Компания: OTUS (Отус)
Актуальная программа курса (39 модулей, по данным школы)
- Модуль 1. Введение в DWH Analytics — Рассмотрим классификацию основных источников данных для аналитики и их отличительные особенности. Выясним отличие принципов ETL и ELT, структурированных и неструктурированных данных. Научимся подключаться и вычитывать исходные данные, запрашивать ответы от внешних провайдеров через REST API, настраивать потоковую репликацию данных в Хранилище. Проанализируем основные сервисы и инструменты, используемые для этого класса задач.
- • DWH Analyst или Analytics Engineer? Знакомство, навыки, потребность на рынке
- • Аналитические движки (СУБД) для работы с данными
- • Что такое DWH
- • Инструментарий разработки
- Модуль 2. Хранение и трансформация данных — Рассмотрим современные СУБД, используемые для анализа больших данных и ключевые принципы их функционирования. Изучим концепцию Хранилища Данных и вопросы, на которые оно призвано отвечать. Познакомимся с dbt – широко популярный мультитул для работы с DWH, позволяющий выстраивать работу в соответствии с лучшими практиками.
- • Принципы построения DWH
- • Знакомство с Data Build Tool
- • DBT - продвинутые трансформации
- • Введение в Data Vault
- • Внедрение и жизнь с Data Vault
- • ClickHouse и DBT в вашем хранилище
- • Q&A. Сессия вопросов и ответов
- Модуль 3. Загрузка данных — Изучим современные инструменты для оркестрации скриптов и задач, управления пайплайнами и цепочками зависимостей (DAGs). Получим представление об организации всестороннего качества данных и актуальности DWH. Познакомимся с ключевыми принципами оптимизации производительности и устранения bottlenecks. На практике применим навыки моделирования Хранилища по методологии Data Vault 2.0.
- • Инструменты для выгрузки данных
- • Введение в оркестрацию
- • Оркестрация c Apache AirFlow
- • Оркестрация Dagster и DBT
- • Q&A. Сессия вопросов и ответов
- Модуль 4. Аналитика и Business Intelligence — Выясним круг задач для решений класса Business Intelligence. Научимся конфигурировать и запускать BI в своих проектах. Изучим лучшие практики визуальной подачи информации и подготовки дашбордов.
- • Введение в BI
- • Подготовка инфраструктуры для предоставления BI отчетности
- • Создание метрик и дашбордов
- • Обзор популярных BI инструментов
- • Базовые аналитические витрины
Кем вы сможете работать
Сколько зарабатывают в профессии (медиана hh.ru, по 67 вакансиям)
Сравнение с похожими курсами других школ
| Курс | Школа | Цена | Срок | Рейтинг | Диплом | |
|---|---|---|---|---|---|---|
| Data Warehouse Analyst (этот) | OTUS (Отус) | беспл. | 6 месяцев | — | — | — |
| SQL с нуля для анализа данных | Eduson Academy (Эдюсон) | 49 900 ₽ | 4 недели | 5.0 | Диплом школы | Перейти |
| Профессия Data Scientist | Skillfactory (Скиллфактори) | 148 500 ₽ | 24 месяца | 4.7 | Диплом школы | Перейти |
| Профессия «Системный аналитик PRO | Skillfactory (Скиллфактори) | 110 484 ₽ | 8 месяцев | 4.5 | Диплом школы | Перейти |
Стоит ли идти на этот курс
Плюсы
- Стек из реального рынка: Airflow, dbt, ClickHouse, Greenplum, Airbyte, Redshift — не академические игрушки, а то, что стоит в большинстве дата-платформ прямо сейчас.
- Программа закрывает весь цикл DWH: от хранения и трансформации до BI и оптимизации — шесть модулей без пропусков в логике.
- Проектная работа в финале: можно положить в портфолио конкретный кейс, а не сертификат с пустым резюме.
- OTUS заявляет, что многие студенты меняют работу уже в первой половине курса — косвенно это говорит о том, что материал применим параллельно с учёбой, а не только после.
