Аналитика в SPSS: от новичка до уверенного бизнес-пользователя [stepik] [Никита Сергеев]

Складчина: Аналитика в SPSS: от новичка до уверенного бизнес-пользователя [stepik] [Никита Сергеев]

Данный курс - аналог курса автора на платформе UDEMY. Он раскрывает искусство анализа данных, поиска скрытых закономерностей, прогнозирования и классификации с помощью программы SPSS.

Курс не имеет аналогов на русскоязычном пространстве и спроектирован в виде "коктейля" из основных предметных знаний (описательная и аналитическая статистика) и прикладной работы в SPSS.

На сегодня этот курс: самое полное русскоязычное собрание основных современных методов анализа данных для не-технических дисциплин.

Чему вы научитесь

• Загрузка и импорт данных из разных источников
• Преобразование и чистка данных, подготовка массива к анализу
• Описательные статистики: среднее, мода, медиана, квартили и т.д.
• Прогностическая\предиктивная аналитика
• Поиск различий между группами
• Идентификация скрытых взаимосвязей между переменными
• Классификационные задачи (отдаст\не отдаст кредит, купит\не купит товар и т.д.), построение нейросетей
• Анализ временных рядов, поиск закономерностей и прогнозирование
• Основы работы с синтаксисом
• Другие возможности программы SPSS

О курсе

• Это самое полное русскоязычное собрание основных современных методов анализа данных для не-технических дисциплин в одном курсе. Данные материал является нарезкой из более крупного курса для корпоративных заказчиков - и в нем собрано самое основное для бизнес-пользователя.
• Курс очень постепенно от простого к сложному погружает профессионалов из не-технических наук (менеджмент, бизнес, гуманитарии, лингвисты, психологи, социологи, культурологи, экономисты, политтехнологи и т.д.) в захватывающий анализа данных и поиска скрытых закономерностей и методов прогностической аналитики – и поможет легко в нем ориентироваться, пользоваться и не бояться.
• Курс также подойдет для профессионалов инженерно-технических специальностей, которые не изучали анализ данных, но хотят в нем разобраться - без непонятных формул и громоздких расчетов.
• В основе курса самые современные материалы, демонстрирующие возможности использования программы SPSS в разных областях (маркетинговые и социологические исследования, исследования персонала, опросы мнений, разработка психодиагностического инструментария и тестов, анализ и прогнозирование и т.д.)
• Материал курса достаточен для того, чтобы новичок (студент или впервые столкнувшийся со статистикой специалист) смог сделать свои первые шаги в обобщении статистических данных и поиске скрытых закономерностей, а умудренные опытом профессионалы систематизировали знания, а также расширили понимание их применения.
• Собраны и очень доступно рассмотрены наиболее популярные методы статистического анализа и прогностической аналитики, универсальные для всех наук и профессий.
• Объем курса (почти 200 лекций + допматериалы + более 100 основательных практических заданий, отлично раскрывающих темы) рассчитан на полноценные 8 тренинговых дней! Поэтому не ориентируйтесь на длительность только 25-часового лекционного видео-материала: для полноценного прохождения курса Вам понадобится инвестировать до 60 часов чистого времени.
• Материал предназначен для широкого круга слушателей, специализирующихся на обработке данных как гуманитарных и социально-экономических (менеджмент, бизнес, маркетинг, социология, психология, криминалистика....), так и инженерных и естественных профессий (биология, медицина, ИТ, физика...).
• Автор курса аналитик-практик; эксперт по анализу данных, владеющий обширным статистическими инструментарием (от обычного Excel до последних версий SPSS и специального языка программирования R). Создатель ряда МВА-программ и тренингов для высшего и старшего менеджмента корпораций. В консалтинговой практике занимается диагностикой предприятий и анализом данных, проектированием бизнес- и операционных моделей.
• Полученные в курсе знания пригодятся даже тем, кто планирует начинать работу с языками программирования (R, Py) - изучая и применяя эти языки Вы уже будете ориентироваться как решаемых задачах, так и в методах, которые в них реализуются (ибо методы сходны с рассматриваемыми в этом курсе на уровне пользовательских интерфейсов)

