Американский инженер и статистик Уильям Деминг как-то сказал: «Без данных вы просто ещё один человек со своим мнением».

И действительно: главный принцип современного управления и основа принятий решений — это доказательность. То есть проверка идеи или мнения на реальных данных. Почему так произошло?

  • Во-первых, данных стало много. Раньше, чтобы проверить какую-то гипотезу, нужно было вкладывать много лет и много сил. Сейчас гипотезу можно проверить за пару-тройку месяцев.
  • Во-вторых, возросла цена ошибки: сейчас гораздо дешевле проверить гипотезу заранее, чем сначала реализовать непроверенное решение, а потом разбираться с последствиями.

Однако далеко не все российские вузы дают возможность освоить навыки, которые нужны для анализа данных. Наш учебник призван восполнить этот пробел. Мы расскажем о том, что такое данные, как с ними работать, как проводить исследования и интерпретировать результаты, — чтобы в конце концов вы могли увидеть полную картину и принять наилучшее решение. В какой бы сфере вы ни работали, навыки работы с данными откроют перед вами новые возможности или приведут к неожиданным открытиям.

Важно отметить: вам не потребуется специальных знаний, чтобы освоить этот курс. Мы всему научим и всё расскажем.

Наш учебник разделён на 12 глав, отсортированных по возрастанию сложности материала. Каждая из них делится на три части:

Первая — про данные. Данные бывают очень разные, причем как с технической, так и с исследовательской точки зрения. Мы попробуем рассказать, как работать с разными данными.

Вторая — про статистику. Анализ данных, будем честны, — это статистические методы. Нужно уметь их понимать и пользоваться ими. Вывод должен быть основан не только на правильных данных, но и на уместно применённых методах анализа.

Третья — про работу с программами. И работа с данными, и статистический анализ могут быть реализованы в разных средах. Мы будем работать с языком Python — сейчас это один из самых распространённых языков для обработки данных. А ещё он относительно лёгок в изучении.

Кроме того, в каждой из глав вы найдёте практические задачи, которые помогут закрепить материал.

Если что-то из сказанного прозвучало сложно — не волнуйтесь, учебник составлен так, чтобы новые знания во всех трёх областях приходили постепенно.

В следующих параграфах этой главы мы аккуратно «попробуем воду»:

  • в параграфе 1.3 покажем, какими инструментами пользуются аналитики данных, и как они помогают автоматизировать работу.
  • в параграфе 1.4 расскажем о том, как компьютер хранит данные, и почему это так похоже на Кощея с его иглой.
  • а в параграфе 1.5 поговорим о начале работы с Python.

Они нужны больше для расширения кругозора — если вам уже хочется поскорее перейти к делу, советуем сразу начинать с главы №2.

И ещё кое-что: для этого хендбука у нас есть коммьюнити студентов. В нём можно найти единомышленников, обсудить материалы и задания. Вступить в него можно по ссылке. А чтобы быть в курсе обновлений хендбука — советуем подписаться на рассылку.

Если вы хотите не просто разобраться в азах анализа данных, а заниматься этим профессионально — взгляните на курсы Яндекс Практикума.

Для старта карьеры в этой сфере подойдёт курс «Аналитик данных».

На курсе вы:

  • освоите SQL, Python, Tableau, А/В-тестирование;
  • соберёте портфолио из 13+ проектов;
  • получите диплом о профпереподготовке и помощь с трудоустройством.

Для будущих аналитиков мы оставляем здесь промокод на скидку 10% на курс: HANDBOOK. Приходите учиться!

Отмечайте параграфы как прочитанные чтобы видеть свой прогресс обучения

Вступайте в сообщество хендбука

Здесь можно найти единомышленников, экспертов и просто интересных собеседников. А ещё — получить помощь или поделиться знаниями.
Вступить
Сообщить об ошибке
Следующий параграф1.2. Инструменты аналитика данных: командная строка
Следующий параграф1.3. О данных и информации