Аналіз та прогнозування в MS Excel та Power BI

Опис

 

Цілі курсу

• Отримати просунуті навички аналізу даних, використовуючи Пакет Аналізу в MS Excel
• Навчитися будувати прогнозні моделі для кількісних та якісних даних, а також для часових рядів
• Вміти обробляти великі масиви даних за допомогою Power Query та будувати інтерактивні панелі в Power BI

 

Викладач та автор курсу — Максим Обрізан:

Максим Обрізан – викладач КSE, отримав ступінь Ph.D. з економічної теорії (Університет штату Айова, США, 2010), вивчає соціально-економічні наслідки економічної трансформації перехідних економік східної Європи.
Максим консультував бізнес в енергетичному та FMCG секторах, брав участь в проектах технічної допомоги USAID, World Bank та EBRD та є автором 17 науково-практичних публікацій в Scopus.

Формат навчання:

• програма включає 6 занять з 18.30 до 21.30 один раз на тиждень, кожне з яких складається з міні-презентації тренера і практичних завдань для роботи в малих групах через Breakout Rooms.
• “живе спілкування” – всі заняття відбувають в режимі реального часу через сервіс конференц-зв’язку Zoom, що дає можливість задати питання викладачу та працювати в групі з іншими учасниками курсу
• Програма включає необхідний мінімум теорії (40%) з основним фокусом над груповою роботою над практичними кейсами з подальшим обговоренням. Учасники отримують доступ до робочих матеріалів тренінгу, що включають презентації та набори українських ті міжнародних даних.
• дати:

За результатами успішного проходження курсу кожен учасник отримає сертифікат.

 

План курсу:

 

Сесія 1. Вступ до аналізу даних за допомогою «Пакету Аналізу»

Огляд курсу

Можливості «Пакету Аналізу» в MS Excel

Описова статистика

Оцінка лінійної регресійної моделі в «Пакеті Аналізу»

Практична значимість коефіцієнтів

Статистична значимість коефіцієнтів

Прогнозування за допомогою регресії

Поняття помилки прогнозу

Практичний кейс: Чи впливають витрати на медицину на тривалість життя?

 

Сесія 2: Просунуті можливості лінійної регресії

Моделювання нелінійної залежності від фактора

Перехресні змінні

Індикаторні змінні

Типові помилки при застосуванні регресійних моделей

Чому регресія не означає причинно-наслідковий зв’язок

Різниця-в-різницях як метод визначення причинно-наслідкового зв’язку

Практичний кейс: Які фактори впливають на вартість житла?

 

Сесія 3. Просунуті моделі для бінарних змінних

Відмінності між кількісними і якісними даними

Моделювання бінарних змінних

Поняття лінійної ймовірнісної моделі

Інтерпретація результатів

Недоліки лінійної ймовірнісної моделі

Альтернативні моделі: пробіт і логіт

Практичний кейс: Що впливає на ймовірність працевлаштування?

 

Сесія 4. Прогнозування часових рядів

Особливості аналізу часових рядів

Сезонність

Тренд

Моделі ковзного середнього

Експоненціальне згладжування

Моделювання структурного розриву за допомогою індикаторних змінних

Поняття автокореляції

Вступ до авторегресійних моделей

Практичний кейс: Прогноз пасажиропотоку

 

Сесія 5: Вступ до Power BI

Редактор Power Query в MS Excel та Power BI

Завантаження та підготовка даних

Об’єднання даних з різних джерел

Побудова інтерактивних дашбоурдів в Power BI

Можливості Power BI Desktop

Створення візуалізацій в Power BI

Фільтри та зрізи

Перший звіт в Power BI

Практичний кейс: Як дохід впливає на витрати на їжу в Україні?

 

Сесія 6. Розширені можливості Power BI

Типи агрегації даних

Огляд функцій DAX

Створюємо новий стовпчик з обчисленням

Створюємо міру

Інтерактивна презентація звітів за допомогою Power BI

Збереження звітів в інших форматах

Публікація звітів

Рекомендації для самостійного навчання

Практичний кейс: Що робить українців щасливими?