Mokymų teikėjo pateikta informacija
Ši programa yra skirta pradedantiesiems duomenų analitikams, kurie siekia išmokti naudoti pažangiausia rinkoje verslo analizės įrankį Microsoft Power BI. Medžiagoje pateikiama daug pažangiosios duomenų analitikos informacijos ir praktinių pavyzdžių. Čia ne tik įgyjamas bendras supratimas kas yra duomenų analizė, bet ir kuriami realūs duomenų analizės sprendimai, kuriuose naudojami Power BI Desktop ir Power BI Service įrankiai. Supažindinama ir gyvai demonstruojami darbdavių reikalavimai ir realios užduotys keliamos duomenų analitikams įsidarbinimo atrankose.
| Temos pavadinimas | Trumpas temos aprašymas |
|---|---|
| 1. Kurti analitinius projektus | • Baigiamojo projekto rengimas: • Hipotezių kėlimas ir nuoseklus jų tikrinimas; • Projekto tikslų nustatymas; • Projekto išvadų aprašymas; • Python funkcijų taikymas projekte; • Python ciklų naudojimas projekto algoritmuose; • Duomenų analizės pagrindimas grafikais; • Python modulių taikymas; • Mašininio mokymosi algoritmų taikymas; • Python kodo naudojimas Power BI įrankyje: • Python kodo naudojimas įkeliant duomenis į Power BI Desktop įrankį; • Python kodo naudojimas braižant Power BI Desktop grafikus; • Python modulių importavimas į Power BI aplinką; • Python kodo naudojimas transformuojant duomenis Power Query rengykjlėje; • Duomenų kodavims ir dekodavimas Power BI įrankyje naudojant Python kodą. |
| 2. Suprasti duomenų infrastruktūrą | Duomenų transformavimas: • Automatinis duomenų surinkimas iš duomenų šaltinių; • ETL procesas (angl. Extract Transform Load); • Duomenų valymas ir parengimas analizei; • Duomenų bazių struktūros: • Struktūrinių duomenų lentelės; • Reliacinių duomenų lentelių atvaizdavimas; • SQL serverių rodiniai (angl. Views); • SQL duomenų užklausų naudojimas duomenų ištraukimui iš serverio; • Duomenų agregavimas: • Duomenų modeliavimas naudojant SQL užklausas; • SQL funkcijos; • Matematinių modelių taikymas naudojant SQL kodą; • Naujų lentelių ir stulpelių kūrimas traukiant duomenis iš serverio; • Lentelių ryšiai: • Reliacinių lentelių ryšių tipai; •„Vienas-su-vienu“ lentelių ryšio privalumai ir trūkumai; • „Vienas-su-daug“ lentelių ryšio privalumai ir trūkumai; • „Daug-su-daug“ lentelių ryšio privalumai ir trūkumai; • Lentelių jungimo tipai: • Lentelių raktai: • Struktūrinių duomenų jungimo principai; • Pirminiai raktai struktūrinių lentelių jungimui; • Svetimi raktai. |
| 3. Formulių pagalba kurti matematinių duomenų valdymo modelius | • Power BI lentelių ryšių modeliavimo galimybės; • Rankinis lentelių ryšių kūrimas; • Lentelių ryšių maketų kūrimas; • Lentelių ryšių tipai; • Aktyvus / neaktyvūs lentelių ryšiai, jų skirtumai ir naudojimo principai; • Kryžminio filtravimo kryptys, jų skirtumai ir naudojimo principai; • Lentelių ir stulpelių slėpimas; • Stulpelių ir formulių (angl. Measures) grupavimas į aplankus; • Formulių (angl. Measures) lentelės kūrimas; • Pagrindinės datų lentelės nustatymas; • DAX (angl. Data Analysis Expressions) formulių rašymas: • DAX sintaksė; • DAX formulių komentavimas; • Nesudėtingos agregavimo formulės SUM, COUNT, AVERAGE, MIN, MAX; • Specifinė DAX dalyba naudojant DIVIDE; • Lentelių filtravimas naudojant FILTER sintaksę; • Dirbtinio intelekto integracijų taikymas Power BI Desktop: • Duomenų prognozavimo funkcijos taikymas; • Kalbos atpažinimo kognityvinės funkcijos taikymas; • Pagrindinių frazių ištraukimo kognityvinės funkcijos taikymas; • Azure Machine Learning funkcionalumas. |