Для кого этот курс

• Аналитики любых отраслей и бизнес-функций
• Менеджеры и профессионалы не-технических и гуманитарных специальностей (маркетинг, менеджмент организаций, HR, экономика, социология, политология, управление проектами, риск-менеджмент и т.д.), желающие принимать взвешенные бизнес-решения на основе данных
• Технические и инженерные специалисты, планирующие развиваться в области Data Science - курс даст крепкую базу для любого более технического обучения в области Data Science
• Управленческие консультанты, работающие с проектами с высокой долей неопределенности и вероятностями
• Преподаватели и студенты
• Ученые и исследователи
• Для интересующихся анализом данных, поиском закономерностей и Data Science - в общем всех желающих идти в ногу со временем и разбираться в анализе данных

Начальные требования

• Наличие программы SPSS, либо готовность установить с официального сайта IBM ее 30-дневную бесплатную версию (студентам из России возможно понадобится использовать VPN и виртуальный временный\постоянный номер для приема SMS при регистрации)
• Умение инсталлировать программы (у кого нет SPSS - необходимо будет инсталлировать официальную версию с сайта)
• Очень желательно (но не обязательно) знание хотя бы основ матстатистики (а в идеале полноценные знания всех подходов, методов и критериев - так легче будет понять курс, который больше нацелен на работу с программой SPSS, а не разбор всех статкритериев)
• Если Вы совсем незнакомы с базовыми понятиями статистики (выборка, генсовокупность, массив данных и т.д.), то нужно уметь открывать Excel и проводить в нем простейшие математические вычисления (+, -, \, *, подбить %). Понимание некоторых базовых понятий в рамках курса будет отрабатываться в Excel.
• Желательно (но совершенно не обязательно) опыт преобразований и обработки данных, а также вычислений в Excel, или Power Query \Pivot, или в Power BI

Наши преподаватели Никита Сергеев
Cтратегия и оргразвитие, анализ данных, управление проектами.
Автор курсов - профессиональный аналитик, сертифицированный менеджер проектов, консультант по стратегии и оргразвитию.

Как проходит обучение

Курс состоит из разделов (модулей), которые и снабдят Вас минимумом необходимых теоретических знаний, и покроют все основные практические аспекты работы в SPSS от описательной статистики до прогностической аналитики (сравнение групп, классификация и прогнозирование).

Каждый из модулей будет состоять из лекций и практических заданий (иногда также будут тесты).

Вы смотрите лекцию (при необходимости знакомитесь с приложенным допматериалом, если такой есть). Если не по ходу просмотра лекции не уловили что-то - возвращаемся и пересматриваем.

Если после лекции идет задание - то выполняете его. Не оставляете на потом, а сразу делаете, отвечаете на вопросы и сверяете с ответом преподавателя.

Когда доходите до теста (поочередный набор вопросов после лекции) - проходите его, так как тест поможет Вам сориентироваться что Вы усвоили хорошо, а что стоит повторить.

И из всего этого самое главное - не ленимся делать задания! Только так, иначе Вы пришли на этот курс зря.

Программа курса

1. Введение
2. Не об SPSS: основные не технические понятия
3. Знакомство с SPSS
4. Основы для быстрого старта
5. Подготовка данных к анализу: загрузка, чистка и трансформация
6. Описательные статистики
7. Аналитическая статистика: что это?
8. Аналитическая статистика: различия между группами
9. Частный случай сравнения групп: одно выборочные тесты
10. Аналитическая статистика: связи между переменными
11. Аналитическая статистика: классификация объектов
12. Аналитическая статистика: основы прогнозирования временных рядов
13. Основы синтаксиса: знакомство с внутренним языком SPSS
14. Краткий обзор отдельных возможностей SPSS и ее "родственников"
15. Послесловие

Спойлер: Подробное описание

1. Слово автора
2. Просто зашли поинтересоваться ради интереса?
3. Предупреждение
4. Как мы будем учиться

1. Вступление к разделу
2. Описательная и аналитическая статистика
3. Важность моделей в аналитике
4. Без модели: разведочный анализ данных (РАД) и Data Mining
5. Выборка и генеральная совокупность
6. Массив данных
7. Объекты анализа (строки)
8. Переменные\характеристики
9. Типы шкал для переменных
10. Тип данных для значений переменных
11. Требования к записи значений в массиве
12. Задание: Целостное осознание массива
13. Понятие статистической гипотезы
14. Вероятность ошибки и уровень значимости
15. Нормальное распределение
16. Параметрика и непараметрика
17. Функциональные и вероятностные взаимосвязи
18. Процесс анализа данных в организации
19. Итоги раздела
20. Тестирование по итогам раздела (часть 1)
21. Тестирование по итогам раздела (часть 2)

