Версия сайта для слабовидящих
Практическое применение Big Data Аналитики для решения бизнес-задач
Решите реальный бизнес-кейс на аналитической платформе, используя современные инструменты стека Big Data. Принимайте управленческие решения на основе ценных инсайтов, построив собственный аналитический ETL-конвейер для работы с корпоративными хранилищами и озерами данных
Код курса
PRUS
Ближайшая дата курса
6 февраля, 202311 апреля, 2023
Длительность обучения
16 ак.часов
Стоимость обучения
44 000 руб.
Аналитика больших данных в бизнесе
Чтобы оперативно принимать управленческие решения, прогнозируя и предупреждая любые внештатные ситуации, современный бизнес переходит к парадигме data-driven управления. Это позволяет в режиме реального времени выявить отклонения в технологических или производственных процессах и своевременно предупредить сбой. С коммерческой точки зрения потоковая аналитика больших данных позволяет «на лету» понять потребности каждого своего клиента и сформировать для него персональное коммерческое предложение в соответствии с потребностями и возможностями конкретного человека. Эти и другие кейсы можно реализовать, используя современные аналитические платформы, которые собирают исходные данные из разных источников, очищают и обогащают их, чтобы загрузить в корпоративное хранилище или озеро, откуда их будут потреблять аналитические приложения и BI-системы. Также при этом задействованы конвейеры потоковой и пакетной обработки данных на основе множества открытых и проприетарных технологий: Apache Kafka, AirFlow, NiFi, Spark, Flink, Greenplum, Snowflake, реляционные базы данных и NoSQL-хранилища.
Познакомиться со всеми этими и другими инструментами аналитической обработки данных, освоив их на сквозном практическом примере вам поможет наш базовый курс по архитектуре аналитических платформ Big Data технологий применительно к бизнес-задачам.
Кому нужно обучение по аналитике Big Data в бизнесе
Цель курса:
реализовать настоящий бизнес-кейс на аналитической платформе, познакомиться на практике с основными инструментами Big Data, узнать их назначение и место в архитектуре аналитической платформы
Аудитория:
- ИТ-архитекторы, которые выбирают концепцию построения хранилищ данных и конкретные сервисы для решения задач бизнеса;
- технические директоры, которые оценивают решения с точки зрения стратегии развития компании в плане IT-технологий;
- дата-инженеры, разработчики и системные администраторы, которые будут непосредственно участвовать в реализации проектных решений;
- аналитики данных, которым интересна архитектура используемой инфраструктуры.
Предварительный уровень подготовки:
- опыт написания SQL запросов
- работа с командной строкой linux
Как проходят курсы
Офлайн-обучение или онлайн-курс проходят в формате интерактивного семинара: даже в дистанционном режиме с вами занимается живой преподаватель - рассказывает теорию, дает практические задания и проверяет результаты выполнения. В качестве примеров рассматриваются кейсы из реального бизнеса и лучшие практики data-driven управления
Продолжительность курса: 16 академических часов, 4 дня
Соотношение теории к практике: 50/50
По завершении обучения вы получите
Успешно окончив курс "Практическое применение Big Data Аналитики для решения бизнес-задач" в нашем лицензированном учебном центре «Школа Больших Данных», вы получите сертификат или удостоверение установленного образца, которые могут засчитываться в качестве свидетельств о повышении квалификации.
Программа курса
"PRUS: Практическое применение Big Data Аналитики для решения бизнес-задач"
- определяем бизнес-потребность
- формируем ключевые требования к решению, которое позволит удовлетворить бизнес-потребность и принести ценность
- Теория по архитектуре аналитического приложения BigData.
- Практическая часть — демонстрация кластера.
- Предназначение слоя ingestion/acquisition
- Очистка и трансформация данных
- Batch загрузка данных
- Stream загрузка данных
- Практическое занятие по загрузке данных
- Теоретическое описание слоя хранения данных и его принципов
- Big Data репозиторий, HDFS и форматы хранения данных
- EDW концепция, преимущества и недостатки
- NoSQL подход к хранению данных
- Практическая работа по демонстрации файлов в HDFS
- Основные задачи и виды аналитики Big Data
- Чтение данных из репозиториев SQL подобными инструментами
- Визуализация данных средствами из арсенала Big Data платформы
- Практическая работа по демонстрации SQL инструментов и инструментов визуализации данных
- Кейсы использование ML
- Разбор модели кейса
- Практическая работа по встраиванию модели в pipeline
-
Теория Airflow
- Практика настройки и демонстрация работы Airflow
-
Концепция Data Governance
- Демонстрация DG на инструментарии Big Data
- резюмируем полученные знаний и навыки
- обобщаем рассмотренные лучшие практики и возможность их применения в других кейсах
Отправить ссылку на:
Кто проводит курс
Свиридов Андрей
Профессиональные компетенции:
- Более 12 лет опыта в проектировании и разработке учетных и аналитических систем.
- С 2014-го года успешно реализую по созданию DWH как на классических базах данных, так и на продуктах класса Big Data в ритейле, банковской и страховой сфере, дистрибьюции и производстве.
- Занимался внедрением BI продуктов от топовых вендоров, руководил проектами для флагманских российских компаний (X5 Retail Group, ВТБ, Сбербанк, Mediascope, Альфа-Лизинг, Русклимат и пр.).
- Последние несколько лет активно вовлечен в процессы цифровой трансформации и внедрении подходов Data Governance.
Записаться на курс
Остались вопросы по формату обучения, содержанию курсов, стоимости, сертификатам или другим важным моментам?
Оставьте номер телефона или e-mail и мы оперативно проконсультируем вас в течение рабочего дня.