Рейтинг курсов по продуктовой аналитике

Содержание

Курс «Продуктовый аналитик» — Noukash

[browser-shot url=”https://www.youtube.com/watch?v=TFd6i1EQbNY” width=”600″ height=”450″]

Сайт: https://www.youtube.com/watch?v=TFd6i1EQbNY
Стоимость: бесплатно
Формат: видео на канале youtube
Документ о прохождении курса: нет
Содействие в трудоустройстве: нет

Кому подойдёт курс: тем, кто только учится и выбирает профессию в it.

Чему вы научитесь

-Чем занимаются продуктовые аналитики?
-Что они делают для компании.
-Сколько зарабатывают продуктовые аналитики (на личном опыте).
-Что нужно знать и уметь чтобы стать продуктовым аналитиком. Какие скиллы и знания точно понадобятся.
-Что нужно учить новичку чтобы гарантированно попасть на джуниорскую вакансию

Таймкоды:
00:00 – Кто такие продуктовые аналитики? Чем они занимаются?
01:33 – 3 направления работы работы. Основные обязанности ПА.
07:17 – Зарплатная вилка продуктового аналитика. От 0 до Senior
09:20 – Что должен знать продуктовый аналитик?
11:05 – Что важно выучить новичку в первую очередь?

Автор
Андрей Новиков. Продуктовый аналитик.
_________________________________________________________________

Курс «Продуктовая аналитика» — НИУ ВШЭ

[browser-shot url=”https://www.hse.ru/ma/bigcomm/courses/375280067.html” width=”600″ height=”450″]

Сайт: https://www.hse.ru/ma/bigcomm/courses/375280067.html
Стоимость: нет информации
Формат: очная форма обучения без онлайн-курса
Документ о прохождении курса: диплом
Содействие в трудоустройстве: нет данных

Цель освоения дисциплины

Цель курса – погрузить студентов в работу менеджера продукта и продуктового аналитика, на практических задачах научить работать с инструментами – от самых основ до пайплайнов обработки детальных данных о поведении пользователей.

Результаты обучения

Имеют представления о сфере применения бизнес-аналитики и продуктовой аналитики в управлении.
Владеют навыками работы с метриками и системами аналитики.
Имеют навыки системного продуктового мышления.
Умеют создавать модель продукта и использовать её для принятия решений.
Владеют и применяют методики управления продуктом, используемые в цифровых компаниях.
Принимают обоснованные решения в разработке продукта. Могут выполнять роль Product Owner при работе с командой разработчиков. Могут создавать пользовательские модели, пользовательские сценарии, бизнес-планы, стратегии ценообразования. Владеют методами визуализации данных в продуктовой аналитике. владеют системой аналитики Amplitude, Sensor Tower, App Annie.
Обладают знаниями о сфере продуктовой аналитики. Формируют траекторию своего профессионального развития.

Содержание курса

Показать скрытое содержимое
Обзор проблематики продуктового управления
Введение в понятия “продукт” и “продуктовое управление”. Задачи менеджера и руководителя продукта. Место и роль продукта в структуре бизнеса.
Введение в управление продуктом
Основные метрики, отличие методов корреляции и причинно-следственной связи. Основы развития прикладного программного обеспечения. Базовые метрики для презентации продукта. Принципы запуска продукта. Методы оценки результатов после запуска продукта.
Анализ рынка и конкурентов
Создание модели для прогнозирования аудитории для оценки улучшений на ключевые метрики. Разновидности метрик продукта и метрик роста. Когортный анализ – основа продуктовой аналитики. Статистическая значимость – применение методов математической статистики на практике для сравнения метрик.
Модель продукта
Создание модели продукта для оценка потенциала новой функциональности. Гипотеза ценности и модель продукта. Методы и способы устранения замечаний для прогнозирования аудитории для оценки улучшений на ключевые метрики.
Эксперименты в управлении продуктом
Возможность построения гипотезы на основании результатов в процессе проектирования эксперимента. Качественные методы исследования пользователей для выявления и устранения замечаний. История создания и развития мобильных коммуникационных систем. Применение фреймворка для поиска скрытых ценностей продукта. Отстройка продукта от найденной ценности. Проверка рискованных гипотез на продукте.
Управление каналами работы со спросом
Прогнозирование ключевых каналов дистрибуции для сервисов. Тонкости метрики коэффициента окупаемости и применение когортного анализа для этого значения. Методы и способы анализа целевого рынка. Покупка трафика в рекламных сетях. Формирование семантического ядра продукта. Управление знаниями о продукте и анализ полученных результатов.
Карьера в продуктовом управлении
Как найти свой карьерный путь? Как построить портфолио продактов? Конференции, публикация статей, работа с коммьюнити, с чего начать?

____________________________________________________________

Курс «Продуктовая аналитика» — Skillbox

[browser-shot url=”https://skillbox.ru/course/product-analytics/” width=”600″ height=”450″]

Сайт: https://skillbox.ru/course/product-analytics/
Стоимость: 58 108 руб. или в рассрочку на 12 месяцев 4 842 р/мес.
Продолжительность: 4 месяца
Формат: Онлайн в удобное время
Документ о прохождении курса: диплом
Содействие в трудоустройстве: нет

Кому подойдёт курс

Начинающим аналитикам
Углубите знания в аналитике, поймёте, как работать с данными и делать из них правильные выводы. Сможете делать аналитику быстрее, используя Python, и узнаете, как устроена работа на сложных проектах. Сможете лучше презентовать результаты и дороже продавать свои услуги.
Продактам, руководителям и менеджерам
Поймёте, как работать с веб-аналитикой и Python, проводить исследования и интерпретировать их результаты. Узнаете, по каким метрикам оцениваются эффективность и развитие продукта. Сможете работать с ним на глубоком уровне и стать более ценным специалистом.
Программистам и data scientists
Научитесь анализировать продукт через программный код, оценивать его по метрикам и понимать, как с ним взаимодействуют пользователи. Сможете занять высокую должность в продуктовой аналитике, используя опыт программирования как преимущество.

Чему вы научитесь?

Проводить исследование продукта
Освоите инструменты продуктовой аналитики, включая удобные библиотеки на Python, и научитесь строить систему метрик продукта. Научитесь строить модели продукта и понимать его внутренние механизмы.
Анализировать поведение пользователей
Поймёте, как пользователи взаимодействуют с продуктом, и научитесь предсказывать их поведение. Узнаете, как работает сегментация по поведению, и научитесь применять её на практике.
Запускать A/B-тесты
Научитесь проводить исследования и оценивать их результаты. Разберёте сложные кейсы, поймёте, какие трудности возникают с A/B-тестами и как их решать.
Решать задачи бизнеса
Поймёте роль продуктовой аналитики в компании, разберётесь в процессах работы над проектом и научитесь решать задачи бизнеса. Узнаете, как с помощью аналитики улучшить продукт и найти его слабые места и точки роста.
Принимать решения на основе данных
Научитесь читать и интерпретировать результаты аналитики, находить в данных то, чего не видят другие. Сможете выявлять важные закономерности и делать выводы, чтобы принимать управленческие решения.
Готовить отчёты для клиентов
Сможете быстро делать презентации и научитесь просто и понятно представлять результаты аналитики, чтобы ваша работа имела максимальный эффект и ценилась бизнесом.

Содержание курса

13 тематических модулей, 52 онлайн-урока
Введение в курс
Поймёте, как устроена программа обучения и какие задачи решает продуктовый аналитик.
Продукт глазами аналитика
Узнаете, чем занимаются аналитики и какова их роль в компании. Поймёте, как аналитики оценивают, а пользователи воспринимают продукт.
Работа с задачами
Освоите профессиональных подход к аналитике. Научитесь принимать и оценивать задачи, выбирать инструменты, источники данных, рассчитывать ресурсы и планировать рабочие процессы.
Глубина погружения пользователей в продукт
Познакомитесь с моделями погружения пользователей в продукт. Узнаете, что такое воронки конверсии и как их строить с помощью инструментов аналитики, таблиц или Python.
Профили использования продукта
Научитесь исследовать вовлечение пользователей в разные функции и возможности продукта. Освоите построение матрицы частот и переходов.
Когортный анализ
Узнаете, что такое когорты и сегменты пользователей, научитесь их сравнивать между собой и искать инсайты.
А/B-тесты. Обработка данных
Поймёте, для чего и как используют A/B-тесты. Научитесь работать с данными, применять статистические методы и бутстрэппинг.
Ограничения и сложные кейсы А/B-тестирования
Познакомитесь с нетривиальными кейсами в работе с A/B-тестированием. Узнаете, какие возникают осложнения в тестах и как с ними справляться.
Метрики и методы анализа удержания пользователей в продукте. Retention. Survival curves
Разберётесь в продуктовых метриках: конверсия средних чеков, CAC, LTV, Retention, MAU, DAU, прокси-метрики, опережающие и маркетинговые метрики — CPM, CPC, CPA, CPO, NPS.
Предиктивная аналитика
Узнаете, что такое предиктивная аналитика и как можно предсказывать поведение пользователей, используя искусственный интеллект.
Сведение и интерпретация результатов аналитики
Научитесь читать и перепроверять данные аналитики — и понимать, о чём они говорят. Сможете оценивать результаты исследований в контексте бизнес-задач и экономить время при сведении результатов.
Представление результатов аналитики
Поймёте, как представлять результаты исследований, чтобы они были понятны тем, кто впервые видит данные. Научитесь использовать шаблоны презентации данных.
Карьерный путь в продуктовой аналитике
Узнаете, где брать инсайты и вдохновение для работы. Поймёте, как развиваться в аналитике, находить кейсы, публиковать результаты и повышать свою ценность на рынке труда.
Бонусные модули
Введение в Python
Библиотека NumPy. Часть 1
Библиотека NumPy. Часть 2
Библиотека pandas. Часть 1
Библиотека pandas. Часть 2
Дипломный проект. Кейс интернет-магазина
Вы получите симуляцию данных о работе приложения интернет-магазина. Затем обработаете данные, проведёте исследование и проанализируете поведение пользователей. Это нужно, чтобы повысить эффективность приложения и получить больше лидов.

