Corso base di Data Analytics

Lezione 1 • Le Quattro Categorie di Analisi

Introduce l'analisi descrittiva, diagnostica, predittiva e prescrittiva con esempi. Gli studenti associano ogni categoria a specifiche domande aziendali.

Lezione 2 • Tipi di Dati e le Loro Fonti

Tratta dati strutturati, non strutturati e semi-strutturati insieme a fonti primarie e secondarie. Prepara gli studenti a identificare i dati appropriati per qualsiasi attività di analisi.

Lezione 3 • Il Flusso di Lavoro dell'Analisi dei Dati

Delinea il processo end-to-end dalla definizione del problema alla consegna dell'insight. Fornisce un framework ripetibile che gli studenti applicano durante tutto il corso.

Lezione 4 • Ruoli e Percorsi di Carriera nell'Analisi

Mappa i ruoli di analista, ingegnere e scienziato alle competenze richieste e alle responsabilità tipiche. Aiuta gli studenti ad allineare gli obiettivi del corso con gli obiettivi di carriera.

Lezione 1 • Ordinamento, Filtro e Tabelle

Dimostra l'ordinamento, il filtro multilivello e la conversione di intervalli in tabelle strutturate. Le tabelle strutturate rendono la gestione dei dati scalabile e consapevole delle formule.

Lezione 2 • Interfaccia del Foglio di Calcolo e Navigazione

Orienta gli studenti su righe, colonne, celle e struttura della cartella di lavoro. Una navigazione efficiente riduce gli errori e velocizza tutto il lavoro successivo sul foglio di calcolo.

Lezione 3 • Immissione e Formattazione dei Dati

Tratta i tipi di dati, la formattazione delle celle e le convenzioni di immissione coerenti. Una formattazione corretta previene errori di calcolo e migliora la leggibilità.

Lezione 4 • Tabelle Pivot per l'Analisi di Riepilogo

Costruisce tabelle pivot per aggregare, raggruppare e incrociare i dati senza formule. Gli studenti riassumono grandi dataset in pochi minuti utilizzando la logica drag-and-drop.

Lezione 1 • Rilevare e Rimuovere i Duplicati

Insegna metodi per trovare record duplicati esatti e fuzzy tra i dataset. La rimozione dei duplicati garantisce che conteggi e aggregazioni riflettano il volume reale dei dati.

Lezione 2 • Gestire i Valori Mancanti e Nulli

Tratta le strategie di rilevamento, imputazione ed eliminazione per i dati mancanti. Scegliere la strategia giusta previene distorsioni e preserva l'integrità analitica.

Lezione 3 • Comprendere le Dimensioni della Qualità dei Dati

Definisce accuratezza, completezza, coerenza, tempestività e validità come pilastri della qualità. Gli studenti verificano i dataset rispetto a queste dimensioni per dare priorità alle attività di pulizia.

Lezione 4 • Standardizzare e Trasformare i Dati

Applica la normalizzazione del testo, la standardizzazione delle date e la conversione delle unità ai campi grezzi. Formati coerenti consentono join, filtri e confronti accurati.

Lezione 1 • Sottoquery ed Espressioni di Tabella Comuni

Introduce sottoquery e CTE per suddividere la logica complessa in passaggi leggibili e riutilizzabili. Queste strutture sono essenziali per il reporting avanzato e le query della pipeline di dati.

Lezione 2 • Unire Più Tabelle

Dimostra join INNER, LEFT, RIGHT e FULL per combinare dati tra tabelle. Le query su più tabelle sbloccano analisi più ricche, non disponibili in viste a tabella singola.

Lezione 3 • Fondamenti di Database Relazionali

Spiega tabelle, chiavi primarie, chiavi esterne e relazioni nei database relazionali. Questo contesto rende la sintassi SQL e la logica di join intuitive fin dall'inizio.

Lezione 4 • Scrivere Query SELECT di Base

Tratta le clausole SELECT, FROM, WHERE, ORDER BY e LIMIT per il recupero dei dati. Gli studenti estraggono sottoinsiemi mirati di dati da qualsiasi tabella relazionale.