1. Задание: Подготовка рабочего пространства
2. Основные элементы интерфейса SPSS
3. Закладка\представление ДАННЫЕ
4. Закладка\представление ПЕРЕМЕННЫЕ
5. Элемент-невидимка: КОНТЕКСТНОЕ МЕНЮ
6. ЛЕНТА: главная управляющая часть (+панель быстрого доcтупа)
7. Окно вывода результатов анализа: ВЫВОД\Output
8. Свой собственный язык: окно СИНТАКСИСА
9. Итоги раздела
10. Тест «Интерфейс»
11. Задание: Познакомиться с интерфейсом собственноручно

1. Вступление к разделу
2. Ввод переменных: создание паспорта массива
3. Ввод данных: значения переменных
4. Суть подготовки данных к анализу
5. Суть анализа данных
6. Суть визуализации данных
7. Экспорт результатов анализа
8. Итоги раздела

1. Вступление
2. Извлечение и загрузка данных: чтение и импорт
3. Редактирование переменных
4. Упорядочивание переменных
5. Удаление переменных (столбцов)
6. Отображение значений переменных
7. Фильтрация\отбор наблюдений (строк) для анализа
8. Расщепление массива: автоматич.отбор наблюдений (виртуал.группы)
9. Сортировка наблюдений (строк)
10. Удаление строк
11. Обнаружение и чистка дубликатов
12. Обнаружение ошибок ввода и работа с ними
13. Обнаружение ошибок ввода смысловым способом
14. О работе с пропущенными значениями
15. Пропущенные значения: наблюдения\случаи\объекты (строки)
16. Пропущенные значения: переменные (столбцы)
17. Обзор спецметодов работы с "пропусками"
18. Валидация (проверка) данных
19. Добавление новых переменных (столбцов)
20. Переменная со значениями-агрегатами
21. Перекодировка переменных
22. Разбиение значений переменной на группы
23. Вычисление новых переменных по формуле\выражению
24. Вычисление переменной: подсчет количества определенных значений
25. Вычисление переменной с рангами объектов\наблюдений
26. Множественные ответы: виртуальная переменная
27. Транспонирование массива
28. Взвешивание наблюдений: работа с агрегированным массивом
29. Взвешивание наблюдений\случаев: ремонт выборки
30. Слияние массивов: добавить наблюдения\объекты анализа
31. Слияние массивов: добавить переменные
32. Экспорт данных (массива) из SPSS в другие форматы
33. Итоги раздела

1. Суть описательных статистик
2. Частотный анализ (частотное распределение)
3. Частоты под несколько переменных: таблицы сопряженности
4. Частоты для множественных ответов\выбора
5. TURF-анализ
5. 4 группы мер в описательной статистике
7. Меры центральной тенденции: среднее, мода, медиана
8. Меры точек относительного разделения: процентили и квартили
9. Выбросы
10. Меры рассеивания\вариативности\изменчивости
11. Ящик с усами:визуал среднего, квартилей, мин и макс, выбросов...
12. Меры формы распределения: асимметрия и эксцесс
13. Доппроверка нормальности распределения: P-P и Q-Q диаграммы
14. Комплексный обзор данных (Data Explore)
15. Метрики\соотношения (Ratio)
16. Настраиваемые сводные таблицы\отчеты (custom tables)
17. Визуализации: диаграммы
18. Итоги раздела

1. Отличие от описательной статистики
2. 3+1 основных блока аналитических задач
3. Возвращение к истокам: модель, РАД и Data Mining
4. Возвращение к истокам: гипотезы, вероятность ошибки и значимость
5. Проверка распределения переменных на соотв.нормальному распред.
6. Итоги раздела