Спикеры

Максим Годзи, автор инструментов продуктовой аналитики в Retentioneering

Результат прохождения курса

Знание продуктовых метрик (Retention, MAU, DAU и прокси-метрики)
Построение воронки с помощью Google Analytics, Яндекс.Метрики и таблиц
Планирование и статистическая обработка результатов A/B-тестов
Построение матриц частот вызова событий и переходов
Продуктовая аналитика со знанием Python
Анализ профилей использования приложений
Когортный анализ
Интерпретация и валидация результатов аналитики
Поведенческая сегментация
Предиктивная аналитика
Подготовка отчётов и презентаций
____________________________________________________________________

Маркетолог- аналитик – SkillFactory

[browser-shot url=”https://skillfactory.ru/marketing-analytics” width=”600″ height=”450″]

Сайт: https://skillfactory.ru/marketing-analytics
Стоимость: 4583 руб/мес рассрочка на 12 месяцев
Продолжительность: 7 месяцев
Формат: учебный симулятор работы в интернет-магазине
Документ о прохождении курса: сертификат
Содействие в трудоустройстве: есть

Чему вы научитесь?

Примерите на себя специальность маркетолога-аналитика
Познакомитесь с основными инструментами работы
Увидите экосистему маркетинга и рекламы в целом
Поймете основы аналитики данных
Научитесь анализировать рынок и конкурентов
Сможете отслеживать основные источники трафика
Узнаете, как работать с клиентами через рассылки и crm-системы
Научитесь оптимизировать рекламные кампании по отношению к разным маркетинговым и бизнес-показателям
Освоите запуск А/В-тестов для улучшения конверсий с лендингов без использования сложного математического аппарата
Научитесь выстраивать сквозную аналитику
Сможете составлять понятные отчеты и дашборды, используя Power BI
Будете проводить анализ пользователей: когортный и RFM . Делить ЦА на сегменты
Освоите работу с базами данных с использованием SQL

Содержание курса

Показать скрытое содержимое
Блок 1
6 недель
Модуль 1. Введение в маркетинг
Модуль 2. Настройка «Яндекс.Метрики» и Google Analytics
Модуль 3. Трафик: понятие, источники
Модуль 4. Введение в аналитику данных
Модуль 5. Оценка конкурентов и рынка
Блок 2
16 недель
Модуль 6. Виды рекламы: поисковая реклама
Модуль 7. Работа с аудиториями в рекламных сетях и соцмедиа
Модуль 8. Виды рекламы: сложные источники трафика
Модуль 9. Работа с crm-маркетинговыми кампаниями
Модуль 10. Google Tag Manager: работа с контейнером данных
Модуль 11. A/B-тесты
Модуль 12. A/B-тесты: введение в статистику и математику
Модуль 13. A/B-тесты: инструменты для проверки гипотез
Модуль 14. App-аналитика
Модуль 15. Создание медиаплана и его анализ
Защита проекта
Блок 3
7 недель
Модуль 16. Сегментирование и персонализация ЦА
Модуль 17. Когортный и RFM-анализ
Модуль 18. Работа с базами данных
Модуль 19. Настройка сквозной аналитики
Модуль 20. Эконометрика
Модуль 21. Отчеты и дашборды
Защита проекта

Результат прохождения курса

вы научитесь разбираться в маркетинге и аналитике с самых основ, анализировать рынок, сферу деятельности, конкурентов и рекламные кампании, работать с массивами данных, настраивать сквозную аналитику и оптимизировать работу лендингов
____________________________________________________________________

Профессия: Аналитик (с 0 до PRO)

[browser-shot url=”https://productstar.ru/analytics” width=”600″ height=”450″]

Сайт: https://productstar.ru/analytics
Стоимость: в рассрочку на 24 месяца 3 913 руб./ мес.
Продолжительность: 12 месяцев
Формат: Онлайн в удобное время
Документ о прохождении курса: нет данных
Содействие в трудоустройстве: помощь в трудоустройстве в течение 6 месяцев обучения

Чему вы научитесь

Анализировать трафик и сайт
На основе данных составлять аргументированные рекомендации по изменению стратегии и рекламных кампаний
Использовать на продвинутом уровне Google Analytics и Яндекс.Метрику
Настраивать счётчики и цели в Google Analytics и Яндекс.Метрике, разбираться в стандартных отчётах и создавать свои
Проектировать систему сквозной аналитики
Отслеживать полный путь клиента от перехода на сайт до продажи и определять эффективность инвестиций
Визуализировать данные
Наглядно показывать динамику изменения данных

Содержание курса

Показать скрытое содержимое
Блок 1
Продуктовая аналитика и развитие продуктов
Роль и место аналитика в продуктовой команде
Lean Canvas
HADI циклы
Основные типы бизнес-метрик
Декомпозиция метрик: иерархия метрик и пирамида метрик
Unit-экономика
Блок 2
Google Sheets и Excel
Основы работы в Google Sheets
Базовые вычислительные функции и формулы
Блок 3
Веб/мобильная-аналитика
Введение в digital-аналитику: основные понятия и инструменты
Базовые настройки инструментов аналитики Google Analytics и Yandex Metrica
Основные отчеты Google Analytics. Метрики и параметры
Метрики и параметры. Основные отчеты Yandex Metrica
GTM особенности работы и основные возможности
Инструменты app-аналитики
Основные отчеты App Metrica
Google Analytics web+app: важные особенности и возможности
Возможности передачи и сбора данных из систем аналитики — BigQuery, ClickHouse, OWOX BI
Блок 4
Маркетинговая аналитика
Введение в маркетинговую аналитику
Выстраивание аналитики в performance маркетинге
Сквозная аналитика или считаем LTV
Жизненный цикл клиента и когортный анализ
Основы CRM-аналитики. Сегментация клиентов
Введение в маркетинговые исследования
Блок 5
A/B-тестирование
Проверка гипотез и поиск точек роста с помощью A/B-тестирования
Основы математической статистики для A/B тестирования
Статистический тест для оценки результатов A/B эксперимента
Цель и метрики A/B теста
Практическая реализация A/B теста
Продвинутые методики тестирования
Инструменты для A/B тестирования
Блок 6
SQL для анализа данных
Введение в блок SQL
Извлечение и фильтрация данных (часть 1)
Извлечение и фильтрация данных (часть 2)
Преобразование и сортировка данных (часть 1)
Преобразование и сортировка данных (часть 2)
Группировка данных
Введение в базы данных
Объединение таблиц
Подзапросы
Обновление, добавление и удаление данных
Создание, изменение и удаление таблиц
Advanced
Итоговый проект LEGO
Бонусный урок
Блок 7
Python
Введение в Python
Типы данных, функции, классы, ошибки
Строки, условия, циклы
Списки и словари в Python
Пакеты, файлы, Pandas – начало
Pandas – продолжение
Визуализация данных
Базы данных и статистика
Многопоточность
Веб-сервер flask и контроль версий GIt
Итоговый проект
Блок 8
Инструменты визуализации данных
Введение в Power BI
Power Query. Получение и преобразование данных
Модель данных в Power BI
DAX (Data Analysis Expressions)
Работа с отчетами, базовые принципы визуализации данных
Power BI Service и создание дашборда
Power BI и Python
Итоговый проект: Uber & Lyft
Введение в Tableau. Знакомство с инфраструктурой Tableau
Модели данных и Табличные вычисления
Параметры и уровни детализации в Tableau
Псевдонимы, сортировка, Actions
Разработка дашбордов. Настройка взаимодействия между визуализациями
Блок 9
Построение Machine Learning моделей
Знакомство с машинным обучением
Линейная регрессия
Бинарная классификация
Валидация. Почему это важно
Решающие деревья
Бутстрап, Бэггинг и случайный лес
Feature Engineering, Feature Selection
Градиентный бустинг
Воркшоп: предсказание оттока клиентов и прогноз продаж
A/B тестирование
Обучение без учителя
Воркшоп: скоринг кредитного портфеля
Блок 10
Нейронные сети и NLP
Введение в нейронные сети
Обучение нейросетей
Глубокое обучение на практике
Дополнительные возможности Tensorflow + Keras
Свёрточные нейронные сети
Введение в NLP, понятие ембеддинга
Рекурентные нейронные сети
Нейросети с вниманием, трансформеры
Metric learning, обучение без учителя
Обучение с подкреплением в нейросетях
Блок 11
Рекомендательные системы
Введение
Метрики и бейзлайны
Матричное разложение
Рекомендации через поиск ближайших соседей
Гибридные рекомендательные системы
Блок 12
Аналитика больших данных
Организация команды для работы с данными. CRISP-DM
Культура сбора и источники данных / Улучшение качества работы с данными
Современные инструменты визуализации данных
Машинные методы для обработки данных (на распределенном окружении)
Основы работы в Hadoop и MapReduce
Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
DataWarehouse, DataLake (clickhouse)
Работа с облачными платформами: AWS, GCP, Azure и другие
Практика AWS S3
Работа с Airflow
Работа в pyspark
Построение прогнозных и предсказательных моделей
Блок 13
Дипломная работа и помощь с трудоустройством
Работа над дипломным проектом для портфолио
Подготовка резюме
Подготовка к собеседованию
Финальная защита и консультации
В финальной программе возможны небольшие правки на основании фидбэка и потребностей студентов курса