Lezione 1 • Esplorazione dei Dati Categorici

Utilizza conteggi di frequenza, grafici a barre e tabulazioni incrociate per esplorare le variabili categoriche. L'EDA categorica rivela differenze tra segmenti e guida le decisioni di raggruppamento.

Lezione 2 • Analisi Univariata della Distribuzione

Analizza le distribuzioni a variabile singola utilizzando istogrammi, box plot e tabelle di frequenza. Comprendere le singole variabili è il prerequisito per l'analisi multivariata.

Lezione 3 • Elementi Essenziali di Statistica Descrittiva

Tratta media, mediana, moda, varianza, deviazione standard e percentili per dati numerici. Queste misure riassumono le distribuzioni e rivelano tendenza centrale e dispersione.

Lezione 4 • Flusso di Lavoro e Documentazione dell'EDA

Struttura l'EDA in un processo ripetibile e documentato con riepiloghi dei risultati. Un'EDA documentata garantisce la riproducibilità e comunica le ipotesi agli stakeholder.

Lezione 1 • Progettazione e Layout della Dashboard

Applica la gerarchia del layout, lo spazio bianco e l'interattività per costruire dashboard coese. Dashboard ben progettate consentono l'esplorazione self-service da parte di utenti non tecnici.

Lezione 2 • Costruire Visualizzazioni con Strumenti di BI

Dimostra la creazione di grafici, filtri e campi calcolati in uno strumento di business intelligence. La pratica pratica collega la teoria dei grafici a output visivi pronti per la produzione.

Lezione 3 • Storytelling dei Dati per gli Stakeholder

Struttura i risultati analitici in un arco narrativo con contesto, conflitto e risoluzione. Lo storytelling trasforma gli output dei dati in decisioni, collegando gli insight alle azioni.

Lezione 4 • Principi di Visualizzazione Efficace dei Dati

Tratta la codifica visiva, gli attributi pre-attentivi e il rapporto data-ink per la progettazione dei grafici. Questi principi prevengono visualizzazioni fuorvianti e massimizzano la comprensione del pubblico.

Lezione 1 • Fondamenti di Python per Analisti

Tratta variabili, tipi di dati, flusso di controllo e funzioni in Python. Questi fondamenti consentono agli analisti di scrivere script di analisi riutilizzabili e leggibili.

Lezione 2 • Visualizzazione con Matplotlib e Seaborn

Crea grafici a linee, barre, dispersione e distribuzione utilizzando Matplotlib e Seaborn. Le visualizzazioni basate su Python si integrano direttamente nei notebook di analisi per un reporting riproducibile.

Lezione 3 • Pulizia dei Dati con pandas

Applica i metodi di pandas per gestire null, duplicati e conversioni di tipo in modo programmatico. La pulizia tramite script è riproducibile e scalabile rispetto al lavoro manuale su foglio di calcolo.

Lezione 4 • Aggregazione e GroupBy in pandas

Replica l'aggregazione in stile SQL utilizzando groupby, agg e pivot_table in pandas. Gli studenti producono tabelle di riepilogo e tabulazioni incrociate interamente in Python.

Lezione 1 • Costruire una Dashboard Pronta per il Portfolio

Progetta e pubblica una dashboard interattiva che mostri i risultati analitici. Una dashboard raffinata serve come artefatto tangibile del portfolio per le candidature lavorative.

Lezione 2 • Pratica della Pipeline di Dati End-to-End

Esegue una pipeline completa dall'ingestione dei dati grezzi attraverso pulizia, analisi e output. Gli studenti sperimentano la complessità cumulativa dei progetti di dati reali.

Lezione 3 • Definire una Dichiarazione del Problema di Analisi

Traduce una vaga sfida aziendale in una domanda di analisi strutturata e misurabile. Una dichiarazione precisa del problema previene lo scope creep e guida tutte le successive decisioni di analisi.

Lezione 4 • Riflettere e Iterare sull'Analisi

Rivede le decisioni di progetto, identifica le aree di miglioramento e documenta le lezioni apprese. La riflessione strutturata accelera la crescita delle competenze e costruisce la maturità analitica.