Təlim haqqında
“Rəhbərlər Üçün Biznes Analitikasi və Modelləşdirmə” təliminin əsas məqsədi idarəedici pozisiyalarda olan işçilərə hesabatların daha tez və qısa zamanda incələnməsini və əldə edilən nəticələrin biznesin daha da optimallaşdırılmasında səmərəli şəkildə istifadə edilməsini təmin etməkdir. Təlimdə əsasən Data analitikasının ən vacib rollarından biri olan keçmiş datalara əsaslanaraq gələcək üçün proqnoz vermək, yeni trendləri öncədən müəyyənləşdirmək və beləliklə, qərarverməni optimallaşdırmaq vurğulanacaqdır.
Təlimçi haqqında
Kamal Mirzəyev, Qafqaz Universiteti İqtisadiyyat və İdarəetmə fakültəsinin bakalavr dərəcəsini kafedra birincisi və fərqlənmə diplomu ilə bitirmişdir. Avropa Birliyinin Erasmus KA1+ proqramı çərçivəsində İtaliyanın L`Aquila unversitetində təhsil almış və universiteti ən yüksək qiymətlərlə tamamlamış eyni zamanda Azərbaycan Dövlət İqtisad Unversitetində Strateji İdarəetmə ixtisası üzrə magistr dərəcəsini fərqlənmə diplomu ilə tamamlamışdır. Kamal Mirzəyev bir çox şirkətlərdə Data Analitikası üzrə baş mütəxəsis, şöbə rəhbəri və departament rəhbəri vəzifələrində çalışmışdır. Hal-hazırda Kapital Bank ASC–də Verilənlərin Modelləşdirməsi (Data Modelling) üzrə Menecer vəzifəsində çalışır.
Təlimin metodu
Təliminin metodu əsasən rəhbər şəxslər üçün Data Analitikasını və Modelləşdirmənin beynəlxalq praktikasını özündə birləşdirir. Təlim birbaşa onun auditoriyası üçün nəzərdə tutulmuşdur və Data Analitikası sahəsində ən müasir proqram təminatlarının və gündəlik daxil olan hesabatlarla işləmə mexanizimini özündə birləşdirir. Təlim müddətində iştirakçılar praktiki tapşırıqlarla mövzuları daha effektiv mənimsəyəcəklər. Təlim boyunca iştirakçılara tam mentorluq dəstəyi göstəriləcək və sonda təsdiqlənmiş(verified) sertifikatlar veriləcəkdir.
Təlimin auditoriyası
Data Science, Data Analitikası, Biznes Analitikası, Müştəri Əlaqələrinin İdarə Olunması (CRM), Marketinq və Marketinq Research, Satış, İnsan Resurslarının İdarə Olunması, Maliyyə Analitikası və Risklərin İdarə Olunması kimi sahələrdə idarəedici vəzifədə çalışanlar və çalışmaq istəyənlər.
Təlimin proqramı
Introduction to Data Analytics and Reporting
- Data Types
- Basic Statistical Concepts
- Introduction to Data Mining Prosess
- Descriptive Analytics
- Normal Distributions
- Introduction to Inferential Statistics
- Confidence Intervals for Decision Making Process
- Inferential Statistics through Hypothesis Tests
- Professional Reporting Skills
Data Analytics and Reporting with Power BI
- General workflow in Microsoft Power BI
- Importing Data Sets (Excel, CSV, SQL, R)
- Merging and Appending Datasets
- Basic Visualization Tools (Stacked Bar Chart, Pie Chart and etc.)
- Importing other Visualization Tools
- Types of Reporting and Building Consistent Dashboards (Sales, Churn Risk, KPI, HR, Marketing)
- Sharing Reports on Web and Power BI Service
Converting Data to Money with Analyzing Modeling (Part I)
- Introduction to Modeling
- Automated Modeling for a Flag Target
- Automated Modeling for a Continuous Target
- Automated Data Preparation (ADP)
- Preparing Data for Analysis (Data Audit)
- Modeling Customer Response (Decision List)
- Classifying Customers (Logistic Regression)
- Churn (Binomial Logistic Regression)
- Retail Sales Promotion (Neural Net/C&RT)
- Analyze Ship Damage Rates (Linear Models)
Converting Data to Money with Analyzing Modeling (Part II)
- Forecasting Catalog Sales (Time Series)
- Making Offers to Customers (Self-Learning)
- Predicting Loan Defaulters (Bayesian Network)
- Market Basket Analysis (Rule Induction/C5.0)
- Assessing New Vehicle Offerings (KNN)
- Car Insurance Claims (Generalized Linear Models)
- Condition Monitoring (Neural Net/C5.0)
Journey from Data to Value with R and SQL
- Introduction to R
- Getting Data into R
- R Visualitzation (ggplot2)
- Types of Predictive Modeling with R
- R HR Analytics and Churn Model
- R Time Series and Forecast
- Introduction to SQL and Basics of SQL Types
- Aggregate Functions
- Joins and Set Operations
- Understanding Select Statement
- Sorting Data Using Order By Clause
- Count, Sum, Min, Max, Avg, and Group
- Cross Joins, Inner Join, Outer Join, Self Join