Спикеры

Денис Соболев, Skyeng
Александра Кулачикова, SEMrush
Николай Пекальн, Везёт

Результат прохождения курса

Освоите с нуля профессию Аналитик продуктов, подробно разберете всю специфику и инструменты данной профессии от Google Analytics, Python и BI-инструментов до Machine Learning и DataScience
____________________________________________________________________________

Курс «Факультет продуктовой аналитики» — GeekBrains

[browser-shot url=”https://gb.ru/geek_university/prodanalytics” width=”600″ height=”450″]

Сайт: https://gb.ru/geek_university/prodanalytics
Стоимость: от 3 322 руб./мес., при рассрочке до 36 месяцев
Продолжительность: 12 Месяцев
Формат: Занятия в группе с преподавателем, онлайн-лекции и вебинары, видеозаписи занятий
Документ о прохождении курса: Диплом
Содействие в трудоустройстве: гарантировано

Кому подойдёт курс?

Новичкам без опыта в аналитике
Получите знания для старта карьеры, освоите ключевые инструменты и сможете решать задачи продуктового аналитика.
Маркетологам и продакт-менеджерам
Сможете внедрить в работу инструменты продуктовой аналитики и найти более эффективные решения для развития проектов.
Веб-аналитикам и UX-дизайнерам
Узнаете всё о метриках. Сможете освоить профессию продуктового аналитика и работать напрямую с продуктом.
Стартаперам и руководителям бизнеса
Определите точки роста проекта. Сможете выстроить систему метрик и принимать взвешенные решения.

Содержание курса

Показать скрытое содержимое
I четверть
Введение в экономику продукта и маркетинговую аналитику
Продуктовая аналитика и развитие продуктов
— Введение
— Роль и место аналитика в продуктовой команде
— Управление цифровым продуктом на основе модели Lean Canvas и роль аналитики в этой модели
— HADI-циклы в продуктовой аналитике
— Основные типы бизнес-метрик
— Навыки построения метрик (например, по методологии Lean Analytics)
— Unit-экономика
— Декомпозиция метрик и факторный анализ: практика
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Организация и проведение исследований
— Общие сведения об организации исследований
— Сбор и оценка данных
— Анализ рынка digital-продуктов на открытых данных. Сравнение с конкурентами
— Способы анализа продукта и продуктовых матриц
— Инструменты комплексного анализа рынка
— Оценка ёмкости рынка
— Основные правила конкурентного анализа, ключевые показатели. Анализ конкурентных сил по Портеру. Направления конкурентного анализа и оценка конкурентных преимуществ
— Особенности проведения исследований клиентов
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Маркетинговая и клиентская аналитика
— Введение в маркетинговую аналитику
— KPI и метрики
— Основные источники данных и методы их анализа
— Сквозная аналитика
— Сравнительный анализ основных CRM-систем. Операционные и аналитические модули CRM
— Методы сегментации клиентов и целевой аудитории
— Введение в RFM-анализ
— Введение в когортный анализ
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
II четверть
Пользовательские сценарии онлайн/офлайн и проведение тестов
Web-аналитика
— Введение в web-аналитику: основные понятия и инструменты
— UTM-метки
— Инструменты веб-аналитики
— Регулярные выражения и их использование в Google Analytics и Яндекс.Метрика
— GTM — особенности работы и основные возможности
— Специальные отчеты Google Analytics
— Виджеты и специальные отчеты Yandex Metrica
— Создание отчетов в Google Data Studio
— Возможности передачи, хранения и обработки данных из систем аналитики
— Google Analytics 4: основные отличия от Google Analytics Universal
— Google Analytics 4: установка через Google Tag Manager
1,5 месяца — 11 уроков
15 часов обучающего контента, 30 часов практики
App-аналитика
— Введение в App-аналитику
— Инструменты аналитики
— Подсчет информации в приложениях и ее визуализация
— Функционал Firebase
— Сырые данные и отчеты
— Составление ТЗ по дизайну или приложению
3 недели — 6 уроков
8 часов обучающего контента, 16 часов практики
A/B-тестирование
— Проверка гипотез и поиск точек роста с помощью A/B-тестирования
— Введение в теорию выборочных обследований
— Статистическая проверка итогов тестирования
— Последовательность проведения A/B-тестов и оценка затрат
— Основные проблемы A/B-тестирования
— Настройка A/B-тестов в Google Optimize
— Настройка A/B-тестов в Firebase
— Итоговое занятие и разбор проблемных зон
1 месяц — 10 уроков
12 часов обучающего контента, 24 часа практики
Концепции CJM и JtBD
— Customer Development
— Метод персон
— Введение в Customer Journey Map
— Построение Customer Journey Map
— Разбор кейсов Customer Journey Map
— Концепция Jobs to be doneCX-проектирование для команды
1 месяц — 7 уроков
12 часов обучающего контента, 24 часа практики
III четверть
Знакомство с SQL. Введение в Data Science и работа с Python
SQL
— Введение в SQL
— Фильтрация данных и вычисляемые поля. Практика
— Группировка данных, подзапросы и объединение таблиц. Практика
— Обновление, добавление и удаление данных. Работа с таблицами
— Представления и хранимые процедуры. Особенности обработки транзакций
— Расширенные возможности SQL и основные ограничения
— Работа с популярными программами
1 месяц — 7 уроков
12 часов обучающего контента, 24 часа практики
Python
— Введение в Python
— Циклы и функции. Основы визуализации данных
— Библиотека Pandas
— Работа с разными типами данных
— Основы статистики с Python
— Тестирование и проверка гипотез
— Маркетинговый анализ: RFM анализ
— Когортный анализ на Python — практика
— Основы программирования и визуализации в R
— Визуализация отчетов в R
— Презентация результатов
1,5 месяца — 11 уроков
15 часов обучающего контента, 30 часов практики
Введение в Data Science
— Data Science и Big Data — основные понятия
— Возможности Data Science в распознавании речи и эмоциональной окраски для оптимизации обработки клиентских обращений
— Возможности Data Science в распознавании образов и текста для улучшения пользовательского опыта
— Возможности Data Science в прогнозировании оттока пользователей для роста Retention RateData Science и прогноз LTV
— Кластеризация и random forest: примеры использования
— Сравнительный анализ R и Python
— Обзор основных библиотек на Python и R
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
IV четверть
Аналитическая культура и инструменты визуализации данных
Инструменты визуализации
и презентация аналитики
— Сравнительный обзор основных инструментов визуализации данных
— Основные ошибки при проектировании отчётности и визуализации данных
— Расширенные возможности визуализации в Excel и Google Sheets
— Google Data Studio + практика
— Возможности OWOX для визуализации отчётов по веб-аналитике
1 месяц — 5 уроков
12 часов обучающего контента, 24 часа практики
Power BI
— Анализ данных
— Power BI
— Введение в Power Query
— Создание модели данных в Power Pivot
— Язык DAX — Data Analysis Expressions
— Создание визуального слоя отчёта
— Использование расширенного функционала Power View
— Обзор функционала портала Power BI
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Аналитическая культура в компании
— Организация хранения данных для целей анализа
— Презентация результата команде
— Решение бизнес-задач в команде
— Как работать с командой и подрядчиками
— Как управлять процессами по аналитике
1 месяц — 5 уроков
12 часов обучающего контента, 24 часа практики
V четверть
Дипломная работа и подготовка к собеседованию
Дипломный проект по продуктовой аналитике
Собеседование и резюме. Видеокурс
Бонус.
Видеокурс по Excel
— Основы работы в Excel
— Поиск данных и логика
— Работа с текстом и датой
— Фильтры, сортировка, условное форматирование
— Сводные таблицы
— Диаграммы и графики
— Основы Google Sheets
— Продвинутая работа с Google Sheets
— Для SEO-специалистов. Обзор популярных плагинов
— Для SEO-специалистов. Применение Excel в работе SEO-специалиста
— Для маркетологов и Project-менеджеров. Получение данных и работа с большими данными
— Для маркетологов и Project-менеджеров. Продвинутые программы
12 видеоуроков
Английский для IT-специалистов
Курс разработан совместно со школой EnglishDom. Поможет освоить ключевые англоязычные темы, актуальные для IT-специалистов. Вы разберёте составление CV, технических заданий и деловых писем, собеседования и переговоры, международное общение при продвижении своего проекта.
10 видеоуроков

