Аналітик клієнтських даних

Основи та стратегічний CRM (близько 2 днів)

CRM як стратегічна корпоративна функція

Структура компанії: процеси компанії

CRM проти чистого програмного рішення

Бізнес-моделі та аналіз цільових груп (приблизно 1 день)

Бізнес-моделі в середовищі CRM

Визначення ринку та цільової групи

Персони для диференційованого підходу до клієнтів

Канали збуту в стратегічній CRM

Клієнтські світи та індивідуальні відносини (приблизно 1 день)

Визначення світу клієнта

Подорож клієнта, клієнтський досвід

Потреби-вимоги-мотиви клієнтів

ERP та операційна CRM (приблизно 1 день)

Планування ресурсів та бізнес-контекст

CRM в ланцюжку створення вартості

Синергія між продажами, маркетингом і сервісом

Захист даних та GDPR (приблизно 1 день)

Захист даних

GDPR в маркетингу

Практичні кейси DSGVO

Програмні системи CRM (приблизно 2 дні)

Вступ до CRM-систем

Впровадження програмного забезпечення

Картування процесів, автоматизація робочих процесів

Штучний інтелект (ШІ) в CRM (близько 1 дня)

Презентація конкретних AI-технологій

Предиктивна аналітика

Аналітика настроїв

АІ-гуманізатор для підвищення лояльності клієнтів

Аналітична CRM (близько 2 днів)

KPI для вимірювання успіху

Інтелектуальний аналіз даних, OLAP

SWOT-аналіз в CRM

Детальний аналіз

Цикл взаємовідносин з клієнтами та задоволеність клієнтів (приблизно 2 дні)

Цикл взаємовідносин з клієнтами

Управління задоволеністю: NPS, CSAT, KANO та параметри для оптимізації

Залучення клієнтів, утримання клієнтів та підвищення прибутковості (близько 2 днів)

Маркетинг, орієнтований на клієнта (ABM)

Стратегічні процеси залучення клієнтів

Програми лояльності

Підвищення прибутковості

Спілкування з клієнтами як запорука відносин (близько 2 днів)

Розмовні навички та емпатія у спілкуванні з клієнтами

Психологія взаємовідносин з клієнтами

Техніки деескалації для критичних моментів з клієнтами

Як автентичне спілкування створює довгострокові відносини

Робота над проектом (близько 3 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Основи статистики (близько 6 днів)

Основи теорії вимірювання (генеральна сукупність та вибірка, типи вибірок, рівні вимірювання та шкали)

Одновимірна описова статистика (частотні розподіли, центральні міри, міри дисперсії, стандартне значення, гістограми, стовпчикові діаграми, кругові діаграми, лінійні діаграми та блок-діаграми)

Двовимірна описова статистика (міри кореляції, коефіцієнти кореляції, перехресні таблиці, діаграми розсіювання та згруповані гістограми)

Основи індуктивної вивідної статистики (розподіл ймовірностей, нормальний розподіл, розподіл середніх значень, тест на значущість, перевірка нульової гіпотези Фішера, розмір ефекту, оцінка параметрів, довірчі інтервали, гістограми помилок, аналіз потужності та визначення оптимального розміру вибірки)

Штучний інтелект (ШІ) в робочому процесі

Презентація конкретних технологій ШІ

та можливих застосувань у професійному середовищі

Методи для порівняння двох груп (приблизно 5 днів)

z- і t-тест для вибірки (відхилення від заданого значення)

t-тест для середньої різниці між двома незалежними/зв'язаними вибірками

Перевірка ефективності дій, заходів, втручань та інших змін за допомогою t-тестів (претест-посттест з двома групами)

допоміжні тести значущості (тест Андерсона-Дарлінга, тест Райана-Джойнера, тест Левена, тест Боннета, тест значущості для кореляцій)

Непараметричні методи (критерій Вілкоксона, критерій знаків, критерій Манна-Уітні)

Аналіз непередбачуваності (біноміальний тест, точний тест Фішера, тест хі-квадрат, перехресні таблиці з мірами асоціації)

Методи порівняння середніх значень декількох груп (приблизно 5 днів)

Одно- та двофакторний дисперсійний аналіз (простий та збалансований ANOVA)

Багатофакторний дисперсійний аналіз (загальна лінійна модель)

Фіксовані, випадкові, перехресні та вкладені фактори

Методи множинних порівнянь (Tukey-HSD, Dunnett, Hsu-MCB, Games-Howell)

Аналіз взаємодії (аналіз ефектів взаємодії)

Аналіз вибірковості та потужності для дисперсійного аналізу

Вступ до планування експерименту (ПЕ) (приблизно 1 день)

Повні та часткові факторні експериментальні плани

Робота над проектом (близько 3 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Основи систем баз даних та SQL (приблизно 3 дні)

Огляд систем та моделей баз даних

Надлишкові дані та цілісність даних

Нормалізація та BCNF

Проектування баз даних та модель зв'язків між сутностями (ERM)

Первинні та зовнішні ключі

Зв'язки між відношеннями

Типи даних в SQL

Індекси та продуктивність

Обмеження та валідація

Запити (SQL)

Форми та звіти в сучасних СУБД

Управління циклічними посиланнями та залежностями

Вступ до SQL Server Management Studio (SSMS) (приблизно 2 дні)

Огляд SQL Server та SSMS

Фізичне проектування бази даних

Створення таблиць і визначення типів даних

Обмеження, значення за замовчуванням та зв'язки

Діаграми та зв'язки бази даних

Резервне копіювання та відновлення

Штучний інтелект (ШІ) в робочому процесі

Презентація конкретних технологій ШІ

та можливих застосувань у професійному середовищі

Вступ до DDL (мови визначення даних) (приблизно 8 днів)