| 4. Sujungti ir parengti analizei skirtingo formato duomenys | • Power BI Desktop sudedamosios dalys: • Power BI Desktop konfigūravimas; • Duomenų vizualizavimo ypatybės; • Ryšių tarp lentelių kūrimo galimybės; • Prisijungimas prie duomenų su Power BI Desktop: • Standartinio prisijungimo prie skirtingų duomenų šaltinių variantai; • Duomenų skaitymas iš WEB puslapių (angl. Web Scraping); • Duomenų skaitymas iš PDF failų; • Prisijungimo būdai prie SQL serverių duomenų; • Prisijungimas prie MySQL serverio duomenų; • Duomenų importavimas į Power BI „Import“ rėžimu; • Matavimo rodiklių KPI (angl. Key Performance Indicators) identifikavimas; • SQL užklausų parengimas; • Prisijungimas prie MySQL duomenų bazės; • Parengtų SQL užklausų taikymas; • Duomenų modelio saugojimas .pbix formatu; • Meta duomenų koncepcija; • Power BI Desktop ataskaitos publikavimo į Power BI Service; • ETL (angl. Extract Transform Load) koncepcija; • ETL realizavimas su Power Query; • Power Query formulių rašymas naudojant M-Language. |
| 5. Kurti automatinius duomenų atvaizdavimo grafikus ir vizualizacijas | • Verslo įžvalgų (angl. Business Intelligence) kūrimo koncepcija:• Duomenų tvarkymo etapai; • Duomenų rūšiavimas; • Duomenų agregavimas naudojant automatinius įrankius; • Duomenų interaktyvaus atvaizdavimo ypatumai; • Duomenų „pasakojimo“ kūrimas; • MS Power Platform sistemos apžvalga; • Sistemą sudarantys bendri įrankiai – Dataverse, duomenų jungtys ir DI integracijos; • Power BI verslo analizės įrankis kitų įrankių kontekste; • Duomenų lentelių tipai: • Pločio (angl. Wide) tipo duomenų lentelės; • Ilgio (angl. Long) tipo duomenų lentelės; • Power BI atnaujinimai, pakeitimų dažnis ir apimtis; • Power BI privalumai ir trūkumai lyginant su konkurentais; • Power BI architektūros sudedamosios dalys: • Prisijungimo prie duomenų lokaliuose šaltiniuose ypatumai; • Duomenų šaltiniai; • Vartotojo aplinka; • Didžiųjų duomenų (angl. BIG DATA) valdymo architektūros. • Power BI pirmtako technologija OLAP kubai; • Pažangios duomenų apdorojimo architektūros; • Duomenų apdorojimas su Azure Synapse. |
| 6. Identifikuoti skirtingus duomenų šaltinius | Duomenų šaltiniai: • SQL duomenų bazės; • Excel failai; • CSV failai; • JSON failai; • XML failai; • Tekstiniai failai. • Aprašomoji analizė; • Diagnostinė analizė; • Nuspėjamoji analizė; • Preskriptyvinė analizė. • Struktūrizuoti duomenys; • Nestruktūrizuoti duomenys; • Duomenų srautai; • Didieji duomenys ir jų formatai; • Debesijos duomenų technologijos; • Vietiniai serveriai; • SQL Serveriai: • Reliacinės duomenų lentelės; • Automatinis duomenų atnaujinimas; • NoSQL technologijos; • Duomenų sandėliai (angl. Data Warehouse); • Duomenų ežerai (angl. Data Lake); • Dirbtinio intelekto paslaigos; • Duomenų modeliavimas; • Duomenų valymas; • Duomenų integravimas. |