Спикеры

Денис Катков, менеджер продукта в аптечной сети «36,6»
Елена Артемьева. Директор по аналитике в “Работа.ру”
______________________________________________________________________

Курс «МАРКЕТОЛОГ-АНАЛИТИК» — Product University

[browser-shot url=”https://productuniversity.ru/marketing-analyst” width=”600″ height=”450″]

Сайт: https://productuniversity.ru/marketing-analyst

Стоимость: 39 000, есть участие с оплатой за результат – обучение бесплатно, если после прохождения программы в течение 6 месяцев находите новую работу – 99 000 руб, в рассрочку на 24 месяца (4 125 руб/месяц)

Продолжительность: 8 недель.
Формат: Online
Документ о прохождении курса: сертификат после полного прохождения курс
Содействие в трудоустройстве: есть

Содержание курса

Показать скрытое содержимое
Неделя 1
Ключевые метрики и отчеты в маркетинге
Принципы построения воронки продаж и основные этапы.
Основные метрики: Конверсии, CAC, LTV, ROI и др.
Юнит-анализ. Экономика одного заказа.
Основы измерений, статистики, типы данных и их визуализация.
Неделя 2
Дашборды и визуализация данных
Типы данных и их иерархия.
Способы визуализации данных.
Требования к источникам данных.
Принятия решений на основе данных.
Лучшие практики и типовые отчеты в маркетинге.
Обзор основных инструментов визуализации данных и построение дашбордов в Tableau и Google Data Studio.
Неделя 3
Google Analytics и Tag Manager
Введение в GA, передача данных, настройки, цели, события.
Аудитории, Контент, Представления, Фильтры, Отчеты, Сегментация
Привлечение, Конверсии, Когорты, Электронная коммерция, Атрибуция.
Настраиваемые отчеты и Дашборды.
Работа с Tag Manager — контейнеры, триггеры, события. Основные настройки. Отслеживание кнопок и форм.
Неделя 4
Яндекс. Метрика и рекламный кабинет Facebook
Основные отличия от GA.
Вебвизор, карта кликов.
Настройка пикселей и целей в Facebook.
Сбор данных о пользователях. Возможности таргетинга.
Основные отчеты из Facebook.
Неделя 5
Сквозная аналитика в Roistat и коллтрекинг
Введение в сквозную аналитику. Анализ пользователей.
Настройка Roistat и Сomagic и интеграция с другими сервисами (Tilda, AmoCRM и др.)
Когортный анализ.
Основные отчеты и дашборды.
Неделя 6
Анализ данных и A/B-тесты
Основы статистики.
A/B-тесты, их проектирование и анализ результатов.
Язык SQL и работа с данными.
Введение в Python и основные библиотеки.
Подготовка данных для анализа.
Обзор основных инструментов для анализа данных.
Неделя 7
Автоматизация процессов, CRM и No-code подход
Основы AmoCRM.
Настройка этапов и воронок продаж.
Интеграция с основными сервисами.
Автоматизация и отчетность.
Conversational Marketing без программирования. Создаем чат-ботов
Делаем бота поддержки, который собирает лидов и записывает клиентов.
Делаем бота, который собирает новости и присылает их каждое утро нам в telegram.
Автоматизация бизнес-процессов
Основы API и интеграций.
База данных в Airtable.
Основы PWA.
Автоматизация процессов с помощью Integromat и Zapier.
Неделя 8
Выпускная работа и презентации дашбордов
Представления плана маркетинговой кампании для работодателя и своего портфолио.
Создание собственного резюме и портфолио из дашбордов.

Спикеры

Аркадий Морейнис, United Investors, Price.ru
Алексей Черняк, United Investors, Darberry
Дмитрий Щербенко, Руководитель BI-разработки

Результат прохождения курса

Программа на 100% соответствует требования к вакансии junior специалиста
__________________________________________________________________

A/B-тестирование: практическое руководство

[browser-shot url=”https://netology.ru/programs/abt#/” width=”600″ height=”450″]

Сайт: https://netology.ru/programs/abt#/
Стоимость: 18 900, рассрочка 1 890 руб/мес. на 10 месяцев
Продолжительность: 2 месяца
Формат: Лекции в записи, вебинары и домашние задания с проверкой.
Документ о прохождении курса: Удостоверение о повышении квалификации
Содействие в трудоустройстве: есть

Кому подойдёт курс

Аналитикам
Сможете обеспечить проверяемый рост метрик, который вызван именно улучшением продукта

Продакт-менеджерам
Сможете тестировать изменения ценовых моделей или оптимизацию части воронки продаж

Маркетологам
Сможете тестировать изображения, призывы к действию (call-to-action) или другие элементы маркетинговой кампании

Продуктовым дизайнерам
Сможете тестировать дизайнерские решения (например, цвет кнопки оформления заказа) или удобство интерфейса

Чему вы научитесь

Научитесь проводить A/B-тестирование и анализировать результаты
Разберёте пошаговый алгоритм по проведению A/B-тестов

Содержание курса

Показать скрытое содержимое
12 часов теории и 12 часов практики
Data-driven процессы и роль A/B-тестирования
Разберётесь, как организовать Data-driven процессы у себя в компании. Узнаете, как происходит генерация гипотез: отчёты, воронки, качественные и количественные исследования. Рассмотрите критерии оценки качества гипотез.
Организация Data-driven процессов у себя в компании
Процессы анализа и создания гипотез
Генерация гипотез: отчёты, воронки, качественные и количественные исследования
Приоритизация гипотез и тесты
Узнаете, как строить дерево гипотез и разрабатывать план тестирования, проводить экспресс-анализ гипотез. Научитесь определять приоритетность гипотезы. Познакомитесь с продуктовой и маркетинговой аналитикой.
Критерии качества гипотез
Дерево гипотез и план тестирования
Экспресс-анализ гипотез
Приоритетность гипотезы
Основы A/B-тестирования
Разберётесь, какие тесты являются A/B-тестами и почему они так важны. Узнаете, что можно проверить не только два варианта.
Тесты A/B
Почему тесты A/B важны
Что нужно тестировать, а что нет
Шаги для хорошо структурированного теста A/B
Основы распределения и статистики
Рассмотрите показатели возможных распределений, коробчатую диаграмму и другие визуальные элементы для распределения.
Среднее, медиана, квартиль, процентиль, процент против процентного пункта, центральная предельная теорема
Показатели возможных распределений
Коробчатая диаграмма и другие визуальные элементы для распределения
Кейс-стади для преобразования двух групп
Инструменты для А/B-тестирования
Рассмотрите инструменты веб-оптимизации: Google Analytics и Яндекс.Метрику, VWO, Optimizely, а также мобильной и продуктовой аналитики: Amlitude, Mixpannel, Google. Узнаете о системной установке и A/B-тестировании внутренних инструментов. Разберётесь с интеграцией с базой данных.
Веб-оптимизация
— Google Analytics и Яндекс.Метрика
— VWO, Optimizely
Мобильная и продуктовая аналитика
— Amlitude
— Mixpannel
— Google Analytics
Системная установка
A/B-тестирование внутренних инструментов
Интеграция с базой данных
Анализ результатов A/B-тестов
Выясните, что такое р-значение и почему просто не посмотреть на одно p-значение в конце. Поговорим о правильном сегментированном анализе. Узнаете, какие существуют онлайн-А/B-калькуляторы для анализа результатов.
P-значение
Правильный сегментированный анализ
Уменьшение дисперсии
Онлайн-А/B-калькуляторы для анализа результатов
Кейс-стади
Разберёте пройденный материал, изучите возможные ошибки и как их избежать.
Оценка взаимозависимости
Боязнь многомерных тестов
Экстраполяция результатов испытаний
Итоговый проект
Вы самостоятельно проведёте A/B-тестирование, использовав на практике основные его принципы, и проанализируете результаты.

