Data Research Analyst
כולנו חיים בעידן המידע ועובדים או שואפים לעבוד בארגונים שמגדירים את עצמם כ- Data Driven Company. ארגונים אלה בוחרים אסטרטגית קבלת החלטות על בסיס ניתוח דאטה שנאסף.
תהליך ניתוח נתונים הוא תהליך מורכב ומאתגר. ככל שארגון אוסף יותר ויותר נתונים, נדרשת הבנה מעמיקה יותר של תהליכים עסקיים של הארגון ושליטה בכל הדאטה שנאגר. בסופו של דבר החיבור בין השניים מוביל להצלחה בהפקת תובנות עסקיות קריטיות חיוניות עבור הארגון.
נאיה קולג’, חטיבת הדרכה בחברת נאיה טכנולוגיות, מתמחה בעולמות הדאטה מעל עשור ומציעה מסלול הכשרה וקורסים בתחום הדאטה במטרה להכשיר את הדור החדש של מומחי דאטה מקצועיים ובעלי ידע העדכני והנדרש ביותר בתעשיה.
מסלול הכשרה זה צמח מהשטח לנוכח הביקוש הגובר לאנליסטים בעלי יכולות טכניות גבוהות ובעלי ידע מעשי ופרקטי בעבודה עם טכנולוגיות מגוונות.
תיאור תפקיד Data Research Analyst:
בשנים אחרונות תפקיד של אנליסט עבר אבולוציה מדהימה. הוא התחיל את דרכו הטכנולוגית בעבודה על קבצי אקסל, בעיקר, בהמשך נדרש לעבודה עם שפת SQL על מנת לבטל את התלות באנשי IT בארגון להשגת הנתונים הרלוונטיים לניתוח, רכש יכולת לעבוד עם כלי ויזואליזציה מתקדמים כגון Tableau ואחרים, ולבסוף כיום אנו עדים לדרישה בידע בכלים טכנולוגיים נוספים שמקפיצים את החשיבות ואת הערך שלו בארגון.
ובפרט היכרות מעמיקה עם Python (כשפת תכנות שמהווה כלי נוח וגמיש יותר בעבודה עם דאטה לא טבלאי ותחקור אנליטי), אך גם יישום שיטות סטטיסטיות, עבודה עם נפחים גדולים של נתונים, היכרות עם עולם ה-Machine Learning ו-Big Data ויכולת לנתח נתוני Big Data.
כיום ,תפקידו של אנליסט הנתונים אינו תחום ייחודי למגזר העסקי בלבד, אלא הוא תפקיד הנדרש בכל ענף עתיר נתונים, כולל גם מגזר ציבורי, זרועות הממשל השונות וכמובן בענפי המדע השונים.
האנליסטים עובדים עם כלים מגוונים, נדרשים לחשיבה אנליטית על מנת להפיק ידע מהנתונים, כישורי למידה עצמית, ולרוב הם בעלי תארים אקדמיים בתחומים מדויקים.
בין המשימות היומיומיות של אנליסט הנתונים אפשר למנות:
- עבודה עם כמויות גדולות של נתונים (גם מול בסיסי נתונים רלציוניים וגם NoSQL)
- Querying Data – כתיבת שאילתות SQL ו-Python
- Data Processing – אינטגרציה, עיבוד והכנת נתונים לניתוח
- Data Modeling – מידול נתונים – בניית מודל נתונים שיושב בבסיסו של כלי BI המתאר קשרים בין הנתונים
- Dashboards and Reports – בניה ותחזוקת דוחות, מדדים וערכים, ופיקוח על ביצועי המוצר
- Data Visualization – יישום טכניקות ויזואליזציה להצגת נתונים גם בכלי BI וגם באמצעות Python
- יישום שיטות סטטיסטיות, A/B Testing וניתוח היעילות שלהם
- Data Analysis Project – יכולת להוביל פרויקטים אנליטיים מקצה לקצה כולל איסוף ומניפולציה על נתונים, מיזוג ומידול, הגדרת מדדים והערכת ביצוע, פתרון בעיות
- עבודה עם בעלי תפקידים נוספים (מנהלי מוצר, מנהלי פרויקטים, מפתחים, אנליסטים, Data Scientists, Data Engineers ואחרים) כדי לבסס הבנה והיכרות עם הצרכים ומטרות ארגוניות
במפגש מקצועי שערכנו לקראת תחילת המסלול דיברנו על תפקידו של Data Analyst בעידן החדש ובפרט בחברות הייטק וחברות עתירות דאטה. אנחנו מזמינים אתכם לצפות בהקלטה של המפגש ולקבל מידע נוסף על התחום והתפקיד.
