Цель модуля

• Кто такой современный аналитик и как меняется профессия в эпоху AI
• Основы аналитического и data-driven мышления
• Как компании используют аналитику для принятия решений
• Workflow аналитика: понимание бизнес-задачи → поиск данных → очистка данных → анализ → выводы → рекомендации
• Работа с Excel и Google Sheets для аналитических задач
• Использование AI-инструментов в аналитике и работе с данными
• Бизнес-метрики и ключевые показатели эффективности (KPI)
• Как находить причины бизнес-проблем на основе данных: почему падают продажи, какие клиенты уходят, какие продукты прибыльны, где растут расходы
• Как аналитики формулируют выводы и рекомендации для бизнеса

• Анализ данных и бизнес-показателей реальных компаний
• Работа с “грязными” данными и подготовка данных к анализу
• Поиск причин бизнес-проблем на основе данных
• Анализ KPI и ключевых метрик эффективности
• Использование Copilot в Excel, Gemini в Google Sheets и AI-инструментов для аналитических задач
• Подготовка аналитических выводов и рекомендаций
• Создание аналитического отчёта для бизнеса

• Работать с реальными бизнес-данными
• Подготавливать и анализировать данные для бизнес-решений
• Находить причины бизнес-проблем на основе данных
• Анализировать ключевые бизнес-метрики и KPI
• Использовать AI-инструменты для аналитических задач
• Формулировать аналитические выводы и рекомендации
• Подготавливать аналитические отчёты и представлять результаты анализа
• Использовать Excel и Google Sheets для решения аналитических задач
• Мыслить как современный аналитик в data-driven компаниях

• Как компании зарабатывают деньги: бизнес-модель, выручка, расходы и прибыль
• Анализ 3 форм финансовой отчетности:

1. Income Statement (ОПиУ)
2. Balance Sheet (ОФП)
3. Cash Flow Statement (ОДДС)

• Как аналитики читают финансовую отчётность и оценивают бизнес
• Ключевые принципы финансового учёта и отчётности (IFRS / US GAAP)
• Анализ прибыльности, ликвидности, устойчивости и эффективности бизнеса
• Финансовые коэффициенты, KPI и бизнес-метрики
• Анализ денежных потоков и Working Capital
• Методы анализа финансовой отчётности

• Качество прибыли и финансовой отчётности (earnings quality)
• Основы временной стоимости денег (Time Value of Money): discounting, compounding и анализ стоимости денег во времени
• Основы финансового моделирования и прогнозирования

• Анализ финансовой отчётности реальных компаний
• Анализ бизнес-модели, выручки, расходов и profitability
• Поиск причин изменения финансовых результатов компании
• Анализ денежных потоков и финансовой устойчивости бизнеса
• Построение базовой финансовой модели и forecast
• Анализ сценариев развития бизнеса и чувствительности финансовых показателей
• Анализ KPI и ключевых финансовых коэффициентов
• Подготовка аналитических выводов и рекомендаций для бизнеса и management

• Анализировать финансовую отчётность и финансовое состояние компаний
• Понимать бизнес-модель, драйверы выручки и прибыльности бизнеса
• Анализировать денежные потоки, profitability и финансовую устойчивость
• Анализировать KPI и ключевые финансовые коэффициенты
• Находить причины изменения финансовых результатов компании
• Использовать финансовые данные для анализа и бизнес-решений
• Анализировать влияние различных сценариев на финансовые результаты бизнеса
• Строить базовые финансовые forecast
• Формулировать аналитические выводы и рекомендации по финансовым результатам бизнеса

• Что такое базы данных и как компании хранят данные
• Как аналитики извлекают данные с помощью SQL
• Фильтрация, сортировка и анализ данных: SELECT, WHERE, ORDER BY
• Группировка данных и расчёт бизнес-метрик: GROUP BY и агрегатные функции
• Объединение данных из разных таблиц: JOIN и аналитические связи между данными
• Подзапросы и оконные функции для аналитики и reporting
• Анализ больших объёмов данных и подготовка данных для отчётности
• SQL для анализа KPI, customer behavior и бизнес-показателей
• Использование AI-инструментов для написания и оптимизации SQL-запросов

• Анализ клиентской базы, транзакций и customer behavior
• Построение SQL-запросов для решения аналитических задач
• Анализ транзакций, продуктов и бизнес-показателей
• Анализ retention, churn и поведения клиентов
• Объединение и подготовка данных для аналитики и reporting
• Поиск причин бизнес-проблем на основе данных
• Использование AI-инструментов для написания и оптимизации SQL-запросов
• Подготовка аналитических выводов по результатам SQL-анализа

• Использовать SQL для извлечения и анализа данных
• Работать с большими объёмами данных и аналитическими таблицами
• Объединять и подготавливать данные для аналитики и reporting
• Анализировать KPI, customer behavior и бизнес-показатели
• Анализировать retention, churn и поведение клиентов
• Находить причины бизнес-проблем на основе данных
• Использовать AI-инструменты для SQL и аналитических workflows
• Подготавливать аналитические выводы по результатам SQL-анализа

• Основы прикладной статистики для аналитиков
• Среднее, медиана, разброс, дисперсия и стандартное отклонение
• Распределения данных и выбросы
• Теория вероятностей и оценка риска
• Корреляция и взаимосвязь между показателями
• Проверка гипотез, p-value, statistical significance и T-test
• Основы линейной регрессии и факторного анализа
• Как использовать статистику для принятия решений на основе данных
• Python для статистического анализа: pandas, numpy, matplotlib, scipy/statsmodels
• Использование AI-инструментов для объяснения статистики, проверки гипотез и интерпретации результатов

• Анализ распределений, выбросов и закономерностей в данных
• Анализ взаимосвязей между бизнес-показателями и KPI
• Проверка гипотез и интерпретация статистических результатов
• Использование Python для статистического анализа данных
• Анализ факторов, влияющих на бизнес-показатели с помощью regression analysis
• Поиск закономерностей и аномалий в данных
• Использование AI-инструментов для статистического анализа и аналитических workflows
• Подготовка аналитических выводов на основе статистических данных

• Использовать прикладную статистику для анализа данных и бизнес-показателей
• Находить закономерности, взаимосвязи и аномалии в данных
• Проверять гипотезы и интерпретировать статистические результаты
• Оценивать надёжность аналитических выводов и статистическую значимость результатов
• Использовать Python для анализа и визуализации данных
• Анализировать факторы, влияющие на бизнес-результаты
• Использовать статистические данные для аналитики и принятия решений
• Формулировать аналитические выводы на основе данных

• Python как инструмент современного аналитика
• Работа с бизнес-данными и аналитическими таблицами в Python
• Pandas для анализа и обработки данных
• NumPy для аналитических вычислений
• Очистка, трансформация и подготовка данных
• Группировка, фильтрация и агрегация данных
• Загрузка и обработка CSV, Excel и JSON файлов
• Визуализация данных:Matplotlib, Plotly и Seaborn
• Автоматизация аналитических задач и reporting
• Использование AI-инструментов для генерации, оптимизации и debugging Python-кода
• Работа с API и внешними источниками данных (базовый уровень)

• Анализ финансовых и бизнес-данных с помощью Python
• Очистка, трансформация и подготовка данных к анализу
• Анализ KPI, customer behavior и бизнес-показателей
• Автоматизация аналитических workflows и reporting
• Обработка и анализ реальных datasets
• Визуализация данных и подготовка аналитических insights
• Использование AI-инструментов для Python и автоматизации аналитики
• Подготовка аналитических выводов и рекомендаций на основе данных

• Использовать Python для анализа и обработки данных
• Очищать, трансформировать и подготавливать данные к анализу
• Анализировать KPI, customer behavior и бизнес-показатели Автоматизировать аналитические workflows и reporting
• Работать с реальными бизнес-данными и datasets
• Визуализировать данные и подготавливать аналитические insights
• Использовать AI-инструменты для Python и автоматизации аналитики Формулировать аналитические выводы на основе данных

• Как компании используют Business и Product Analytics для роста
• Product и business metrics: KPI, conversion, retention, churn, LTV, CAC
• Анализ customer behavior и customer journey
• Conversion Funnel Analysis и точки потери клиентов
• Retention, churn и анализ удержания клиентов
• Unit-экономика и эффективность бизнес-модели
• Когортный анализ и анализ поведения пользователей
• A/B testing и проверка продуктовых гипотез
• Основы оценки статистической значимости изменений (T-test и Z-test)
• Growth-анализ и поиск точек роста бизнеса
• Использование AI-инструментов для анализа метрик и customer behavior