Преподаватели
Игорь Полянский

Результат прохождения курса

Узнаете больше о своих клиентах
Изучите влияние различных составляющих вашей страницы на их поведение, потребности, привычки
Научитесь использовать data-driven подход
Будете принимать решения, основываясь на данных, тестируя и подтверждая гипотезы оптимизации
Сможете оптимизировать силы и деньги
Поймёте, что работает лучше для вашей аудитории, благодаря А/В-тестированию
________________________________________________________________

Курс «Аналитик данных» — Яндекс.Практикум

[browser-shot url=”https://praktikum.yandex.ru/data-analyst” width=”600″ height=”450″]

Сайт: https://praktikum.yandex.ru/data-analyst
Стоимость: 70 000руб, 12 500 руб./мес. Рассрочка на 6 месяцев.
Продолжительность: 6 месяцев
Формат: онлайн видеоуроки, тренажер
Документ о прохождении курса: диплом после прохождения всего курса
Содействие в трудоустройстве: есть

Чему вы научитесь?

освоите востребованные навыки аналитика данных и соберёте портфолио проектов

Содержание курса

Показать скрытое содержимое
Основы Python и анализа данных: бесплатный вводный курс
16 часов
Процесс и стадии работы аналитика: основные термины, задачи и инструменты анализа данных. Подготовка данных для анализа. Знакомство с языком программирования Python, аналитической библиотекой Pandas и средой программирования Jupyter.
Введение в профессию «Аналитик данных»
4 часа
Знакомство с профессией аналитика. Обзор областей, в которых может работать аналитик. Представление разных видов аналитики. Организационная часть процесса обучения.
Предобработка данных
40 часов
Чистые и готовые к анализу данные — первый шаг к решению аналитической задачи. Разбираем инструменты для компенсации недостатков данных.
Исследовательский анализ данных
40 часов
Предварительный поиск закономерностей в данных даёт возможность сформулировать первые гипотезы для анализа, а также избежать странных ошибок. На курсе учимся использовать средства визуализации для работы с данными.
Статистический анализ данных
40 часов
В ходе работы с продуктом возникает масса гипотез, которые можно проверить понятными статистическими методами. Изучаем основы статистики и теории вероятностей для решения бизнес-задач.
Сборный Проект — 1
20 часов
Подготовка данных для анализа. Предварительное исследование датасета. Формулирование и проверка гипотез.
Сбор и хранение данных
40 часов
Как устроены базы данных, как извлекать данные из них, делая запросы на языке SQL. Добыча данных в интернете.
Анализ бизнес-показателей
40 часов
Ещё ближе к бизнесу — разбираем подробно, что такое метрики и основные инструменты: когортный анализ, воронка продаж и unit-экономика.
Принятие решений в бизнесе на основе данных
40 часов
A/B-тестирование: в каких случаях его использовать; проектирование, формирование выборки, получение результатов и их валидация.
Как рассказать историю с помощью данных
40 часов
Как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией.
Сборный проект — 2
20 часов
Получение данных из базы. Предобработка и обзор датасета. Формулирование гипотез с учётом специфики бизнеса. Проверка гипотез и подготовка выводов в формате аналитического отчёта.
Автоматизация
40 часов
Автоматизация процессов анализа данных. Превращение рутинных и постоянных задач в скрипты. Создание дашбордов для разных аудиторий и нужд компании.
Прогнозы и предсказания
40 часов
Основы машинного обучения, разбор задачи предсказания оттока пользователей.
Скрыть программу
Выпускной проект
40 часов
Самостоятельное решение аналитической задачи на выбор студента, со всеми стадиями анализа данных.

Наставники

Григорий Бизюкин, фронтенд-разработчик
Дарья Чиркина, аналитик данных
Алексей Попков, фронтенд-разработчик
__________________________________________________________________________

Курс «Продуктовая аналитика: понимание продукта через метрики» — Нетология

[browser-shot url=”https://netology.ru/programs/product-analytics” width=”600″ height=”450″]

Сайт: https://netology.ru/programs/product-analytics
Стоимость: 33 500 руб, в рассрочку на 10 месяцев 3 350 руб./мес.
Продолжительность: 3 месяца
Формат: онлайн
Документ о прохождении курса: удостоверение о повышении квалификации
Содействие в трудоустройстве: есть

Кому подойдёт курс?

Продакт-менеджерам, новичкам в продуктовой аналитике
Научитесь работать с метриками и выстраивать для проектов систему аналитики. Узнаете, как строится процесс работы над продуктом не только в рамках задач аналитика, а в рамках продукта в целом. Систематизируете знания, сможете работать с крупными проектами, где много комплексной аналитики, подбирать аналитические инструменты в зависимости от особенностей проекта.
Интернет-маркетологам и специалистам смежных профессий
Изучите особенности использования метрик в зависимости от продукта. Разберётесь, как устроена работа с данными, что нужно измерять и отслеживать в разных продуктах. Узнаете, как принимать решения на основе данных. Сможете построить систему метрик под любой интересный вам проект.

Содержание курса

Показать скрытое содержимое
Культура решения неопределённых задач
Научитесь системно использовать гипотезы для достижения бизнес-целей, отладите процесс системной проверки гипотез, узнаете, как экономить команде время и ресурсы
Культура решения неопределённых задач
Формулировка и прояснение цели
Диагностика ограничения
Определение причин ограничения
Генерация решений, гипотез и их приоритизация
Проведение экспериментов
Принятие решения по итогам экспериментов
Основные метрики и юнит-экономика
Научитесь выбирать системы аналитики для конкретного проекта, настраивать сбор данных, применять подход canvas для формулирования метрик, за которыми стоит следить. Соберёте данные в модель юнит-экономики. Выберете юнит для своего типа бизнеса и составите P&L продукта. Определите точки роста бизнеса и рассчитаете финансовые кейсы. Выработаете целевые kpi по развитию бизнеса на основании проведённого анализа.
Какие метрики нужны и как измерять и отслеживать эффективность
Метрики бизнеса. Как замерять, использовать, интерпретировать и принимать решения
Метрики маркетинга. Метрики работы с пользователями. Как замерять, использовать, интерпретировать и принимать решения
Веб-аналитика. Как собирать данные и анализировать конкурентов
Юнит-экономика
Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
Аналитические фреймворки и интерфейсы
Научитесь строить пирамиду метрик, выделять связи, выявлять низкоуровневые метрики. Поработаете над улучшением конверсий воронки, узнаете, как сопоставлять CJM клиента с бизнес-задачами. Разберёте, как анализировать воронки для нашего типа бизнеса, выбирать ключевые финансовые метрики. Поработаете с метриками Revenue, Retention, Referal и узнаете, как можно на них влиять. Выясните способы финального определения потребностей, рассмотрите драйверы и барьеры, методики (CJM, JTBD, Personas).
Метод персон, сценарии, инструменты для работы с пользователями в рамках продукта и интерфейса
Как собирать аналитические данные с интерфейсов и использовать их, как собирать обратную связь от пользователей
Виды исследований. А/Б-тестирование
Аналитические фреймворки и система метрик продукта
Построение метрик и связывание их в систему. Пирамида метрик
Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
Python для продуктовых аналитиков и основы статистики
Научитесь работать в рамках продуктовых и аналитических задач с системой контроля версий Git и писать простые функции на языке Python. Узнаете, как добывать нужные данные и проводить с ними операции, используя библиотеку Pandas. Научитесь создавать простые схемы визуализации для презентации руководству. Узнаете, как корректно формулировать аналитические задачи и обосновывать их техническое решение.
Настройка окружения, основы работы с Git
Использование готовых функций библиотеки Pandas под свои задачи. Объединение данных из разных источников
Визуализация данных. Основы работы с Plotly и Seaborn
Основные статистические понятия и термины. Типы переменных. Меры центральной тенденции. Виды распределений
Корреляция и регрессия. Условия применения коэффициента корреляции. Регрессия с одной независимой переменной
Основы SQL
Научитесь рассчитывать ROI, юнит-экономику, retention по когортам, RFM-сегментацию, имея сеты данных. Узнаете, как работать в ClickHouse. Разберётесь в написании простых запросов и сможете получать нужную информацию из базы данных. Научитесь работать с таблицами, компоновать данные и группировать их по нужным параметрам.
Основы SQL для решения продуктовых задач
Работа с таблицами. Работа с индексами. Примеры на продуктовых кейсах
Группировка данных. Вспомогательные функции
Дашборды и работа с отчётами
Научитесь работать в Tableau и сможете составлять отчёты, выгружать данные, анализировать отчётность, детализировать до нужного уровня фрагменты данных, визуализировать данные и понимать язык графиков.
Задачи и инструменты визуализации, типы данных и виды их визуализаций, основные принципы визуализации
Работа с дашбордами. Tableau. Работа в режиме реального времени. Визуализация
Инструменты Tableau для визуализации: фильтры, параметры, измерения. Подключения к источникам данных
Итоговый проект
По итогам обучения под руководством экспертов курса вы выполните дипломную работу, детально проработав свой проект с точки зрения продуктовой аналитики.

