Зміст
Усе, що чекає на вас у книзі «Data Analyst: від першого запиту до роботи»:
Розділ 1. Перша таблиця, яка розповість більше за цифри
Почніть із невеликого практичного дослідження: візьміть відкритий набір даних, сформулюйте запитання, упорядкуйте таблицю та знайдіть закономірність. На простому прикладі побачите, що робить Data Analyst і чим аналітичний висновок відрізняється від простого підрахунку.

Розділ 2. SQL: розмова з даними, які не вміщаються в таблицю
Освойте вибірку, фільтрацію, сортування, групування, об'єднання таблиць і підзапити. Виконуйте практичні завдання на навчальній базі даних, поступово переходячи від простих запитів до відповідей на бізнес-питання.

Розділ 3. Спершу запитання, потім цифри
Навчіться з'ясовувати справжню потребу замовника, визначати показники ефективності та формулювати гіпотези. Розберіть, як одна нечітко поставлена задача може привести до красивого, але непотрібного звіту.

Розділ 4. Коли даним не можна довіряти на перший погляд
Навчіться знаходити пропуски, дублікати, аномальні значення, помилки форматування й суперечності між джерелами. Створіть власний чекліст перевірки якості даних і відпрацюйте підготовку набору до аналізу.

Розділ 5. Статистика, яка допомагає не обманювати себе
Розберіться із середніми значеннями, медіаною, розподілами, кореляцією, вибірками та перевіркою гіпотез. Практичні кейси навчать відрізняти справжню закономірність від випадкового збігу й не робити висновків, яких дані не підтверджують.

Розділ 6. Python: від повторюваних дій до автоматизованого аналізу
Познайомтеся з основами Python, Jupyter Notebook та бібліотеками для роботи з даними. На практиці опануйте завантаження, очищення, об'єднання й дослідження наборів даних, а також навчіться автоматизувати повторювані операції.
Розділ 7. Дашборд, який відповідає на запитання бізнесу
Навчіться обирати показники, будувати графіки, фільтри й інтерактивні звіти в BI-інструментах. Створіть повноцінний дашборд і потренуйтеся презентувати його так, щоб керівник міг побачити проблему та можливі напрямки дій.
Розділ 8. Data Analyst, Business Analyst чи BI Analyst?
Порівняйте щоденні завдання, зони відповідальності, типові результати й компетенції трьох суміжних професій. З'ясуйте, де перетинаються їхні обов'язки, які навички можна перенести з попередньої роботи та як обрати кар'єрний напрям відповідно до власних сильних сторін.
Розділ 9. Хмарні дані, AI та нова робота аналітика
Познайомтеся з принципами роботи хмарних сховищ, сучасними аналітичними середовищами та AI-асистентами. Розберіть, як використовувати AI для підготовки запитів, пояснення коду й пошуку ідей, перевіряти отримані результати та захищати конфіденційні дані.
Розділ 10. Портфоліо, у якому видно ваше мислення
Перетворіть навчальні вправи на завершені аналітичні проєкти: від постановки задачі до візуалізації та бізнес-рекомендацій. Навчіться оформлювати опис проєкту, демонструвати SQL-запити, документувати рішення й пояснювати власний внесок навіть без комерційного досвіду.
Розділ 11. Резюме, яке показує більше, ніж список навичок
Складіть резюме з акцентом на практичні компетенції, проєкти, досягнення та попередній досвід. Розберіть адаптацію під різні вакансії, оформлення профілю кандидата й типові помилки, через які роботодавець не бачить професійного потенціалу.
Розділ 12. Співбесіда: покажіть, як ви думаєте
Підготуйтеся до технічних завдань із SQL, таблиць, статистики та BI, розбору бізнес-кейсів і запитань про власні проєкти. Пройдіть симуляцію співбесіди, навчіться аргументувати рішення, чесно говорити про прогалини в досвіді та оцінювати вакансії для старту кар'єри.
Про цю книгу
Знайома ситуація: у вакансіях постійно фігурують SQL, Python та BI, проте зв’язок між цими інструментами у реальних робочих процесах залишається незрозумілим. Знання синтаксису мов програмування — лише частина професійної підготовки; аналітик працює і з кодом, і з бізнес-запитаннями.
Ви зможете подолати головну перешкоду початківця: розрізнені навички в Excel, SQL чи Python самі по собі не дають змоги розв'язувати реальні завдання, перевіряти якість даних та обґрунтовувати висновки. Результатом навчання стане цілісне розуміння аналітичного циклу, практичні навички роботи з основними інструментами, підготовку портфоліо з проєктів та підготовка до пошуку перших вакансій рівня Trainee або Junior Data Analyst.

