Язык Python для бизнес-аналитиков. Построение отчетов и визуализация данных для офисных приложений

 

Код курса: Python_BI.

Продолжительность обучения: 40 уч. часов/5 дней.

Сроки проведения: по мере поступления заявок.

Время проведения курса:  очная дневная .

 

IT Training предлагает курс «Язык Python для бизнес-аналитиков. Построение отчетов и визуализация данных для офисных приложений». Программа предназначена для бизнес-аналитиков, специалистов, которые будут использовать язык Python для построения отчетов, управления отображением данных, генерации отчетности в стандартных форматах - CSV, HTML, WORD, EXCEL, PDF.

Для успешного освоения материала необходима предварительная подготовка:

• Базовые знания Oracle SQL 
• Базовые знания одного из объектно-ориентированных языков программирования (желательно)

Программа курса:

1. Среда разработки для приложений по отчетности
1.1. Установка интерпретатора Python. Механизм PIP - и создание песочницы для выполнения кода приложения, подготовка песочницы для работы с базами данных на примерах с Oracle и Postgresql
1.2. «Привет Мир» - Первое приложение, созданное и запущенное в песочнице. Анатомия приложения. Подключение и использование библиотек, использование модулей
1.3. А в какой среде разработки писать приложение для создания отчетности? Вариантов много - но родные PyCharm — именно в этой среде и проходит вся работа по созданию отчетов на этом курсе — она бесплатна и удобна в работе. PIP - утилита для настройки песочницы, где будут происходить механизмы создания отчетности, для взаимодействия с Excel, Word, файлами формата PDF. Дополнение песочницы средствами для работы с базой данных Oracle/Postgresql. Сходство и различия
1.4. Обзор средств написания SQL запросов в базы данных Oracle и Postgresql (далее — База Данных (DB))
2. Типы данных языка Python
2.1. Встроенные типы данных
2.2. В Python все есть Объект
2.3. ПРАВИЛА PEP8 - которые не соблюдают, но соблюдать нужно
3. Основы построения SQL запросов в базу данных
3.1. Как выполняется запрос
3.2. Основные синтаксические команды языка SQL
3.3. Основная команда SQL для аналитических запросов — SELECT. Общее описание команды. Разделы SELECT, FROM, ORDER BY и другие — на примерах простых запросов в DB с использованием штатных средств для работы с данными, которые всегда должны быть под рукой
3.4. Введение в план выполнения запроса, как получить план и как правильно его читать. Что такое Декартово произведение двух множеств, и почему это «смерть» для базы данных
3.5. Аналитические функции в SQL запросах, функции группировок и сортировок
3.6. Как ускорить выполнение сложных запросов — введение в оптимизацию SQL на примере DB
3.7. Важность использования статистик, индексов, партиционирования данных, сохранения результатов выполнения запросов в памяти сервера – это нужно требовать от администратора базы данных для улучшения производительности SQL запросов
3.8. Написание более сложных запросов SELECT — связывание нескольких таблиц, построение деревьев и виртуальных таблиц, оконные функции, вычисление промежуточных данных для их использования в запросе (ROLLUP, CUBE)
3.9. Типы данных в DB и как они используются в Python.
4. Объектная опция в Python. Инкапсуляция - Полиморфизм – Наследование 4.1. Введение в ООП и абстракции Python
4.2. Как организовать приложение для выгрузки данных из DB в стандартные файлы приложений Office
4.3. Понятие @dataclass — описание класса для последующего создания на его основе объекта, для наполнения последнего данными из базы данных
4.4. Методы сортировки данных
4.5. Простые механизмы сравнения объектов, хранение объектов в Python
4.6. Списки, множества, кортежи, словари — функциональность, разница, механизмы использования
4.7. Строка в Python — это тоже список
5. Правила доступа к данным в DB из Python. 
5.1. Как правильно соединиться с базой данных
5.2. Что такое курсор в Python и как он взаимодействует с базой данных
5.3. Введение в транзакционные механизмы DB
5.4. Передача параметров в SQL запрос из Python, получение данных из курсора и размещение их в памяти аналитического приложения
5.5. Предварительная обработка данных, перед отправкой их в отчеты (сортировки, создание дополнительных колонок, маркировка групп, выполнение дополнительных вычислений)
6. Получение данных для аналитический вычислений в Python приложение из других источников данных, таких как WEB и REST сервисы
6.1. Обзор механизмов подключения
6.2. Получение данных для дальнейшей обработки на примерах REST сервисов
6.3. Протоколы обмена информацией и механизмы описания данных — SOAP, WSDL, WADL, JSON и XML — стандарты для взаимодействия между приложениями (в нашем случае Python  и  Сервера приложений, Сервера баз данных)
7. Пакеты Python для взаимодействия с файлами операционной системы
7.1. Пакеты Python для дальнейшей выгрузки данных, которые были получены из DB
7.2. Пакеты Python для работы с EXCEL, WORD, PDF файлами, текстовыми файлами SCV. Выгружаем данные с помощью встроенных в Python пакетов и пакетов, которые можно всегда бесплатно подгрузить из Интернета
8. Создание рабочей книги EXCEL средствами Python
8.1. Заполнение книги Excel листами, определение стилей форматирования
8.2. Заполнение листа данными из Python, определение формул на листах, использование условного форматирования ячеек листа EXCEL из Python приложения.  
8.3. Построение диаграмм для визуализации данных средствами Python в Excel
9. Выгрузка данных из приложения Python в документы Word и PDF
9.1. Использование шаблонов документов для их дальнейшего наполнения данными.
9.2. Форматирование документа средсвами Python
9.3. Особенности выгрузки данных в PDF формат.
10. Публикация отчета на стандартном сервере приложений
10.1. Публикация отчета на стандартном сервере приложений на примере WildFly сервера
10.2. Настройка сервера для публикации отчетов в реальном режиме времени и по расписанию
10.3. Создание Web сервера средствами Python для отправки аналитического отчета конечному пользователю. Тестирование собственного аналитического сервера.
11. Сравнение полученных результатов с аналогичными BI серверами
11.1. Сравнение полученных результатов с аналогичными BI серверами такими как Oracle BI, Microsoft BI и другими
11.2. Преимущества и недостатки