Преподаватели

Артем Чистяков, руководитель группы продуктовой аналитики, Banki.ru
Артем Коноплев, разработчик, Яндекс
Павел Шерер, партнер в цифровой артели Eleven

Результат прохождения курса

Ключевые навыки:
Построение системы метрик
Организация подхода к продукту со стороны аналитики
Понимание, для каких продуктов какие метрики нужны
Масштабирование аналитики для больших проектов
Визуализация данных и составление отчётов
Работа с базами данных
Построение юнит-экономики продукта
______________________________________________________________

Курс «Продуктовый аналитик с нуля до middle» — Нетология

[browser-shot url=”https://netology.ru/programs/product-web-analysts” width=”600″ height=”450″]

Сайт: https://netology.ru/programs/product-web-analysts
Стоимость: 81 950руб., в рассрочку 3 414 руб./мес. на 24 месяцев
Формат: Видеолекции, вебинары и практические задания
Документ о прохождении курса: Диплом о профессиональной переподготовке
Содействие в трудоустройстве: есть

Кому подойдёт курс

Новичкам
Научитесь проводить исследования, анализировать метрики и изучать поведение пользователей.

Маркетологам
Узнаете, как использовать аналитику для увеличения трафика и применять Python для анализа больших данных.

Product-менеджерам, product-оунерам
Сможете тестировать гипотезы, применять аналитические инструменты для развития продукта и усилите свою экспертность.

Чему вы научитесь

Быть автономным
Перестанете зависеть от разработчиков в работе с данными и научитесь понимать программистов
Обрабатывать данные из разных источников
Научитесь работать с данными из Google Analytics, SQL, Google Sheets
Анализировать данные сайта или мобильного приложения
Составлять аргументированные рекомендации по изменению стратегии и рекламных кампаний на основе данных
Анализировать пользовательские метрики
Находить проблемные места в продукте и интерпретировать их для улучшения показателей бизнеса
Автоматизировать работу с помощью Python
Почувствуете вкус к оптимизации процессов и освободите время для новых задач
Визуализировать данные с Tableau
Перейдёте от вороха таблиц к понятным визуализациям

Содержание курса

Показать скрытое содержимое
Продуктовая аналитика
Научимся формулировать и валидировать идеи продукта. Поговорим о том, как составлять вопросы проблемного, решенческого и ценностного интервью и интерпретировать полученные данные. Узнаем, как выбирать системы аналитики для конкретного проекта, настраивать сбор данных.
Проверка гипотез, Customer Discovery, проблемные интервью
MVP. Формулирование, приоритизация и проверка гипотез
Какие метрики нужны и как измерять и отслеживать эффективность
Юнит-экономика
Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
Аналитические фреймворки и система метрик продукта
Построение метрик и связывание их в систему. Пирамида метрик
SQL и получение данных
SQL — главный инструмент аналитика. С его помощью вы научитесь получать данные, а также фильтровать, агрегировать, импортировать и экспортировать.
Введение в инфраструктуру
Основы баз данных
Основы SQL
Углубление в SQL
Работа с PostgreSQL
Работа с MongoDB
Tableau
Познакомимся с интерфейсом, научимся загружать данные и работать с основными инструментами. Освоим создание дашбордов. Изучим сложные виды визуализаций и научимся работать с расширенной версией инструмента.
Основные виды визуализаций. Лучшие практики визуализации
Работа с расчётными полями, фильтрами, множествами и группировками
Использование параметров, объединение нескольких источников
Функции LOD, Set Actions, Parameter Actions
Разработка дашбордов. Настройка взаимодействия между визуализациями
Tableau Professional. Подключение к базам данных SQL
Анализ данных в Python
Научимся пользоваться инструментами Python и работать с главными аналитическими библиотеками, а визуализации помогут быстро находить зависимости и корреляции. Познакомимся со статистикой: именно она помогает закопаться глубже в данные, чтобы найти интересные связи и эффективно генерировать гипотезы.
Функции и классы
Продвинутые типы данных: массивы, множества, словари
numpy и scipy
pandas
Визуализация данных: seaborn, plotly, matplotlib
Основные статистические тесты и проверка гипотез
A/B-тестирование
Научимся измерять эффективность страницы и влиять на конверсию, стимулировать сбыт и повышать прибыльность веб-проекта. Рассмотрим основные причины ошибок в интерпретации данных. Разберёмся в методах оценки вероятности победы варианта при тестировании и познакомимся с реальными кейсами с данными и метриками бизнесов.
Математика тестов
Что такое эффективность сайта
Планирование тестов
Инструменты для проведения тестов
JavaScript-тесты и Google Tag Manager
Анализ данных
A/B-тесты как метод конверсионной оптимизации
Продуктовый воркшоп
Разберём стратегическое планирование, юнит-экономику и монетизацию. Обсудим особенности продуктового маркетинга и рекламы. Научимся ставить цели и изучим инструменты и пошаговые алгоритмы продвижения.
Эффективные коммуникации и эмоциональный интеллект
Научитесь понимать картину мира окружающих и на основе этого строить коммуникацию. Разберётесь, как управлять своими эмоциями, как реагировать на эмоции окружающих в процессе общения и развивать эмоциональный интеллект. Узнаете, как управлять эмоциями в переговорах. Научитесь заводить полезные связи и деловые знакомства и правильно презентовать себя.
Фасилитация
Личная эффективность
Планирование
Расстановка приоритетов
Управление временем
Делегирование
Концентрация и восстановление ресурсов
Самомотивация
Эмоциональный интеллект. Модель и этапы развития
Распознавание эмоций
Переговоры
Поймёте, как создавать и укреплять свой авторитет среди коллег. Научитесь грамотно организовывать деловые встречи и эффективно проводить переговоры, добиваясь взаимовыгодных договорённостей.
Нетворкинг
Как вести неравные переговоры
Возражения и аргументы
Подготовка к переговорам
Уверенное ведение переговоров
Управленческие поединки
Манипуляции в переговорах
Сила переговоров
Структура переговоров
Переговоры онлайн и офлайн
Внутренние переговоры
Публичные выступления
Узнаете, как презентовать идею или отчёт. Научитесь получать удовольствие от выступлений и перестанете их бояться.
Подготовка к публичному выступлению
Типовые структуры выступления
Выступление перед коллегами
Взаимодействие с аудиторией и подача
После прохождения основной части программы вы сможете выбрать одну из двух специализаций
Веб-аналитика
Мобильная аналитика

Преподаватели

Олег Рудаков, директор по развитию направления аналитики, AGIMA
Наталья Секацкая, директор по развитию «Таргет Консалт Компании»
Олег Бурыгин, IT-аудитор в Сбербанке

Результат прохождения курса

Новая профессия и опыт
После обучения вы сможете показать, что работали над реальными проектами
____________________________________________________________________

Курс «Специализация Продуктовая аналитика» — SkillFactory

[browser-shot url=”https://skillfactory.ru/product-analyst” width=”600″ height=”450″]

Сайт: https://skillfactory.ru/product-analyst
Стоимость: 35000 руб.
Продолжительность: 4 месяца
Формат: онлайн
Документ о прохождении курса: сертификат
Содействие в трудоустройстве: есть

Кому подойдёт курс?

Практикующие аналитики освоят продуктовую аналитику
Начинающие продуктовые аналитики, продуктологи, продакт оунеры прокачаются в решении аналитических задач
Курс не для новичков — необходимо знать основы Python и иметь опыт работы в аналитике.

Содержание курса

Курс состоит из 4 блоков:
Продуктовое мышление: 3 недели
Клиентская аналитика: 5 недель
А/В тестирование: 6 недель
Data Driven культура: 2 недели

Преподаватели

Алексей Шаграев, Руководитель разработки в Яндекс
Долгачев Антон, Руководитель направления продуктовой аналитики в МТС Банке
Роман Беднарский, Product manager в Яндекс

Результат обучения

разбираться в продуктовых метриках и KPI;
понимать задачу и переводить ее в ТЗ;
видеть проблему и находить ее решение
применять подходящий инструмент в соответствии с типом задачи;
понимать откуда брать данные и какие именно данные нужны;
настраивать счётчики web- и мобильной аналитики;
проводить когортный и RFM-анализ;
верифицировать данные и понимать адекватность результатов.
использовать инструменты для A/B тестов;
проверять гипотезы с помощью А/B тестов;
применять статистику для проверки результатов;
делать выводы на основе данных.
структурируем знания по аналитической культуре и продуктовому подходу;
Поговорим о результатах:
подведем итоги курса.