АНАЛІЗ: шість кроків від бізнес-запитання до рішення, яке можна захистити
Методика побудована на системному підході, який допоможе організувати роботу над аналітичними завданнями:
- Актуалізуй — З'ясуйте, яке саме бізнес-запитання потрібно розв'язати, хто використовуватиме відповідь і яке рішення залежить від результатів аналізу.
- Налагодь — Перевірте джерела, знайдіть пропуски, дублікати й суперечності, очистьте та підготуйте дані, перш ніж робити висновки.
- Аналізуй — Застосуйте електронні таблиці, SQL, статистичні методи й Python, щоб дослідити дані та виявити закономірності.
- Лаконічно візуалізуй — Доберіть доречні графіки, показники й BI-інструменти, щоб представити результати у зрозумілих звітах і дашбордах.
- Інтерпретуй — Поясніть значення отриманих результатів для бізнесу, відокреміть підтверджені закономірності від припущень і зазначте обмеження аналізу.
- Захисти — Презентуйте висновки, аргументуйте рекомендації, відповідайте на запитання та продемонструйте, як можна відтворити вашу аналітичну роботу.

Ваш перший аналітичний мініпроєкт: почніть із запитання, а не з Excel
Щоб зрозуміти логіку професії, не потрібно чекати місяців навчання — ви можете провести власне дослідження вже зараз. Виділіть на вправу 40 хвилин і виконайте шість послідовних кроків.
- Сформулюйте бізнес-запитання (3 хвилини). Візьміть приклад інтернет-магазину й запишіть запитання: «Які категорії товарів мають найбільшу кількість продажів?». Сформулюйте також, для якого рішення потрібна відповідь: наприклад, визначення категорій, яким варто приділити більше уваги.
- Підготуйте набір даних (5 хвилин). Знайдіть відкритий навчальний CSV-файл із даними про продажі без персональної чи конфіденційної інформації. Відкрийте його в електронній таблиці. Переконайтеся, що є щонайменше два стовпці: «Категорія товару» та «Кількість продажів». Якщо їх немає, знайдіть інший набір даних.
- Перевірте якість даних (8 хвилин). Перегляньте перші 20 рядків таблиці. Перевірте три речі: чи немає порожніх значень у двох потрібних стовпцях, чи не повторюються повністю однакові рядки, чи всі значення кількості продажів є числами. Запишіть кількість знайдених пропусків, дублікатів і некоректних значень. Не використовуйте неперевірені записи для обчислень.
- Обчисліть показник (10 хвилин). Створіть зведену таблицю: помістіть «Категорія товару» в рядки, а «Кількість продажів» — у значення. Для другого поля встановіть операцію «Сума». Відсортуйте результати за спаданням. Запишіть три категорії з найбільшою сумою продажів і їхні числові значення.
- Сформулюйте висновок (7 хвилин). Напишіть три речення за таким шаблоном:
- «Найбільшу кількість продажів має категорія ___ — ___».
- «Наступні дві категорії — ___ та ___».
- «Цей результат показує розподіл продажів у досліджуваному наборі даних, але не пояснює причин відмінностей».
- Підготуйте попередню гіпотезу (7 хвилин). Запишіть одну можливу дію для бізнесу, наприклад: «Варто перевірити, чи доцільно збільшити запас товарів категорії з найбільшою кількістю продажів». Нижче зазначте три додаткові показники, які потрібно перевірити перед рекомендацією: виручку, прибуток і залишки товарів. Не видавайте гіпотезу за доведений бізнес-висновок.

Результат вправи: у вас є одне бізнес-запитання, перевірений набір даних, зведена таблиця, три порівнювані категорії та попередня гіпотеза з переліком даних для додаткової перевірки.

Ці 40 хвилин дадуть вам перший завершений досвід аналітичної роботи: від запитання до висновку, який можна пояснити й обґрунтувати.
Попереду — навчальний шлях до професійної самостійності, на якому ви послідовно освоїте електронні таблиці, SQL, Python і BI, навчитеся працювати з бізнес-кейсами та створите портфоліо практичних проєктів.
Це безкоштовний уривок. Повна книга — на сторінці книги.