עמית הינו Data Scientist וותיק ומנוסה, מרצה בכיר ומוביל בתחום. עמית בוגר הטכניון בתואר הנדסת
עוד…
דרור גבע הינו Data Scientist מוביל בנאיה טכנולוגיות, בוגר נאיה קולג’ לפני מספר שנים ומאז
עוד…
ערן הינו יועץ מוביל ובכיר בנאיה טכנולוגיות בתחום מסדי נתונים ו-Big Data. במסגרת תפקידו ערן
עוד…
שיר ורון הינו Director of Analytics בחברת aiOla בעל נסיון של למעלה מעשור בתחומי ניתוח הנתונים
עוד…
עידן גורן הינו מומחה בתחום מסדי נתונים – SQL Server DBA – עם ידע ונסיון מעשיים
עוד…
יאיר חדד אלון הינו יועץ בתחום הData Science בנאיה טכנולוגיות, בוגר מסלול Data Science בנאיה
עוד…
אלון הוא מנהל פיתוח, טכנולוג, ארכיטקט, מפתח ואיש מוצר בעל יותר מ- 20 שנות ניסיון
עוד…
אירקלי הינו Analytics Team Lead בחברת SimilarWeb, חברה לניטור מידע אינטרנטי. אירקלי, בוגר בהצטיינות של
עוד…
מסלול הכשרה זה כולל כלים רבים הנדרשים בשלבים השונים של העבודה עם נתונים בארגון.
בשלב הראשון נחזק ונעמיק את הידע בשפת SQL לכתיבת שאילתות מורכבות, יצירה של אובייקטים, שימוש בפונקציות אנליטיות לתחקור של הנתונים. הלימוד במודול זה יבוסס על Use Cases רלוונטיים במטרה לחבר בין החומר הנלמד לבעיות עסקיות אימיתיות איתן מתמודד אנליסט.
עולם ה-BI החדש שופע כיום בכלים מתקדמים המאפשרים Self-Service BI ותפקיד האנליסט תופס מקום יותר ויותר משמעותי שכן הוא אינו נדרש להסתמך על אנשי IT ו-BI. במודול השני נלמד לעבוד עם כלי מוביל בתחום BI – Tableau. הלימוד יכלול את כל התהליך מקצה לקצה, החל מיבוא נתונים, הכנתם לקראת הניתוח, נתייחס למידול נתונים, כולל חישובים בסיסיים ומתקדמים, וכמובן בניית Dashboard ועבודה עם טכניקות ויזואליזציה מתקדמות שהכלי מציע.
תחום נוסף שנלמד הקורס הינו אחד התחומים החמים בעולם האנליזה, אשר גרם להתפתחות וכניסה של כלים כמו Tableau – הינו תחום Data Visualization. במודול הזה נלמד עקרונות חשובים בוויזואליזציה של הנתונים, ובניית דשבורדים תוך כדי יישום של עקרונות אלה.
בחלקו הרביעי של המסלול נלמד לתכנת ב-Python, השפה המובילה כיום לתחקור הנתונים. נרכוש כלים לעבודה עם נתונים ממקורות שונים ולהצגתם. המודול כולל גם תכנות בסיסי וגם מתקדם עד לרמה של פיתוח מונחה-עצמים (Object-Oriented) כאשר גם בעולמות הדאטה תהליך הפיתוח מכיל עבודה עם אובייקטים.
בהמשך המודול נלמד את סט הכלים לעבודה עם נתונים בכלל ונתונים טבלאיים בפרט – חבילות יעודיות לעבודה עם נתונים, במרכזן חבילת ה-pandas. דרכה ניחשף לעקרונות שונים בהכנה ובוויזואליזציה של נתונים תוך כדי התייחסות לחבילות נוספות כגון numpy, matplotlib ו-seaborn. נלמד לעבוד עם קבצים ומקורות שונים כגון CSV, JSON ו-HTML, עבודה עם בסיסי נתונים ורשת האינטרנט. בעזרת הכלים הללו נכיר לעומק את מגוון השיטות של Exploratory Data Analysis (EDA). בסיומו של המודול סטודנטים יהיו מסוגלים לבנות Data Pipeline מקצה לקצה.
