических заданий;
- тестов;
- самостоятельного построения дашбордов
В рамках курса вы будете:
- создавать виртуальные датасеты;
- строить графики и KPI;
- работать с фильтрами;
- создавать полноценные BI-дашборды;
- анализировать реальные данные e-commerce
После большинства модулей предусмотрены:
- тесты на понимание теории;
- практические задания;
- анализ готовых дашбордов;
- вопросы на работу с фильтрами и визуализациями
В ходе обучения создаются:
- Executive Dashboard;
- Sales Dashboard;
- Customer Dashboard;
- Product Dashboard;
- Orders Funnel Dashboard;
- Delivery Dashboard
Курс предполагает большое количество практики и самостоятельной работы с Apache Superset.
Программа курса
Сертификат
Что вы получаете
- Практические навыки работы с Apache Superset
- Опыт построения полноценных BI-дашбордов
- Понимание логики построения аналитических систем
- Навыки работы с KPI, SQL и виртуальными датасетами
- Опыт работы с реальными e-commerce данными
- Навыки построения process-oriented и logistics-oriented dashboard
- Понимание современных BI-визуализаций и аналитических подходов
- Практику работы с Histogram, Funnel, Boxplot, Heatmap, Treemap и другими типами графиков
- Готовые практические кейсы для портфолио
- Опыт аналитической работы, приближённой к реальным задачам BI-аналитиков