Analityk danych biznesowych z wykorzystaniem programu MS Excel 1000-ADBMSE(KC)-OG

Zajęcia przygotowują do pracy na stanowisku analityka danych, wykorzystującego arkusz Ms Excel. Uczestnicy rozwiązują realistyczne case studies i budują własny projekt analityczny.

Zakres realizowanych zagadnień:

1. Wprowadzenie do analizy danych
- Kim jest analityk danych? Rola, zadania i kompetencje w organizacji.
- Cykl życia danych: od pozyskania do prezentacji wyników.
- Rodzaje analizy danych: opisowa, diagnostyczna, predykcyjna i preskrypcyjna.
- Przegląd kluczowych narzędzi analitycznych.
- Myślenie analityczne: jak zadawać właściwe pytania biznesowe?

2. Instalacja i konfiguracja środowiska pracy.
- Wprowadzenie do arkusza kalkulacyjnego (Excel / Google Sheets) jako podstawowego narzędzia analityka.
- Podstawowe operacje: wprowadzanie danych, formatowanie komórek, sortowanie i filtrowanie.
- Praca z podstawowymi formułami: SUMA, ŚREDNIA, LICZ.JEŻELI itp.
- W jakich codziennych sytuacjach, poza pracą, podejmujemy decyzje w oparciu o dane?

3. Case study:
Mała, lokalna kawiarnia chce lepiej zrozumieć swoją sprzedaż z ostatniego tygodnia. Uczestnicy otrzymują prosty plik z listą wszystkich transakcji. Ich zadaniem jest uporządkowanie danych i udzielenie odpowiedzi na kluczowe pytania. Muszą obliczyć łączny przychód, znaleźć najlepiej sprzedający się produkt oraz określić dzień z największą liczbą klientów. Te proste analizy pomogą właścicielowi zaplanować promocję i lepiej
zarządzać zapasami.

4. Pozyskiwanie i ocena jakości danych
- Źródła danych: wewnętrzne (systemy CRM, ERP) i zewnętrzne (dane publiczne, API, media społecznościowe).
- Formaty plików z danymi (CSV, JSON, XML, XLSX).
- Jakość danych: kluczowe wymiary (kompletność, spójność, poprawność, unikalność).
- Czym są "brudne dane" (dirty data) i dlaczego stanowią wyzwanie?
- Wprowadzenie do ETL (Extract, Transform, Load).
- Importowanie danych do arkusza kalkulacyjnego z różnych źródeł (pliki .csv, txt, tabele ze stron internetowych).
- Wykorzystanie narzędzia Power Query (dodatek do Excela) do prostego czyszczenia i transformacji danych.
- Identyfikacja i oznaczanie duplikatów oraz brakujących wartości.
- Podstawowe techniki walidacji danych.
- Jakie mogą być realne, negatywne konsekwencje biznesowe podejmowania decyzji na podstawie danych niskiej jakości?

5. Case study:
Firma e-commerce przygotowuje się do uruchomienia nowego systemu CRM. Dział marketingu wyeksportował listę klientów z dwóch różnych, starych systemów. Uczestnicy otrzymują dwa pliki, które zawierają niespójne dane, duplikaty i błędy formatowania. Ich zadaniem jest połączenie list i przygotowanie raportu o jakości danych. Raport ma wskazać procent brakujących numerów telefonów i niepoprawnych adresów e-mail. Na tej podstawie firma zdecyduje, czy dane nadają się
do migracji i czy można uruchomić kampanię marketingową.

6. Zaawansowana analiza w arkuszu kalkulacyjnym
- Tabele przestawne: narzędzie do agregacji i analizy wielowymiarowej.
- Zaawansowane funkcje wyszukiwania i agregacji: WYSZUKAJ.PIONOWO, INDEKS, PODAJ.POZYCJE itp..
- Logika warunkowa w formułach: zagnieżdżone funkcje JEŻELI, SUMA.WARUNKÓW.
- Wizualizacja danych w Excelu: dobór odpowiedniego wykresu do rodzaju danych.
- Budowanie rozbudowanych tabel przestawnych z polami i elementami obliczeniowymi.
- Łączenie danych z wielu arkuszy za pomocą funkcji wyszukiwania.
- Kiedy arkusz kalkulacyjny przestaje być
wystarczającym narzędziem i dlaczego analityk powinien sięgnąć po inne technologie?

7. Case study:
Regionalny menedżer sieci sklepów spożywczych potrzebuje szybkiego podsumowania wyników sprzedaży z ostatniego miesiąca. Uczestnicy otrzymują plik z surowymi danymi transakcyjnymi ze wszystkich placówek. Zadaniem uczestników jest stworzenie w Excelu dynamicznego raportu. Raport, oparty na tabelach przestawnych, ma pokazywać wyniki sprzedaży według kategorii produktu, poszczególnych sklepów oraz dni tygodnia. Pomoże to w zidentyfikowaniu najlepiej i najsłabiej
radzących sobie produktów i lokalizacji.