סילבוס הקורס

Module 1 | Data Analytics & Business Thinking

לפני שמתחילים לעבוד עם הכלים, לומדים איך לחשוב כמו Data Analyst.

נכיר את תפקיד האנליסט בארגון ואת סוגי תפקידי האנליזה השונים, נבין כיצד ארגונים משתמשים בנתונים לצורך קבלת החלטות ונלמד לעבוד עם KPIs ומדדים עסקיים. המשתתפים יכירו מדדים נפוצים מעולמות ה-Business, Product ו-Marketing Analytics וילמדו כיצד לחבר בין שאלה עסקית לבין הנתונים והמדדים שיכולים לספק עליה תשובה.

בין הנושאים: Analytics Overview, תפקידי Analyst, הגדרת KPIs, מדדים עסקיים ומדדי Product & Marketing Analytics.

Module 2 | SQL & AI-Powered Analytics

שפת SQL היא אחת היכולות המרכזיות בעבודתו של Data Analyst. לכן, במסגרת המודול נלמד SQL באופן הדרגתי, החל מהיסודות ועד לעבודה ברמה מתקדמת.

נתחיל בשליפה, סינון ומיון של נתונים ונלמד לעבוד עם פונקציות, חישובים, תנאים וחיבור בין טבלאות.

מתחילים בשליפה, סינון ומיון נתונים, עבודה עם Functions, Aggregations, CASE Statements ו-Joins, ובהמשך עוברים ליכולות מתקדמות כגון Sub Queries, Window Functions, CTEs ו-Views.  

אבל העבודה של Analyst כיום כבר אינה מסתכמת בכתיבת SQL ידנית. לכן נלמד גם כיצד להשתמש ב-LLMs וב-Copilot כדי לתרגם שאלות עסקיות לשאילתות, לכתוב SQL, לבצע אופטימיזציה ו-Debugging ולפתור בעיות בצורה יעילה יותר.

Module 3 | Tableau, Data Visualization & Dashboards

דאטה אנליסט טוב לא רק מוצא את התובנה – הוא צריך לדעת גם להציג אותה בצורה שתאפשר לארגון לקבל החלטה.

במודול נלמד לעבוד עם Tableau, להתחבר למקורות מידע, לארגן ולמדל את הנתונים ולבנות Reports ו-Dashboards אינטראקטיביים. נתקדם מעבודה עם Charts, Filters, Parameters ו-Calculated Fields ועד ליכולות מתקדמות כגון Table Calculations, Level of Detail, Data Blending, Forecasting ומיפוי גיאוגרפי.

לצד הכלי עצמו, נלמד את העקרונות שעומדים מאחורי Data Visualization ו-Data Storytelling: איך לבחור את הוויזואליזציה הנכונה, כיצד לספר את הסיפור שמאחורי המספרים, כיצד צבע, טקסט וטיפוגרפיה משפיעים על הצגת המידע ואיך מתכננים Dashboard בהתאם לצרכים של המשתמש העסקי.

Module 4 | Python for Data Analysis + AI

שפת הפכה לכלי מרכזי בעבודתם של אנשי Data, ובמודול הזה נבנה את היכולת לעבוד איתה מהבסיס ועד לניתוח נתונים בפועל.

נתחיל ביסודות השפה – Data Types, Collections, Conditions, Loops ו-Functions – ונמשיך לעבודה עם קבצי Text ו-JSON ולחיבור בין Python ל-SQL. במקביל נלמד להשתמש ב-AI וב-Copilot ליצירת קוד ולבניית חיבורים ושאילתות בצורה יעילה יותר.

בהמשך עוברים לעבודה עם הספריות המרכזיות בעולם ה-Data: NumPy ו-Pandas, כולל Arrays, DataFrames, GroupBy ו-Data Transformations.

המשתתפים ילמדו גם ליצור ויזואליזציות באמצעות Matplotlib, Seaborn ו-Plotly, ולשלב AI בתהליך – החל מהמלצה על סוג הגרף המתאים ועד ליצירת קוד לויזואליזציה.

Module 5 | Statistics for Data Analysts

כדי לקבל החלטות נכונות מנתונים, לא מספיק לדעת להשתמש בכלים – צריך להבין מה הנתונים באמת אומרים ועד כמה אפשר לסמוך על המסקנות שלנו.

המודול מעניק את הבסיס הסטטיסטי הדרוש לאנליסט: מדדי מרכז כגון Mean, Median ו-Mode, מדדי פיזור כגון Variance ו-Standard Deviation, משתנים מקריים, הסתברות מותנית ו-Bayes' Theorem.

נכיר גם התפלגויות מרכזיות ונלמד את העקרונות של A/B Testing – כלי משמעותי לבחינת השפעתם של שינויים וקבלת החלטות מבוססת נתונים.

Module 7 | Final Project – From Data to Business Insights

בסיום התוכנית המשתתפים מחברים את הידע והיכולות שרכשו לאורך המסלול במסגרת פרויקט גמר מעשי.

הדגש בתוכנית הוא על עבודה מעשית סביב תרחישים עסקיים, כאשר הפרויקט המסכם נועד לדמות את עבודתו של Data Analyst בסביבה ארגונית אמיתית.

כך שהמטרה היא לא לסיים את הקורס עם היכרות נפרדת עם SQL, Python או Tableau, אלא להבין כיצד מחברים בין Business, Data, Analytics ו-AI לתהליך עבודה אחד שלם.