_________________________________________________________________

Курс «Продуктовая аналитика» — АНО ДО «Тинькофф Образование»

[browser-shot url=”https://fintech.tinkoff.ru/study/fintech/productanalytics/” width=”600″ height=”450″]

Сайт: https://fintech.tinkoff.ru/study/fintech/productanalytics/
Стоимость: Бесплатно
Продолжительность: 3 месяца
Формат: онлайн
Документ о прохождении курса: нет
Содействие в трудоустройстве: После окончания курса можно получить приглашение на интервью в штат

Кому подойдёт курс

Для молодых специалистов
Для студентов 1-4 курсов, магистрантов и выпускников технических вузов. А так же специалистов, которые хотят прокачать свои навыки

Преподаватели

Илья Копцов, Руководитель отдела веб-аналитики Тинькофф

Результат прохождения курса

Понимание, как устроено привлечение в интернете
Узнаете, какие бывают каналы привлечения, модели атрибуции и как считается эффективность привлечения
Опыт работы с метриками продукта
Научитесь считать retention, делать когортный анализ и выводы на основе продуктовых метрик
Опыт работы с мобильной и веб-аналитикой
Узнаете, в чём отличия и как работать с инструментами: Amplitude, Appsflyer, Google Analytics, Tag Manager
Понимание хранилищ данных и анализа с помощью SQL, Python
Познакомитесь с основными системами хранилищ и их особенностями: GreenPlum, Hive, Oracle. Научитесь писать эффективные запросы на SQL, поработаете с основными библиотеками Python для анализа данных
Понимание, как правильно визуализировать данные
Узнаете, какие графики для каких случаев подходят и освоите основные инструменты визуализации
Опыт проведения АБ-тестов
Научитесь формировать гипотезы, проверять результаты на статистическую значимость и познакомитесь с моделями машинного обучения для персонализации
_______________________________________________________________

Курс «Профессия Продуктовый аналитик» — Synergy

[browser-shot url=”https://синергия.рф/product/618″ width=”600″ height=”450″]

Сайт: https://синергия.рф/product/618
Стоимость: нет информации
Продолжительность: 6 месяцев
Формат: Онлайн
Документ о прохождении курса: диплом
Содействие в трудоустройстве: есть

Кому подойдёт курс

Новичкам
Желающим получить навыки необходимые для старта профессии
Маркетологам
Расширите свои профессиональные возможности, освоите новые инструменты, сможете использовать аналитику для увеличения трафика
Product-менеджерам
Сможете применять новые инструменты в своей работе: для развития продукта, тестирования гипотез.

Чему вы научитесь

Определение направления развития продукта на основе аналитики
Анализ поведения целевой аудитории
Определение решения для бизнеса на основе аналитики
Запуск A/B-тестов
Анализ конкурентов
Подготовка отчетности

Содержание курса

Показать скрытое содержимое
7 тематических модулей
49 онлайн-уроков
Введение в профессию
Введение в продуктовую аналитику
Роль и место аналитика в продуктовой команде
Что такое продукт и его отличие от проекта
Виды продуктов и их отрасли
Управление продуктом
Анализ рынка и конкурентов
Различия управления В2В и B2C
Сделка, маркетинговая воронка и юнит в проекте
Стратегия управления продуктом
Продуктовая аналитика
Введение в маркетинговую аналитику
Каналы трафика
Маркетиговые метрики
Основные источники данных и методы их анализа
Сквозная аналитика
CRM-системы, назначение и способы работы с ними
Методы сегментации клиентов и целевой аудитории
Введение в RFM-анализ
Введение в когортный анализ
Web- и app- аналитика
Введение в web- и app- аналитику: основные понятия и инструменты
UTM-метки
Возможности передачи и сбора данных из систем аналитики — BigQuery и ClickHouse
Инструменты веб-аналитики
Инструменты app-аналитики
Регулярные выражения и их использование в Google Analytics и Яндекс.Метрика
GTM, особенности работы и основные возможности
Основные отчёты Google Analytics
Основные отчёты Яндекс.Метрика
Основные отчёты Firebase
Основные отчёты App Metrica
Организация и проведение исследований
Цель исследований
Принципы исследований
Объекты исследований
Виды исследований
Принципы исследований
Объекты исследований
Кабинетные исследования
Качественные исследования
Количественные исследования
Этнографические исследования
Тестирования
Мониторинг эффективности
Результаты исследований
Дизайн процесс
Основы юзабилити
Юзабилити-тестирование
UX-дизайн
Конструкторы сайтов
Построение Customer Journey map
Представление данных и отчетность
Визуализация данных в Excel
Инструменты анализа и оптимизации
Основы успешной презентации

Преподаватели

Роман Пустовойт, Директор по стратегии и партнер Human Code
Юлия Степанова, Бизнес-коуч, руководитель проектов в «ТехноНИКОЛЬ», «Ситибанк», «Teva», РКС, «Метинвест Холдинг», Sanofi, «Самолет Девелопмент», Газпромнефть, Сбербанк и Роснефть
Артем Чистяков, Основные направления: управление аналитикой в компании, продуктовая аналитика, маркетинговая аналитика, исследования, построение аналитических систем
_______________________________________________________________________

Курс «Продакт-аналитик» — LABA

[browser-shot url=”https://l-a-b-a.com/lecture/1459-prodakt-analitik” width=”600″ height=”450″]

Сайт: https://l-a-b-a.com/lecture/1459-prodakt-analitik
Стоимость: нет информации
Продолжительность: 6 недель
Формат: Видеолекции + личная обратная связь по домашним заданиям
Документ о прохождении курса: нет
Содействие в трудоустройстве: нет

Кому подойдёт курс

продакт-менеджеры
сделаете шаг в аналитических компетенциях, покажете путь к систематическому росту и улучшению продукта и сможете аргументировать ваши решения цифрами
начинающие аналитики
поймёте, как приложить свои математические знания к решению реальных бизнесовых проблем и объяснить их ценность своему руководству

Содержание курса

Показать скрытое содержимое
Занятие 1.
Зачем бизнесу продуктовая аналитика?
– Как понять, что бизнесу нужна продуктовая аналитика
– Роль продуктового аналитика в продукте и продуктовой команде
– Продуктовый менеджер и продуктовый аналитик: зачем работать в паре и когда нужно разделять две роли и как выстроить взаимодействие
– Какие стандартные метрики обычно используют в продуктах
– Метрики ценности vs. метрики качества
– Как определить нужную метрику
Занятие 2.
От бизнес-цели к метрикам
– Как определить North Star метрику для продукта
– Разбираем кейсы с неправильными метриками
– Фреймворки метрик
– Дерево метрик
Занятие 3.
Метрики удержания клиента
– Какой Retention выбрать для вашего продукта
– Как работать с LTV продукта: LTV7, LTV14, LTV30
Занятие 4.
Unit-экономика
– Что такое юнит экономика и зачем она нужна
– Что такое стоимость привлечения, постоянные и переменные расходы
– Как банальная конверсия влияет на общий доход и итоговую прибыль компания
– Пример расчета устойчивой Unit-экономики
Занятие 5.
Аналитическое хранилище данных
– Какие данные собирать
– Зачем нужно аналитическое хранилище
– Аналитическое хранилище: особенности, структура, выбор
– ETL
– Качество данных в хранилище
– Базовые SQL-запросы
Занятие 6.
SQL
– Join-ы
– CTE, временные таблицы и подзапросы
– Функции окна
Занятие 7.
Анализ данных: статистические величины
– Генеральная совокупность и выборка
– Ошибки выборки и их влияние на оценку эффекта
– Что может рассказать распределение о том, какую величину выбрать
– Очистка данных: как работать с выбросами
Занятие 8.
Анализ данных: сегментация
– Зачем нужна сегментация
– Сегментация по потребностям пользователей
– Поведенческая сегментация
Занятие 9.
A/B-тестирование
– Что такое A/B-тест и зачем нужен
– Когда стоит проводить А/B-тесты?
– Зачем нужен АА-тест
– Формирование пользовательской и продуктовой гипотезы
– Основная и Health-метрики в тесте
Занятие 10.
A/B-тестирование: воркшоп запуск теста
– Дизайним A/B-тест на Jooble с помощью Google Optimize
Занятие 11.
Как интерпретировать результаты теста
– Смотрим результаты теста
– Когда принимать решение по тесту: проблема подглядывания
– Почему результат теста постоянно меняется: статистическая значимость и доверительные интервалы
– Из-за чего изменилась метрика: поведенческий анализ
Занятие 12.
Визуализация данных в Tableau
– Правила визуализации данных и основные ошибки
– Как создать дашборд, которым будут пользоваться
– От отчета до BI-системы
Занятие 13.
Визуализация данных в Google Data Studio (workshop)
– Настройка Google Data Studio
– Связь и настройка разных источников данных
– Создание дашборда с ключевыми метриками продукта
– Практика: работаем с инструментом Google Data Studio, подключаем вывод данных из источников и визуализируем их

Преподаватели

Дмитрий Апенько, Head of Analytics в Jooble
Андрей Хлякин, ex-senior Product Manager в Jooble

Результат прохождения курса

Метрики
Вы научитесь увеличивать два жизненно важных показателя: количество активных пользователей и выручку, с помощью фреймворка AARRR.

Анализ
На курсе мы будем учиться собирать, хранить и анализировать данные. Разберемся в основных типах сегментации — поведенческая, RFM и кластеризация пользователей. Изучим основные статистические величины и работу с аутлаерами.