Минусы и кому не стоит
- Заявлен средний уровень, но на сайте написано «с нуля» — противоречие. Если вы действительно без опыта работы с SQL и базами данных, шесть месяцев с таким стеком могут оказаться жёсткими.
- Документа об окончании в открытых данных нет. Если диплом или сертификат государственного образца для вас принципиален — этот вопрос стоит снять со школой напрямую до записи.
- Если ещё не уверены, что DWH-аналитика ваш путь, разумнее сначала пройти короткий интенсив по SQL плюс ClickHouse и проверить, заходит ли формат.
Когда этот курс вам не нужен
Если вы уже строите DWH и знаете dbt, Airflow и ClickHouse в связке — этот курс даст мало нового: программа про вход в профессию, не про прокачку сеньора. Также не берите его, если цель — только дашборды в Tableau или аналитика в Excel: для этого есть короткие BI-курсы вдвое дешевле и вдвое короче. И если горизонт шесть месяцев пугает — стоит сначала разобраться с целью, а потом выбирать программу.
Как выбрать курс по этому направлению
В Data Science море курсов заканчивается на «основах ML» и ничего не говорит про инфраструктуру данных. Если цель — работать с хранилищами, проверяйте два момента: есть ли в программе ETL-инструменты (Airflow, Airbyte, dbt) и колоночные СУБД (ClickHouse, Redshift) — без них программа готовит к позапрошлому году. Второй момент — практика: проектная работа в конце или только тесты? Шесть месяцев оправданы, если программа плотная и есть реальные задачи. Помощь с резюме и база партнёров — полезно, но это бонус, а не гарантия: работу всё равно ищете вы сами.
Частые вопросы
Нужен ли опыт в Data Science, чтобы поступить?
Курс позиционируется как средний уровень — базовые знания SQL и Python нужны. Школа пишет «с нуля», но стек (Airflow, dbt, Greenplum) предполагает, что вы хотя бы понимаете, что такое реляционная база и зачем нужен скрипт. Полный новичок без технического бэкграунда будет тонуть с первых недель.
Сколько времени в неделю нужно выделять?
Шесть месяцев — стандартный формат для таких программ у OTUS. По опыту подобных курсов это обычно восемь-двенадцать часов в неделю с учётом лекций, домашних заданий и проекта. Точную нагрузку лучше снять со школой на этапе консультации: графики бывают разные.
Помогут ли с трудоустройством?
OTUS обещает помощь с резюме, портфолио и сопроводительным письмом, а также размещение в базе партнёров. Это реальная поддержка, но не гарантия офера. Часть студентов, по словам школы, находит работу ещё в процессе обучения — скорее всего, это те, кто уже был близко к рынку.
Какой документ выдают по окончании?
В открытых данных по этому курсу информации о документе нет. Если для вас это принципиально — уточните у OTUS перед записью: что именно выдают и в какой форме.
Чем DWH Analyst отличается от обычного аналитика данных?
Data Analyst работает с готовыми данными и строит дашборды. DWH Analyst, он же Analytics Engineer, сам проектирует хранилище, пишет пайплайны загрузки и трансформации, выбирает архитектуру. Это ближе к инженерной работе, и рынок за неё платит заметно больше.
Можно ли совмещать с текущей работой?
Онлайн-формат и шесть месяцев — это сознательный расчёт на совмещение. Если вы уже работаете с данными, часть заданий ляжет на реальные задачи с работы. Без технического бэкграунда выдержать темп будет сложнее.
Поделиться
Преподаватели курса
Отзывов об этом курсе пока нет
Ниже — отзывы о школе OTUS (Отус): они помогут составить впечатление, но в рейтинге курса не учитываются. Проходили этот курс? Поделитесь — это поможет другим студентам.
Подборки лучших курсов по теме
По темам этого курса на MOOC есть рейтинги лучших программ — сравнение цен, длительности и отзывов в одном месте.