Основи SQL та розширений синтаксис

Створення таблиць та визначення обмежень

Оператори та визначення функцій

Запити та маніпулювання даними

Обробка помилок та управління транзакціями

DCL - Мова управління даними та безпека (приблизно 1 день)

Адміністрування та авторизація користувачів

Ролі, повноваження та аудит

Типи даних, імпорт та експорт даних в сучасних системах (приблизно 1 день)

Імпорт та експорт даних

Сучасні типи даних

Робота над проектом (близько 5 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Основи Python (приблизно 1 день)

Історія, поняття

Використання та сфери застосування

синтаксис

Лексика, семантика

Угоди PEP-8

Інтерпретатор проти компілятора

Перші кроки з Python (приблизно 5 днів)

Числа

Рядки

Дата та час

Стандартний ввід та вивід

Числові оператори

Оператори порівняння, логічні та порозрядні оператори

Перетворення типів даних

список, кортеж, множина

Функції та методи роботи зі списками

Розгалуження та цикли (if, for, while)

Оператори-члени

Штучний інтелект (ШІ) в робочому процесі

Презентація конкретних технологій ШІ

та можливих застосувань у професійному середовищі

Функції (приблизно 5 днів)

Визначте власні функції

Змінні

Параметри та аргументи

Значення, що повертаються

Рекурсія

Простори імен

Функціональне програмування

Усунення несправностей (приблизно 0,5 дня)

спробувати, крім

Типи помилок

Перехоплення переривань програми

Пересилання помилок між функціями

Об'єктно-орієнтоване програмування (близько 4,5 днів)

Класи Python

Методи

Незмінні об'єкти

Класи даних

Спадкування

Робота над проектом, підготовка до сертифікації та складання сертифікаційного іспиту "PCEP™ - Certified Entry-Level Python Programmer" англійською мовою (приблизно 4 дні)

Основи бізнес-аналітики (близько 2 днів)

Сфери застосування, виміри архітектури BI

Основи бізнес-аналітики, OLAP, OLTP, завдання інженерів даних

Сховища даних (DWH): обробка структурованих, напівструктурованих та неструктурованих даних

Управління вимогами (приблизно 2 дні)

Завдання, цілі та процедури в аналізі вимог

Моделювання даних, введення/моделювання за допомогою ERM

Введення / моделювання в UML

- Діаграми класів

- Аналіз варіантів використання

- Діаграми діяльності

Штучний інтелект (ШІ) в робочому процесі

Презентація конкретних технологій ШІ

та можливих застосувань у професійному середовищі

Бази даних (близько 3 днів)

Основи систем управління базами даних

Архітектура систем управління базами даних

Застосування СКБД

Реалізація моделі даних в СКБД, нормальні форми

Практичний та теоретичний вступ до SQL

Обмеження реляційних баз даних, csv, json

Сховище даних (приблизно 4 дні)

Зіркова схема

Моделювання даних

Створення зоряної схеми в СКБД

Схема "сніжинка", основи, моделювання даних

Створення схеми "сніжинка" в СКБД

Схема галактики: основи, моделювання даних

Повільно змінні розмірності типів 1-5 - переформулювання, укладання, реорганізація, міні-розмірність та тип 5

Вступ до нормальних, причинно-наслідкових, міні- та монстр-вимірів, гетерогенних та під-вимірів

Порівняння орієнтованих на стан і на транзакцію

Таблиці фактів DWH, щільність та зберігання

ETL (близько 4 днів)

Очищення даних

- Нульові значення

- Підготовка даних

- Гармонізація даних

- Застосування регулярних виразів

Розуміння даних

- Перевірка даних

- Статистичний аналіз даних

Захист даних, безпека даних

Практична структура ETL маршрутів

Data Vault 2.0, основи, хаби, лінки, сателіти, хеш-ключ, хеш-диф.

Моделювання даних у Data Vault

Практична структура моделі Data Vault - Raw Vault, практична реалізація хеш-процедур

Робота над проектом (близько 5 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту

Вступ до аналізу даних (приблизно 1 день)

Еталонна модель CRISP-DM

Робочі процеси аналізу даних

Визначення штучного інтелекту, машинного навчання, глибокого навчання

Вимоги та роль в компанії інженерів даних, науковців даних та аналітиків даних

Огляд основ Python (приблизно 1 день)

типи даних

Функції

Аналіз даних (близько 3 днів)

Модулі Central Python в контексті аналізу даних (NumPy, Pandas)

Процес підготовки даних

Алгоритми інтелектуального аналізу даних на Python

Штучний інтелект (ШІ) в робочому процесі

Презентація конкретних технологій ШІ

та можливих застосувань у професійному середовищі

Візуалізація даних (близько 3 днів)

Розвідувальний аналіз даних

інсайти

Якість даних

Аналіз переваг

Візуалізація за допомогою Python: Matplotlib, Seaborn, Plotly Express

Сторітелінг даних

Управління даними (близько 2 днів)

Архітектури великих даних

Реляційні бази даних з SQL

Порівняння SQL та NoSQL баз даних

Бізнес-аналітика

Захист даних в контексті аналізу даних

Аналіз даних в контексті великих даних (приблизно 1 день)

Підхід MapReduce

Spark

NoSQL

Дашборди (приблизно 3 дні)

Бібліотека: Dash

Структура дашбордів - Компоненти Dash

Налаштування дашбордів

Зворотні дзвінки

Text Mining (близько 1 дня)

Попередня обробка даних

Візуалізація

Бібліотека: SpaCy

Робота над проектом (близько 5 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту