Профессиональная переподготовка
«Аналитика для менеджеров + принятие решений на основе данных»
Решения из данных, а не из чувства прекрасного: от постановки управленческого вопроса и качества данных — до экспериментов, прогнозов и сторителлинга для борда.
Основные сведения
Общая трудоёмкость
520 академических часов
Продолжительность
3 месяца
Документ об образовании
Диплом о профессиональной переподготовке (520 ч), с внесением сведений в ФИС ФРДО
Запись в дипломе
«Освоил(а) программу профессиональной переподготовки по направлению аналитика для менеджеров и data‑driven управление…»
Категория слушателей
Лица с высшим/средним профобразованием
Формат обучения
Дистанционно с применением ЭО и ДОТ, сопровождается локальными актами
Содержание программы
1. Data‑мышление и управленческий запрос — 48 ч
- 1.1 Роль аналитики в стратегии и операциях
- 1.2 От цели к вопросу, от вопроса к метрике
- 1.3 Карта ценности и Value Stream → метрики
- 1.4 Гипотезы и критерии успешности
- 1.5 Типы метрик: результат/процесс/диагностика
- 1.6 North Star и дерево метрик
- 1.7 Причинность vs корреляция: управленческий взгляд
- 1.8 Эффекты и анти‑эффекты, эффект замещения
- 1.9 Риски аналитических искажений
- 1.10 Структура аналитического брифа
- 1.11 Петля улучшений: вопрос→данные→решение→метрика
- 1.12 Практикум: постановка 3 гипотез
2. Данные: источники, качество и управление — 48 ч
- 2.1 Источники: транзакции/события/опросы/внешние наборы
- 2.2 Архитектуры DWH/Lake/Lakehouse (для менеджера)
- 2.3 Сбор, ETL/ELT и минимальные требования к lineage
- 2.4 Качество данных: completeness/accuracy/timeliness
- 2.5 Каталог и глоссарий
- 2.6 Единицы измерения и стандартизация признаков
- 2.7 Управление доступами и роли (Owner/Steward)
- 2.8 Версионирование, архивы, ретроспективность
- 2.9 Метаданные и мониторинг качества
- 2.10 ПДн/комплаенс: минимизация, анонимизация
- 2.11 Риски «грязных» данных и стоимость ошибок
- 2.12 Практикум: чек‑лист качества метрик
3. BI, дашборды и отчётность — 44 ч
- 3.1 Принципы инфодизайна
- 3.2 Выбор визуализации под задачу
- 3.3 Каркас дашборда: exec↔операционный
- 3.4 Декомпозиция метрик и сверки
- 3.5 План‑факт, тренды, сезонность
- 3.6 Аномалии и алерты
- 3.7 Drill‑down, slice/dice, self‑service
- 3.8 Контроль версий и «одна версия правды»
- 3.9 SLA обновления
- 3.10 Анти‑паттерны дашбордов
- 3.11 Показатели успеха (adoption/impact)
- 3.12 Практикум: прототип exec‑дашборда
4. Статистика для менеджеров (без боли) — 44 ч
- 4.1 Распределения и выборки
- 4.2 Среднее/медиана/квантили
- 4.3 Доверительные интервалы
- 4.4 Проверка гипотез: когда нужно
- 4.5 Эффект‑сайз vs p‑value
- 4.6 Регрессия: идея и применение
- 4.7 Преобразования признаков
- 4.8 Временные ряды
- 4.9 Выбросы и устойчивые оценки
- 4.10 Причинность «на пальцах»
- 4.11 Ошибки интерпретации
- 4.12 Практикум: аудит отчёта
5. Эксперименты, A/B и квази‑эксперименты — 44 ч
- 5.1 Когда эксперимент, а когда наблюдение
- 5.2 Рандомизация и сегментация
- 5.3 Размер выборки и мощность
- 5.4 Метрики теста: инкрементальность, SRM
- 5.5 Sequential testing и остановки
- 5.6 Многовариантные тесты
- 5.7 Интерференция и «размазывание» эффекта
- 5.8 DiD/PSM/Synthetic Control
- 5.9 Этические/юридические ограничения
- 5.10 Пост‑анализ и внедрение
- 5.11 Реестр и репликация
- 5.12 Практикум: дизайн A/B под кейс
6. Прогнозирование и планирование — 44 ч