1. Для чего это применяется?
2. Снова параметрика и непараметрика
3. Еще раз о значимости различий между группами
4. Зависимые (парные, связанные) и независимые выборки
5. Базовый инструмент сравнения: таблицы сопряженности и Хи-квадрат
6. Сравнение 2 независимых групп (выборок): Т-тест, параметрика
7. Сравнение 2-х независимых групп (выборок): непараметрика
8. Много незав. выборок:однофакторный дисперсионный анализ ANOVA
9. Сравнение множества независимых групп (выборок): непараметрика
10. Сравнение групп при анализе пропущенных значений
11. Сравнение 2-х парных (связанных) групп/выборок: Т-тест, парамет.
12. Сравнение 2-х парных (связанных) групп/выборок: непараметрика
13. Сравнение множества парных выборок
14. Итоги раздела

1. Одновыборочные сравнительные тесты
2. T-тест для средних (параметрика)
3. Общий обзор окна с одновыборочными тестами для непараметрики
4. Биномиальный тест (непараметрика)
5. Хи-квадрат тест (непараметрика)
6. Тестирование формы распределения (непараметрика)
7. Знаковый (медианный) тест Уилкоксона
8. Случайна или нет последовательность значений (непараметрика)
9. Итоги раздела

1. Причинно-следств. связь, а также зависимые и независ. переменные
2. Рассуждения о связях между переменными
3. И еще раз о том, что такое значимая статистическая взаимосвязь
4. Суть корреляции переменных
5. Снова таблицы сопряженности: только для проверки связи
6. Проверка формы связи
7. Корреляционный анализ: сила, направление, значимость
8. Работа с ложными корреляциями
9. Суть регрессионного анализа
10. Подгонка кривых
11. Линейная регрессия
12. Нелинейная регрессия
13. Квантильная регрессия
14. Анализ выживаемости: регрессия Кокса
15. Факторный анализ
16. Анализ надежности-согласованности (пригодности)
17. Многомерное шкалирование
18. Итоги раздела поиска скрытых взаимосвязей между переменными

1. Для чего это применяется?
2. Логистическая регрессия
3. Полиномиальная логистическая регрессия
4. Порядковая регрессия
5. Пробит-анализ
6. Суть кластеризации
7. Двухэтапный кластерный анализ
8. Кластерный анализ методом К-средних
9. Дискриминантный анализ
10. Деревья решений\классификации
11. ROC-классификатор (Receiver Operating Characteristic)
12. Нейронные сети: многослойный перцептрон (MLP)
13. Итоги классификации с "высоты птичьего полета"

1. Вступление, предназначение и оговорки о предметной области
2. Главная ловушка при прогнозировании во времени
3. Основные задачи анализа временных рядов
4. Компоненты временных рядов: тренд, сезонность, цикл, всплеск
5. Отправная точка анализа трендов:посмотреть на график "на глазок"
6. Анализ временного ряда: линия тренда с прогнозом и "коридор"
7. "Проявление" тренда с помощью скользящего среднего
8. Сезонная декомпозиция
9. Авто- и кросскорреляции
10. Итоги раздела

1. Что такое синтаксис и чем может быть полезен бизнес-пользователю
2. Открытие, наполнение, запуск и сохранение окна синтаксиса
3. Переименование и удаление переменных (RENAME и DELETE)
4. Вычисление переменных (COMPUTE)
5. Условные операторы IF, AND и OR
6. Перекодировка переменных (RECODE с TO, INTO и ELSE)
7. Основные функции-агрегаторы (SUM, MEAN, COUNT, MIN, MAX)
8. Частоты (FREQUENCIES, CROSSTABS)
9. Корреляция с WITH
10. Комментарии в синтаксисе(* или /*)
11. Зачем забирать синтаксис прямо из пользовательского интерфейса?
12. Итоги раздела

1. Проверка стабильности и надежности моделей: Bootstrapping
2. Байесовская вероятность и статистика
3. Как быстро "найти менюшки" в SPSS
4. Структурное моделирование
5. Публикация результатов анализа на Web: CDSR
6. Создание и поставка моделей: SPSS Modeler и Watson Studio
7. Итоги раздела

1. Коротко о курсе для обобщения
2. Послесловие
3. Бонус-лекция

В курс входят 187 уроков, 23 часа 50минут видео, 329 тестов.
Последнее обновление 06.09.2025

Цена 1790 руб.
Скрытая ссылка