Кому подходит курс:
- старт с 0 (смена профессии)
- джуны (начинающие)
- миддл-уровень (чтобы закрыть пробелы в своих навыках)

Годовой курс состоит из 2 частей:
1) Digital- / интернет-аналитика (веб-аналитика, мобайл-аналитика)
2) Data Science

Программа состоит из 10 блоков:
1. "Продуктовая аналитика и работа в команде"
2. "Маркетинговая и клиентская аналитика"
3. "A/B-тестирование"
4. "SQL и получение данных"
5. "Python и обработка данных"
6. "Инструменты визуализации и презентация аналитики"
7. "Python и математические модели"
8. "Построение Machine Learning моделей"
9. "Аналитика больших данных"
10. Дипломная работа и помощь с трудоустройством

Навыки, которые нужны будут аналитику при трудоустройстве:
1) SQL — нужно обязательно всем аналитикам
2) Python (нужно в Яндексе, Сбербанке) — хорошие доп.баллы при собеседовании на Junior и обязательные для Middle-позиции
3) BI-визуализация данных и дашборды (Tableu, Power BI) — нужны для роста в сторону тимлида команды аналитики
4) DataScience-BigData (Python) — нужны чтобы расти в высокооплачиваемого профессионала в DataScince (у него з/п до 250-300к и иногда выше)

Важно запомнить, что у нас все лекции ведут действительно топовые эксперты, при этом они практики и руководители в своих компаниях.
Посмотрите какие компании у нас читают на курсе:
- ВКонтакте / Яндекс / Amazon / Booking.com / Avito / Mail.ru / Skyeng
и это только небольшая часть списка

Обычно, для пользователя достаточно отметить следующие лекции и спикеров:

1) Аналитика и A/B-тестирование — под это выделено несколько отдельных блоков, например Блок 3, который ведёт Андрей Менде (менеджер по продукту в Booking.com, компании которая ежедневно запускает более 1000 новых экспериментов)

2) Основы SQL для аналитиков (получения данных для аналитики из баз данных) — в Блоке 4, ведёт Анна Атласова, аналитик из Amazon

Также, можно отметить следующие тематики, которые будут на курсе:
- Когортный анализ
- Сквозная аналитика
- Google Analytics / Яндекс-Метрика

___
Зарубежные спикеры: Андрей Менде (Booking.com - Аналитика), Анна Атласова (Amazon - язык SQL)

Некоторые студенты спрашивают можно ли сразу стартовать с какого не первого блока или перескочить на какой-то из блоков — курс не предусматривает такой опции, поскольку курс последовательный (и для каждой из тем важно знать материал предыдущих)
Но, если вопрос важный, то студент может отправить свой вопрос ментору и ментор подскажет ответ, либо даст полезный материал по теме

Немного про термины и навыки

SQL (простой язык программирования мы изучаем его с 0) — ежедневный инструмент аналитика, для получения данных из базы данных компании, must-have для любого аналитика

Python (спасает от рутины аналитики и даёт воможность написать программку автотическую, а не каждый раз по 10 раз на дню делать SQL-запросы) — можно получать данные из базы данных компаний / обрабатывать полученные данные и писать небольшие программы

Большой плюс изучения Python: можешь изучить Python и стать постепенно Data Scientiest c большой з/п и интересными задачами

Python — простой язык программировании в изучении и можно учить даже если не знаешь программирования — в итоге можно автоматизировать свои задачи как аналитика и делать задачи не за неделю, а за день (можно халявить)

Но теперь даже работодатели начали требовать нужно ли знать и SQL и Python: для автоматизация рутины и data scince
Н-р в Яндексе Python обязателен даже для начальных / джуниор позиций

BI-программы: программы для визуализации данных, построения красивых отчётов дашбордов (для создания отчётов также используются SQL/Python)
1) Power BI (используют 80% компаний)
2) Tableu (хипстеры и молодые современные компании)

Нюансы по курсу:

1) За 12 месяцев мы учим до уровня Middle

2) Курс включает в себя навыки digital-аналитики + базу, необходимую для роста в сторону data science

3) Если студенту не подходит 12-месячный курс — мы можем предложить вариант 6-месячного курса: там меньше data science, только самая база (но есть Python и SQL).
Студент может сначала пройти 6-месяцев аналитического курса и потом докупить (со скидкой) 6-месяцев прокачки data science скиллов

6-месячный это базовый курс — для 90% аналитиков хватит и станете миддлом и трудоустроитесь
data science — след ступенька рост с з/п почти в 2 раза больше

4) Мы всегда даём гарантию полного возврата средств (на первый месяц обучения), если студенту что-то не понравится в формате обучения или в чём-то другом

Data Science самому не просто выучиться, тк нужно много чего знать:
1) хорошая база высшей математики
2) алгоритмы — Machine Learning модели
3) работа с большими данными на компе так и на сервере "в облаке" — Hadoop и MapReduce
4) практика (предсказания событий / рекомендательные системы)

Но есть и положительные моменты:
- есть уже много готовых библиоткек (написанного за тебя кода, который можно реиспользовать для своих задач), мы изучаем с ними освоиться чтобы быстрее стартовать карьеру в Data Science

_____
В чём отличия обычного Аналитика и Data Scientist?

=== Аналитик "обычный":
Аналитик работает примерно как простой "калькулятор" — сказать какию-то цифры которая уже сейчас есть как факт :
- "сколько людей попросило возвраты?" / "сколько у нас продаж было 3 марта?"
- "а теперь покажи такой-то график" или "автоматизируй сбор данных"
- объёмы данных с кторыми работает аналитик: маленькая компания (0.5-1 млн пользователей) / езнически уже комп не будет справляться

То есть аналитик это такой "калькулятор-гуглдок", умеющий хорошо работать в Excel и SQL с базами данных, в которых есть какая-то информация

=== Data science "умный":
1) предсказывать будущие события:
- "сколько у нас продаж будет завтра ли в этом месяце?" -
- предсказывает "сколько возвратов будет в компании осенью" или "какие конкрентое люди скорее всего попросят возврат денег на след неделе?"
- объёмы данных от 1 млн пользователй (приходится считать не на компьютере, а "в облаке", в серверном центре, что тоже нужно уметь)
2) рекомендации —" в месте с этим покупают" / "также читайте" / смотрите" (как в интернет-магазинах блоки)
3) работа со сложными данными — выявлять спам или фрод, анализ изображений, анализ спама, анализ текстов, анализ и синтез голоса

Как результат обучения на 12-месячном курсе — студент станет Middle-аналитиком + у него будет практика и навыки в DataScience (сможет уже часть рабочих задач в копании решать c помощью Data science)