| 7. Konfigūruoti Microsoft aplinką | • Power Platform produktų šeima; • Power Apps verslo programų kūrimo įrankio apžvalga; • Power Automate verlso procesų automatizavimo įrankio apžvalga; • Power Virtual Agent virtualių agentų kūrimo įrankio apžvalga; • Bendros duomenų saugyklos Dataverse apžvalga; • Power Apps drobės Canvas programų koncepcija; • Power Apps modelių grįstų Model-driven programų koncepcija; • Programų bendrinimo principai; • Lengvai išplečiamo modelio koncepcija (angl. Scalable); • WYSIWYG (angl. what you see is what you get) programų projektavimo koncepcija; • Power Apps licencijavimas; • Nemokamas įrankis kūrėjams; • Prisijungimo prie Microsoft 365 platformos galimybės; • Vartotojų apsaugos Microsoft koncepcija; • Vartotojų valdymo administratoriaus panelė; • Dvigubo autentifikavimo koncepcija: • Dvigubo autentifikavimo programėlės Authenticator instaliavimas telefonuose. |
| 8. Kurti interaktyvių funkcijų duomenų analizės automatines ataskaitas | • Grafikų įkėlimas į ataskaitą; • Slicer tipo vizualizacijų naudojimas patogiam filtravimui; • Card tipo grafikų naudojimas KPI rodiklių atvaizdavimui; • Map tipo grafikų naudojimas duomenų atvaizdavimui žemėlapyje; • Matrix grafikų naudojimas duomenų atvaizdavimui lentelėje, Excel Pivot principu; • Ataskaitų temos; • Ataskaitų šablonai; • Atskirų ataskaitos puslapių kūrimas. Tema. Ataskaitos vizualizacijų navigacija: • Perėjimas iš vieno grafiko lygio į kitą (angl. Drill Down/Up); • Ataskaitos vizualizacijos atidarymas atskirame lange (angl. Focus Mode); • Vizualizacijos tikrinimas kas filtruoja duomenis; • Vizualizacijos elementų rikiavimas pagal nurodytą stulpelį; • Lentelės stulpelio rikiavimas pagal kitą tos pačios lentelės stulpelį; • Vizualizacijų interaktyvumo išjungimo galimybės; • Rolių kūrimas RLS (angl. Row Level Security) Power BI Desktop aplinkoje naudojant formules; • Lentelių, stulpelių ir formulių slėpimas. |
| 9. Generuoti analitines įžvalgas ir rekomendacijas | • Dirbtinio intelekto integracijos Power Query įrankyje; • Python kodo naudojimas Power Query; • Pažangaus redaktoriaus (angl. Advanced Editor) funkcionalumas; • Duomenų šaltinio keitimas naudojant M-Language; • Grafikų įkėlimas į ataskaitą; • Grafikų tipų parinkimas; • Grafikų parametrų nustatymas; • Slicer tipo vizualizacijų naudojimas patogiam filtravimui; • Card tipo grafikų naudojimas KPI rodiklių atvaizdavimui; • Map tipo grafikų naudojimas duomenų atvaizdavimui žemėlapyje; • Matrix grafikų naudojimas duomenų atvaizdavimui lentelėje, Excel Pivot principu; • Ataskaitų temos; • Ataskaitų šablonai; • Atskirų ataskaitos puslapių kūrimas; • Patarimų (angl. Tooltip) vizualizacijos; • Kas-jeigu (angl. What-if) funkcionalumas; • Žymės (angl. Bookmarks); • Perėjimo į kitą vizualizaciją (angl. Drill Through) funkcionalumas; • Ataskaitos adaptavimas mobiliai aplikacijai; • Navigacijos tarp ataskaitos puslapių kūrimas naudojant mygtukų funkcionalumą. |
—
—
Mokymosi programos trukmė: 72 akad. val.
Praktinio kontaktinio darbo trukmė: 59 akad. val.
Teorinio kontaktinio darbo trukmė: 13 akad. val.
Savarankiško darbo trukmė: akad. val.
Įgytų kompetencijų vertinimo sistema / skalė: 1-10
Tvarkaraščių duomenų nėra.
Įvertinimų dar nėra.