Магистратура
2025/2026
Визуализация данных
Статус:
Курс обязательный (Аналитика больших данных)
Где читается:
Факультет компьютерных наук
Когда читается:
1-й курс, 4 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Паточенко Евгений Анатольевич
Язык:
русский
Кредиты:
3
Контактные часы:
40
Программа дисциплины
Аннотация
Этот модуль познакомит студентов с популярными BI-системами для разработки отчетов и визуализации данных. Студенты научатся строить интерактивные графики и дашборды в DataLens, узнают, на чём необходимо делать акценты при верстке, попробуют собрать требования к дашборду от заказчика и научатся грамотно презентовать результаты аналитических исследований.
Цель освоения дисциплины
- Научиться проводить интервью с заказчиком и собрать необходимые требования
- Научиться заполнять Dashboard Canvas
- Понять, как сделать макет дашборда
- Уметь подготовить и подключить данные к BI инструменту
- Научиться выбирать под какие задачи какие графики подходят
- Научиться применять правила визуализации
- Уметь настроить интерактивность и расчётные поля
- Уметь строить дашборд в DataLens
- Ориентироваться в другие инструменты на рынке и понимает как выбрать нужный инструмент под конкретную задачу
- Уметь создавать и управлять пайплайнами для анализа данных
Планируемые результаты обучения
- — Студент понимает как работает визуализация данных
- — Знает, что такое визуальный атом
- – Студент понимает, как проводить интервью с заказчиком
- – Студент умеет заполнять Dashboard Canvas
- – Студент знает как составить макет дашборда
- – Студент понимает, как применить при составлении макета дашборда Дерево метрик
- - Студент понимает, как происходит подключение данных
- - Студент знает, в каком случае лучше делать подготовку на стороне БД, а в каком - на стороне BI
- - Студент понимает, как работать с данными в DataLens
- - Студент понимает, для каких задач какие типы графиков подходят
- - Студент может сделать и оформить разные типы графиков в DataLens
- - Студент может применить правила визуализации при построении дашборда
- - Студент знает, как создать, расположить элементы и настроить дашборд в DataLens
- - Студент умеет применять функции в DataLens
- - Студент знает, где искать весь перечень функций и их возможности в DataLens
- - Студент знает ключевые инструменты и понимает их отличия
- - Студент понимает, как выбрать подходящий под условия задачи инструмент
- - Студенты умеет создавать и управлять пайплайнами для анализа данных
- - Студент освоил различные этапы работы — от загрузки данных до их визуализации
- - Студент умеет автономно решать аналитические задачи.
- Студент понимает структуру и требования финального проекта модуля
- Студент понимает связь между Dashboard Canvas и итоговым дашбордом
- Студент понимает критерии оценки проекта и требования к качеству дашборда
- Студент знает типичные ошибки при создании дашбордов и способы их избежать
- Студент понимает, как подготовить и отправить финальный проект на проверку
- Студент умеет проектировать дашборд на основе Dashboard Canvas и пользовательских сценариев
- Студент умеет выстраивать визуальную иерархию и управлять вниманием пользователя с помощью композиции дашборда
- Студент умеет выбирать подходящие типы графиков и визуальных форм под задачу анализа данных
- Студент умеет формулировать понятные заголовки, подписи и элементы интерпретации данных
- Студент умеет проверять корректность расчетов, логику фильтрации и работоспособность интерактивных элементов дашборда
- Студент применяет на практике принципы визуализации данных, дизайна интерфейсов и аналитической коммуникации
- Студент понимает структуру и требования финального проекта по аналитике данных
- Студент понимает постановку задач проекта и ожидаемый формат решения
- Студент понимает подход к расчету retention и структуру используемых данных
- Студент понимает принципы анализа результатов A/B-теста и выбора продуктовых метрик
- Студент понимает, как подбирать метрики для оценки продуктовых событий и формулировать аналитические выводы
Содержание учебной дисциплины
- Как работает визуализация данных?
- Dashboard Canvas
- Как работать с данными в BI системах
- Графики и лучшие практики их оформления
- Основы дизайна и верстка дашборда
- Расчетные поля и интерактивность
- Подготовительный вебинар к финальному проекту модуля
- Финальный проект модуля
- Обзор BI-систем и итоги
- Подготовительный вебинар к финальному проекту
- Финальный проект по аналитике данных
Элементы контроля
- Домашнее задание к разделам (урокам) 1-6. Квиз на закрепление основных понятий урока.63 тестовых задания: 1 урок - 8 заданий, 2 урок - 12 заданий, 3 урок - 10 заданий, 4 урок - 10 заданий, 5 урок - 10 заданий, 6 урок - 13 заданий.
- ДЗ к разделам (урокам) 2-6. Итоговый проект по визуализации (построение дашборда в DataLens).60 практических задач: 2 урок - 20 заданий, 3 урок - 10 заданий, 4 урок - 10 заданий, 5 урок - 10 заданий, 6 урок - 9 заданий, 1 итоговый контроль
- Финальный проект по аналитике данных (урок 11).Студентам предоставляется 3 варианта финального проекта на выбор, каждая из которых подразумевает выполнение практического задания.
Промежуточная аттестация
- 2025/2026 4th moduleИтоговая оценка соответствует сумме баллов за выполненные задания на LMS karpov.courses, приведенные к 10-балльной шкале (см. таблицу). Для каждого задания на LMS-платформе karpov.courses определён дедлайн в 14 календарных дней, после наступления которого студенту начисляется 70% от итогового балла за задание. Оценка “10” и “9” за итоговую оценку выставляется только студентам, набравшим не менее 27 баллов за итоговый проект по визуализации и получивших оценку 1 за финальный проект по аналитике данных. Студенты, набравшие менее 27 баллов за итоговый проект по визуализации, получают итоговую оценку, соответствующую сумме баллов за задания на LMS, но не превышающую “8”. Студенты, набравшие менее 1 балла за финальный проект по аналитике данных, получают итоговую оценку, соответствующую сумме баллов за задания на LMS, но не превышающую “6”.