• Анализ product и business KPI
• Анализ customer journey и conversion funnel
• Анализ retention, churn и поведения пользователей
• Поиск точек роста и причин потери клиентов
• Проверка продуктовых гипотез и анализ результатов A/B тестов
• Анализ unit-экономики и эффективности бизнес-модели
• Использование AI-инструментов для анализа customer behavior и продуктовых метрик
• Подготовка аналитических выводов и growth-рекомендаций

• Анализировать product и business metrics
• Понимать customer behavior и пользовательские сценарии
• Анализировать conversion funnel, retention и churn
• Находить точки роста бизнеса и причины потери клиентов
• Анализировать unit-экономику и эффективность бизнес-модели
• Проверять продуктовые гипотезы и интерпретировать результаты A/B тестов
• Использовать AI-инструменты для анализа customer behavior и метрик
• Подготавливать аналитические выводы и growth-рекомендации

• Как AI меняет профессию аналитика и работу с данными
• Использование AI-инструментов в аналитическом workflow
• AI для SQL, Python и анализа данных
• AI для автоматизации аналитики и reporting
• Prompt engineering для аналитиков
• Использование AI для финансового и бизнес-анализа
• Автоматизация рутинных аналитических задач
• Проверка, интерпретация и валидация результатов AI
• Ограничения AI и роль аналитического мышления

• Генерация и оптимизация SQL- и Python-кода с помощью AI
• Использование AI для анализа данных и business metrics
• Автоматизация аналитических workflows и reporting
• Использование AI для финансового и бизнес-анализа
• Проверка и интерпретация результатов AI
• Использование AI в реальных аналитических кейсах
• Подготовка аналитических выводов с использованием AI-инструментов

• Использовать AI как инструмент современного аналитика
• Ускорять анализ данных и подготовку отчётности с помощью AI
• Автоматизировать аналитические задачи и workflows
• Использовать AI для SQL, Python и анализа данных
• Формулировать эффективные prompts для аналитических задач
• Проверять и интерпретировать результаты AI
• Использовать AI для финансового и бизнес-анализа
• Повышать эффективность аналитической работы с помощью AI-инструментов

• Основы визуализации данных и Business Intelligence
• Работа с Power BI и BI-workflows
• Подключение, обработка и подготовка данных
• Построение dashboards и интерактивных отчётов
• KPI, business metrics и управленческая отчётность
• Data storytelling и визуальная коммуникация данных
• Визуализация финансовых и бизнес-показателей
• Использование AI-инструментов для визуализации и reporting

• Создание интерактивных dashboards в Power BI
• Построение управленческой отчётности и KPI dashboards
• Визуализация финансовых и бизнес-показателей
• Анализ бизнес-метрик и подготовка executive insights
• Подключение и обработка реальных datasets
• Использование AI-инструментов для BI и reporting
• Подготовка dashboards для бизнеса и management

• Создавать dashboards и управленческую отчётность в Power BI
• Визуализировать KPI и ключевые бизнес-показатели
• Анализировать и презентовать данные для бизнеса и management
• Подготавливать интерактивные BI-отчёты и dashboards
• Использовать data storytelling для визуальной коммуникации данных
• Использовать AI-инструменты для визуализации и reporting

• Подготовка итогового аналитического проекта
• Решение реального бизнес-кейса на основе данных
• Подготовка portfolio project для трудоустройства
• Подготовка CV, LinkedIn и аналитического профиля
• Подготовка к интервью и аналитическим кейсам
• Решение тестовых заданий для analyst-позиций
• Как искать работу и строить карьеру в аналитике

• Финальный экзамен на основе реальных данных (оффлайн в Almaty и Astana)
• Решение аналитического кейса и подготовка выводов
• Презентация результатов анализа и рекомендаций
• Mock interviews и разбор аналитических кейсов

• Выполнять реальные задачи аналитика на основе данных
• Работать с SQL, Python, AI и BI-инструментами в аналитическом workflow
• Анализировать бизнес-показатели, KPI и customer behavior
• Подготавливать portfolio projects и аналитические кейсы
• Проходить интервью и тестовые задания на analyst-позиции
• Использовать AI-инструменты для аналитики и автоматизации задач
• Презентовать результаты анализа и аналитические выводы