Программа курса:

Блок 1. Работа с SQL

1.1 Исследование «сырых» данных. Практический кейс: подход Nielsen к исследованию рынка FMCG.

1.2 SQL как инструмент стандартизации данных. Практическое задание: качество данных и их конвертация.

1.3 Аналитика на SQL. Кейс: построение длинных трендов и зависимостей. Аналитика данных для поиска ошибок.

Блок 2. Аналитика данных на Python

2.1 Основы работы в Pandas. Практический кейс: агрегация данных для анализа промоакции.

2.2 Обработка больших массивов данных. Практический кейс: работа с транзакционными данными ритейлера.

2.3 Сегментация пользователей. Практический кейс: сегментация пользователей программы лояльности сети супермаркета, групповой таргетинг.

2.4 Расширенная аналитика: когортный анализ, модели оттока. Практическое занятие по построению модели оттока пользователей программы лояльности супермаркета.

Блок 3. Выводы и рекомендации на основе аналитики данных

3.1 Общие принципы аналитики данных. Практический кейс: исследование рынка розничной торговли (уровни гранулярности, расчетные показатели, аналитические фреймворки).

3.2 Аналитика трендов. Практический кейс: категоризация продуктов и потребительское поведение.

3.3 Часто встречающиеся ошибки. Разбор: как избежать ложных выводов при анализе трендов.

3.4 Результаты аналитики: как делать выводы и рекомендации полезными и наполненными.