Визуализация
Важная часть работы аналитика — наглядно доносить результаты анализа менеджменту. Мы учим делать это с помощью Tableau — составлять отчеты, выгружать данные, детализировать до нужного уровня фрагменты данных и визуализировать их в понятные графики в Google Data Studio.
___________________________________________________________________________

Курс «Основы продуктовой аналитики» — leadstartup

[browser-shot url=”https://leadstartup.ru/product-analysis” width=”600″ height=”450″]

Сайт: https://leadstartup.ru/product-analysis
Стоимость: 4 950 рублей
Продолжительность: 1-2 месяца
Формат: Задания, видео, теория, практические инструменты — с примерами и шаблонами
Документ о прохождении курса: сертификат Certified Product Analytics (LSP–CPA) после прохождения курса и сдачи теста
Содействие в трудоустройстве: нет

Чему вы научитесь

Вы научитесь использовать сервис продуктовой аналитики Amplitude для нахождения точек роста прибыли продукта
Юнит–экономика
Когортный анализ
Продуктовые метрики
Пиратские метрики
Сквозная аналитика
Импорт данных в Amplitude
Построение отчетов и дашбордов

Содержание курса

Показать скрытое содержимое
1. Start Message – Mastering Product Analytics
1.1. Start Message – Mastering Product Analytics
2. Как работает платформа, курсы и тренинги
2.1. Как устроена методическая модель LeadStartup?
2.2. Как работает платформа LeadStartup?
2.3. Как связаны инструменты и платформа?
2.4. Обратная связь
3. Метрики тщеславия
3.1. Ванильные метрики или метрики тщеславия
3.2. Как отличать правильные метрики от метрик тщеславия?
3.3. Как и чем заменять метрики тщеславия
3.4. Пиратские метрики против ванильных метрик
3.5. Что маскируют ванильные метрики?
3.6. Какие бывают метрики тщеславия
4. Поток ценности
4.1. Что такое «поток ценности» и его карта
4.2. Типичные ошибки при составлении value stream map
4.3. С чего начинать
4.4. Этапы построения value stream map
4.5. Анализ value stream map — на что смотреть
4.6. Структура value stream map
4.7. Как нарисовать value stream map
4.8. Зачем использовать value stream mapping
5. Ценностное предложение
5.1. Ценностное предложение
5.2. FreshBooks
5.3. DuckDuckGo
5.4. Apple MacBook
5.5. Примеры ценностных предложений на 5+
5.6. Как тестировать ценностное предложение
5.7. Получить информацию можно разными способами
5.8. Возможно, у вас появился логичный вопрос: «А как узнать всё это?»
5.9. Вопросы для понимания проблематики:
5.10. Теперь о том, как составить ценностное предложение
5.11. 3. Уникальность, отстройка от клиентов
5.12. 2. Выгода
5.13. 1. Ясность
5.14. Основные элементы ценностного предложения:
5.15. Ценностное предложение решает, будет ли аудитория знакомиться с вашим продуктом
6. Value/Effort matrix
6.1. Value/Effort matrix
6.2. Результаты Lean Prioritization
6.3. Кейс Lean Prioritization в Hygger
6.4. Как работает техника Lean prioritization и Value/Effort matrix
6.5. Кому подходит Lean prioritization и Value/Effort matrix
6.6. Какие цели у расстановки приоритетов?
6.7. Почему важно приоритизировать задачи?
7. Пиратские метрики
7.1. Активация (Activation)
7.2. Удержание (Retention)
7.3. Привлечение (Acquisition)
7.4. Что такое Пиратские Метрики?
7.5. Доход (Revenue)
7.6. Реферальная программа и рекомендации (Referral)
7.7. Применение пиратских метрик в бизнесе
8. ADKAR
8.1. Что такое модель ADKAR
8.2. Осознанность (Awareness)
8.3. Желание (Desire)
8.4. Знание (Knowledge)
8.5. Способность (Ability)
8.6. Подкрепление (Reinforcement)
8.7. Зачем нужна модель ADKAR
9. Аналитический паралич
9.1. Аналитический паралич
9.2. Страх потерять инвестиции
9.3. Страх перемен
9.4. Желание «полной определенности»
10. Сегментация клиентов
10.1. Сегментация клиентов
10.2. Создавайте персонализированные призывы к действию
10.3. Создание и курирование релевантного контента
10.4. Начните с общего, а затем тонко подстраивайте контент
10.5. Персонализация контента
10.6. Как эффективно сегментировать клиентов
10.7. Почему сегментирование клиентов — это важно?
10.8. Типы сегментирования клиентов
10.9. Что такое сегментация клиентов?
11. Корреляция и причинность
11.1. Корреляция vs причинность
11.2. Корреляция против причинности: понятие разницы для ваших продуктов
11.3. В чем разница между корреляцией и причинностью?
11.4. Как проверить причинно–следственную связь в вашем продукте
11.5. 1. Проверка гипотез
11.6. Когда использовать проверку гипотез?
11.7. 2. A/B/n Эксперименты
11.8. Когда использовать A/B/n тесты?
11.9. Заключение и рекомендации
12. Customer Experience
12.1. Клиентский опыт
12.2. Понимание опыта работы с клиентами
12.3. Что такое клиентский опыт?
12.4. Почему клиентский опыт важен для вашего бизнеса?
12.5. В чем разница между клиентским опытом и обслуживанием клиентов?
12.6. Что такое хороший клиентский опыт?
12.7. 6 вещей, которые создают плохой клиентский опыт
12.8. Почему вы должны использовать обратную связь
12.9. Как измерить и проанализировать опыт клиента
13. Customer Discovery
13.1. Customer Discovery
13.2. Зачем нужен Customer Discovery
13.3. Как пройти этап Customer Discovery
13.4. Инструменты для Customer Discovery
13.5. Заключение
14. Customer Experience Map
14.1. Карта клиентского опыта
14.2. Отличия Customer Experience Map от Customer Journey Map
14.3. Что такое Customer Experience Map
14.4. Зачем вам Customer Experience Map
14.5. Как рисовать карту
14.6. Что делать с нарисованной картой
15. Customer Experience Analysis
15.1. Анализ клиентского опыта
15.2. 3 вещи, которые нужно начать делать
15.3. Способы сбора данных о клиентском опыте и обратной связи
15.4. Как анализировать клиентский опыт
15.5. Анализ тенденций изменения клиентского опыта
16. Customer Experience Strategy
16.1. Стратегия развития клиентского опыта
16.2. Что такое стратегия клиентского опыта
16.3. Почему стратегия клиентского опыта важна для вашего бизнеса
16.4. Как разработать стратегию клиентского опыта
16.5. 5 советов по построению клиентоориентированной культуры
16.6. Позвольте обратной связи направлять вас вас
16.7. Методы сбора отзывов у клиентов
16.8. Создание запоминающихся впечатлений + снижение трения
16.9. 3 подсказки для создания незабываемого впечатления
17. Customer Lifetime Value
17.1. Customer Lifetime Value
17.2. Зачем нужно обращать внимание на LTV
17.3. Что важно для хорошего LTV
17.4. Формула для расчета LTV
17.5. Что нужно учитывать при расчете LTV
18. Customer Validation
18.1. Customer Validation
18.2. Как найти product market/fit
18.3. Решенческое интервью (Solution Interview)
18.4. Каким должен быть MVP
18.5. Как проверить бизнес модель развития продукта
19. Пирамида Роберта Дилтса
19.1. Пирамида Роберта Дилтса
19.2. Как начать работу с моделью
19.3. Миссия / видение
19.4. Идентичность
19.5. Ценности / убеждения
19.6. Способности / навыки / компетенции
19.7. Поведение / действия
19.8. Окружение / среда
19.9. Зачем использовать пирамиду нейрологических уровней
19.10. Что такое «пирамида нейрологических уровней»
20. Методика сегментации для стартапов
20.1. Методика сегментации для стартапов
20.2. Сегментация потребителей в результате живого общения
20.3. Как начать сегментацию потребителей
20.4. Типичная ошибка сегментации в стартапах
20.5. Зачем нужна методика сегментации для стартапов?
21. Monthly Active Users
21.1. Monthly Active Users
21.2. Как измерять Monthly Active Users и другие метрики
21.3. Риски в использовании метрик DAU и MAU в играх
21.4. Кейс по увеличению метрики Monthly Active Users
21.5. Monthly Active Users в геймдеве
21.6. Метрика LMAU
21.7. Monthly Active Users и «липкость»
21.8. DAU и MAU
21.9. Зачем измерять Monthly Active Users?
22. Монополия и конкуренция
22.1. Конкуренция vs монополия
22.2. Почему большинство компаний выбирают конкуренцию, а не монополию
22.3. Монополия и инновации
22.4. Конкуренция и копирование
22.5. Основное отличие монополии от конкуренции
23. Принципы эффективной команды
23.1. Принципы эффективной команды
23.2. Что теперь делать руководителям эффективных команд?
23.3. Как эти принципы эффективной команды работают на практике?
23.4. Принципы успеха
23.5. Как создается эффективная команда?

 

Оцените статью
Курсы онлайн
Добавить комментарий