המודול הבא עוסק בסקירה של מונחים, שיטות וטכניקות מעולם הסטטיסטיקה. לאחר שנכיר את מושגי היסוד, נראה כיצד הטרמינולוגיה החדשה מסייעת לנו לתאר את הדאטה בצורה שלמה יותר. המונחים יעזרו לנו לנסח בצורה מתמטית יותר את ההתפלגות של הדאטה, ובכך יאפשרו להחיל על הדאטה הרלוונטי חוקים סטטיסטיים בכדי להחליט האם תופעה מסוימת צפויה ו/או מובהקת. המטרה העיקרית במודול הזה הינה לקשר בין העולם העסקי והדאטה הארגוני לתחום מדעי של סטטיסטיקה ולהבין איך בעזרת שיטות סטטיסטיות ניתן להפיק תובנות נוספות על הנתונים.
מודול הבא מציג סקירה מעמיקה של תחום Machine Learning. גם אם אנליסט נתונים לא מריץ אלגוריטם על דאטה, שכן זהו תפקידו של Data Scientist בארגון, עדיין ישנה חשיבות רבה להיכרות עם התחום. במודול זה נסקור את סוגי הבעיות הנפוצות תחום ML ונכיר מונחי יסוד. מטרת המודול לספק היכרות בסיסית עם עולמות ה-ML ולאפשר לאנליסט לתקשר ברמה מקצועית ובשפה משותפת עם חוקרים (Data Scientists) בארגון.
מודול אחרון במסלול הכשרה זה יחשוף את הסטודנטים לעולם ה-Big Data, ויעניק יכולת ניתוח נתונים בסביבת Hadoop – פרויקט-על מבוסס קוד פתוח של קרן התוכנה אפאצ’י, שמטרתו לעבד כמויות גדולות של נתונים (Big Data) בסביבת הפיתוח. נתחיל בהיכרות עם עולמות ה-Data המסורתיים וטכנולוגיות Big Dataחדישות השולטות כיום בשוק המידע. ולאחר מכן נצלול ללמידה של כלים שונים המאפשרים ניתוח יעיל, מהיר ופשוט של נתונים בסביבת Hadoop, על מנת לייצר ערך עסקי לארגון מהנתונים שבבעלותו.
מעבר לתרגול רב בשיעורים, במהלך המסלול הסטודנטים עובדים על תרגילים מסכמים לכל מודול שמאפשרים לסטודנטים ליישם את הידע הנרכש במהלך הלימודים על בעיות עסקיות אמיתיות. בנוסף הסטודנטים יעבדו על פרויקט גמר.
כחלק מפרויקט גמר הסטונדטים יממשו תהליך עבודה הכולל את מגוון הכלים והטכנולוגיות שנלמדו במהלך הקורס. כחלק המפרויקט יבוצעו: עבודה אל מול בסיסי נתונים, חישוב והבנה של תובנות עסקיות (לרבות התפלגות) בעזרת שפות סקריפטים וקוד (SQL, Python) והנגשת המידע למשתמשי קצה בעזרת כלי BI (Tableau).
בתום ההכשרה, מקבלים הבוגרים שלנו סדנת פיתוח קריירה, הכוללת כתיבת קורות חיים, סימולציית ראיון, וקישור למשרות ולארגונים מעסיקים, וכן ליווי והכנה לראיונות מקצועיים על ידי מומחי הדאטה הבכירים שלנו.
המסלול מיועד כל מי שמועניין להיכנס לעולם המרתק של ניתוח נתונים ברמה טכנולוגית מתקדמת ובעלי תארים בתחומים: סטטיסטיקה, מתמטיקה, מערכות מידע, תעשיה וניהול, מדעי המחשב ובעלי רקע ונסיון בעבודה עם נתונים.
- תואר אקדמי בתחומים בתחומים רלוונטיים
- נסיון בעבודה עם נתונים ומערכות מידע (כלי BI ) – יתרון
- אנגלית ברמה גבוהה
- 18/12/2024 מועד פתיחה
- 17:30+21:30 | א'+ד'ימים ושעות
- 305 שעות אקדמיות
- מתקדםרמת הקורס
- עבריתשפת הדרכה
- לבדיקת התאמה לקורס
- ממליצים
- ניתן לקבל מימון ממשרד העבודה
- לפתיחה והורדת סילבוס