Анализ и визуализация данных

Краткое содержание учебной дисциплины, модуля / Brief summary

Введение в Business Intelligence и Power BI

Суть и понятие Business Intelligence. Обзор существующих BI-платформ. Основные компоненты Power BI. Этапы проведения аналитического исследования.

Загрузка данных из различных источников

Использование Excel как источник данных Power BI.

Загрузка данных из CSV-файлов, СУБД, Интернета и др. источников.

Преобразование структуры данных и очистка данных

Операции со столбцами (удаление, объединение и разделение, операции с текстом, числами и датами, добавление вычисляемых столбцов);

Преобразования строк (удаление, фильтрация, удаление дубликатов, заполнение по строкам, работа с заголовками);

Операции с таблицами (pivot или сведение по столбцу, unpivot или отмена свёртывания столбцов, транспонирование, группировка строк).

Работа с несколькими запросами

Добавление (Append), аналог UNION ALL в SQL;

Объединение (Merge), аналог JOIN в SQL.

Language M

Особенности языка M. Основные типы данных. Условный оператор. Обработка ошибок. Создание функций. Операции над списками и таблицами.

Введение в модели данных

Управление моделями и создание связей. Настройка модели данных. Особенности связей между таблицами в Power BI. Автоматическое связывание таблиц и установка связей вручную. 

Основы DAХ

Создание вычисляемых столбцов и мер с использованием DAX-формул.

Контекст вычисления DAX-формул.

Агрегатные функции.

Функции фильтрации и изменения контекста (CALCULATE, FILTER, ALL и т.п.).

Другие функции DAX.

Визуализация данных

Визуализация данных. Обзор встроенных визуализаций. Настройка различных типов визуализации. Оформление визуализации. 

Публикация данных и совместная работа с отчётами. Служба Power BI

Служба Power BI. Разделы службы Power BI. Публикация отчета. Настройка панели мониторинга.

Introduction to Business Intelligence and Power BI

The essence and concept of Business Intelligence. An overview of existing BI platforms. The main components of Power BI. Stages of analytical research.

Loading data from various sources

Using Excel as a data source for Power BI.

Loading data from CSV files, DBMS, the internet, and other sources.

Data structure transformation and data cleansing

Column operations (delete, merge, and split, text, number, and date operations, adding calculated columns);

Row transformations (delete, filter, remove duplicates, fill by row, work with headers);

Table operations (pivot or pivot by column, unpivot or uncollapse columns, transpose, group rows).

Working with multiple queries

Append (similar to UNION ALL in SQL);

Merge (similar to JOIN in SQL).

Language M

Features of the M language. Basic data types. Conditional operator. Error handling. Creating functions. Operations on lists and tables.

Introduction to data models

Managing models and creating relationships. Configuring a data model. Relationships between tables in Power BI. Automatically linking tables and establishing relationships manually.

DAX Basics

Creating calculated columns and measures using DAX formulas.

Calculation context for DAX formulas.

Aggregate functions.

Filter and context functions (CALCULATE, FILTER, ALL, etc.).

Other DAX functions.

Data Visualization

Data visualization. Overview of built-in visualizations. Customizing various visualization types. Visualization design.

Publishing data and collaborating on reports. Power BI service

Power BI service. Power BI service sections. Publishing a report. Customizing a dashboard.

Формируемые компетенции / The formed competences

Базовые профессиональные компетенции:

Применять современные компьютерные математические системы для проведения вычислительного (компьютерного) эксперимента.

Применять инновационные информационные технологии и современные языки программирования.

Basic professional competencies:

Use modern computer mathematical systems to conduct computational (computer) experiments.

Use innovative information technologies and modern programming languages.

Результаты обучения (знать, уметь, владеть) / Learning outcomes (know, can, be able)

знать:

• основные принципы построения BI систем;
• основы построения аналитических отчетов и визуализации данных;

уметь:

• загружать данные из различных источников;
• анализировать требования для составления отчёта;
• уверенно ориентироваться в использовании объектов визуализации для поставленных задач;

иметь навык:

• извлечения, преобразования и загрузки данных из различных источников;
• создания и настройки модели данных с разработкой необходимых мер; 
• создания аналитических отчётов в Power BI.

Knowledge of:

– Fundamentals of building BI systems;

– Fundamentals of building analytical reports and data visualization;

– Ability to:

– Load data from various sources;

– Analyze report generation requirements;

– Confidently use visualization objects for assigned tasks;

– Have the skills to:

– Extract, transform, and load data from various sources;

– Create and configure a data model with the development of necessary measures;

– Create analytical reports in Power BI.

Семестр изучения учебной дисциплины, модуля / Semester of study

7

7

Пререквизиты / Prerequisites

«Методы программирования», «Технологии программирования», «Базы данных»

«Programming Methods», «Programming Technologies», «Databases»

Трудоемкость в зачетных единицах (кредитах) / Credit units

3

3

Количество аудиторных часов и часов самостоятельной работы / Academic hour of students’ class work, 

hours of self-directed learning

Дисциплина изучается в 7 семестре. В соответствии с учебным планом всего на изучение учебной дисциплины «Анализ и визуализация данных» отведено для очной формы получения высшего образования – 54 часа, в том числе 36 аудиторных часов (лекции – 18 часов, лабораторные занятия – 18 часов). Из них: 

Лекции – 18 часов, лабораторные занятия – 14 часов, управляемая самостоятельная работа – 4 часа.

Форма промежуточной аттестации — зачет.

This course is studied in the seventh semester. According to the curriculum, a total of 54 hours are allocated for the full-time course «Data Analysis and Visualization,» including 36 classroom hours (18 hours of lectures, 18 hours of labs). These hours include:

Lectures – 18 hours, labs – 14 hours, and guided independent work – 4 hours.

The form of midterm assessment is a credit.

Требования и формы текущей и промежуточной аттестации / Requirements and forms of current and interim certification

Опрос, отчет по лабораторным / домашним заданиям.
Контрольные работы. Зачет.

Survey, lab/homework report.

Tests. Credit.