- 6.1 Moving average / exponential smoothing
- 6.2 Тренд/сезонность: декомпозиция
- 6.3 Прогноз спроса/дохода/нагрузки
- 6.4 Capacity planning и SLA
- 6.5 Интервальные прогнозы и риски
- 6.6 Сценарии: base/optimistic/stress
- 6.7 Календарные эффекты, акции, каннибализация
- 6.8 Backtesting и стабильность
- 6.9 Связка с бюджетом и P&L
- 6.10 Мониторинг точности (MAPE/WAPE/MAE)
- 6.11 Эффект прогнозов на запасы/штат
- 6.12 Практикум: 90‑дневный план
7. ML для менеджеров: возможности и ограничения — 44 ч
- 7.1 Типы задач ML
- 7.2 Отбор признаков и утечки
- 7.3 Метрики качества (ROC‑AUC/PR‑AUC/MAE/RMSE/Top‑k)
- 7.4 Переобучение и переносимость
- 7.5 MLOps и жизненный цикл
- 7.6 Интерпретируемость: SHAP/LIME
- 7.7 Генеративный ИИ: кейсы и ограничения
- 7.8 Настройка целевой функции
- 7.9 Мониторинг: дрейф/устойчивость
- 7.10 Data‑продукты и API
- 7.11 Риски: этика, bias, безопасность
- 7.12 Практикум: оценка ML‑кейса
8. Процессы, роли и платформа данных — 44 ч
- 8.1 Роли: BI/DE/DS/DA/PO/бизнес‑владелец
- 8.2 Процесс запроса: intake→приоритизация→SLA
- 8.3 Бэклог аналитики и канбан
- 8.4 Документооборот и воспроизводимость
- 8.5 Инструментальная карта (PPM/BI/ML)
- 8.6 Data contracts и качество «на входе»
- 8.7 Маркетплейс датасетов и витрины
- 8.8 Доступы, аудит и логи
- 8.9 Стоимость владения и FinOps
- 8.10 Обучение и обмен знаниями
- 8.11 Аудит зрелости data‑функции
- 8.12 Практикум: регламент запроса
9. KPI/OKR, экономика эффекта и операционный контроль — 40 ч
- 9.1 Дерево целей и KPI
- 9.2 OKR‑цикл и ретроспектива
- 9.3 Операционные метрики (индустрия‑специфично)
- 9.4 Unit‑economics и драйвер‑трекинг
- 9.5 ROI/TCO/NPV: правила чтения
- 9.6 Стоимость ошибки и ценность информации
- 9.7 Контроль отклонений и алерты
- 9.8 Геймификация и риски «накрутки»
- 9.9 Benefit‑review и закрепление
- 9.10 Антикризисные панели (war‑room)
- 9.11 Петля улучшений и ownership
- 9.12 Практикум: карта KPI
10. Data‑storytelling и защита решений — 40 ч
- 10.1 SCQA/pyramid: структура истории
- 10.2 Визуализации под «историю»
- 10.3 «Один слайд — одно решение»
- 10.4 Аргументы и контраргументы
- 10.5 Порог решения и риск‑аппетит
- 10.6 Пакет для комитета: memo/exec‑summary
- 10.7 Репетиция защиты и Q&A
- 10.8 After‑action review
- 10.9 Коммуникации по стейкхолдерам
- 10.10 Этикетка цифр и допущения
- 10.11 Эскалации без драм
- 10.12 Практикум: защита за 7 минут
11. Правовые, этические и безопасные практики — 40 ч
- 11.1 Персональные данные: требования
- 11.2 Конфиденциальность и тайна
- 11.3 Доступы/роли/минимизация
- 11.4 Анонимизация/псевдонимизация
- 11.5 Трекинг и согласия
- 11.6 Этика аналитики и AI
- 11.7 Инциденты и уведомления
- 11.8 Договоры и SLA на данные
- 11.9 Валидация третьих источников
- 11.10 Архивирование и сроки
- 11.11 Аудит соответствия
- 11.12 Практикум: чек‑лист комплаенса
12. Практикумы, отраслевые кейсы и PoC — 40 ч
- 12.1 Отбор кейсов слушателей
- 12.2 Бриф/гипотезы/метрики
- 12.3 Сбор/чистка/сверка
- 12.4 Макет дашборда и SLA
- 12.5 Эксперимент/квази‑эксперимент
- 12.6 Прогноз/планирование (MVP)
- 12.7 Оценка эффекта и рисков
- 12.8 Слайды и memo
- 12.9 Пакет для комитета
- 12.10 План внедрения и мониторинг
- 12.11 Роадмап масштабирования
- 12.12 Демонстрация результатов
Готовы начать?
Оставьте заявку — менеджер свяжется, поможет выбрать график и оформит договор. Рассрочка — 0%.
