CURS LIVE ONLINE

Analiza Datelor
pentru Începători

Silviu Gresoi  Head of Analytics &
Data Scientist

Nivel Începător
Python
SQL
Power BI
Google Sheets
Studii de caz reale
Diplomă de Participare

DESPRE CURS

DATA:

3 Iunie - 7 August 2026

DURATA:

20 lecții
10 săptămâni
MIERCURI & VINERI, 19:30-21:00

Pornește-ți drumul în cariera de Junior Data Analyst și construiește-ți pas cu pas portofoliul de abilități practice cerute de angajatori. În cele 20 de lecții interactive vei învăța să lucrezi cu

Google Sheets, SQL, Python și Power BI, aplicându-le direct în proiecte individuale și de grup.

De la primele noțiuni de colectare și curățare a datelor, până la analiza avansată, vizualizări interactive și rapoarte profesionale, vei progresa treptat prin etapele esențiale ale unui Data Analyst.

Cursul ideal pentru tine dacă ești:

  • Analist

    Învață să scrii interogări SQL și să folosești biblioteci Python.

  • Manager

    Înțelege metrici, construiește prognoze și oferă soluții de eficiente.

  • Career switcher

    Învață să interpretezi și să stăpânești toate uneltele și tehnologiile cheie pentru o nouă carieră.

  1. Data Management

    Colectează, evaluează și sintetizează seturi de date utilizând instrumente precum Google Sheets și Python, asigurând calitatea datelor pentru analize aprofundate.

  2. Analize SQL Avansate

    Folosind MySQL vei putea extrage și analiza date complexe din tabele multiple, aplicând tehnici avansate de sortare, filtrare și grupare.

  3. Vizualizări Matplotlib & Power BI

    Utilizând Python & Power BI vei putea genera vizualizări complexe și dashboard-uri interactive, transformând totul în instrumente vizuale clare și captivante.

  4. Cariera ta de Junior Data Analyst

    Vei experimenta un interviu de angajare real, motiv pentru care vei afla și cum să îți redactezi CV-ul și scrisoarea de intenție, totul pentru șanse mai mari de angajare.

LECTOR

Silviu Gresoi, Head of Analytics și lector curs Data Analyst la Skillab

Silviu Gresoi

  • Head of Analytics & Data Scientist
  • 15 ani de experiență în Machine Learning în industria bancară precum BancPost, Banca Romaneasca, Garanti Bank, First Bank
  • 19 ani de experiență ca Data Analyst în poziții de top în multinaționale
  • A absolvit programul specializat în Data Mining de la Universitatea din Waikato
  • Deține certificare CFE de la ACFE USA, PRINCE 2 UK, ITIL V3
  • Cursuri predate la Politehnica București, Institutul Bancar Român APCF si zeci de companii private

Program

01

Rolul unui Data Analyst

  • Definirea și importanța analizei datelor
  • Rolul analistului de date
  • Competențele necesare ale unui Data Analyst: ex. SQL, Python, R, analiza exploratorie a datelor (EDA), Tableau și Power BI
02

Impactul analizei datelor în afaceri

  • Definirea și importanța analizei datelor
  • Rolul analistului de date
  • Competențele necesare ale unui Data Analyst: ex. SQL, Python, R, analiza exploratorie a datelor (EDA), Tableau și Power BI
03

Fundamentele statisticii pentru analiza datelor

  • Exemple concrete - cum folosesc companiile analiza datelor
  • Discuții și exemple de utilizare a datelor
  • Aplicații tradiționale și inovative

Activitate practică: Studiu de caz pe o companie reală, analizând impactul analizei datelor asupra inovației și creșterii acesteia.

04

Google Sheets pentru analiza de date

  • Identificarea nevoilor de business
  • Colectarea datelor
  • Evaluarea calității datelor
  • Curățarea datelor
  • Normalizarea datelor

Activitate practică: Colectarea și curățarea unui set de date folosind Google Sheets, pregătindu-l pentru analiză.

05

Formule de bază și avansate în Google Sheets

  • Obțineți sume și medii rapid, ex: SUM, AVERAGE
  • Asociați date eficient, ex: VLOOKUP, INDEX/MATCH
  • Analize condiționale simplificate, ex: IF, COUNTIF

Activitate practică: Utilizarea formulelor avansate în Google Sheets pentru a rezolva scenarii complexe de analiză a datelor.

06

Tabele și vizualizarea datelor în Google Sheets

  • Crearea și personalizarea tabelelor pivot
  • Utilizarea graficelor pentru vizualizarea datelor (linie, bară, pie etc.)
  • Best practices pentru designul rapoartelor
  • Practică: crearea unui raport de date vizual complex

Activitate practică: Crearea de tabele pivot și grafice pentru a vizualiza tendințele dintr-un set de date de vânzări.

07

Explorare și analiză baze de date cu MySQL Workbench și SQL

  • Introducere în MySQL Workbench
  • Bazele Interogărilor SQL, ex: SELECT, WHERE, ORDER BY
  • Vizualizări și Join-uri

Activitate practică: Executarea interogărilor SQL de bază pentru a explora structura unei baze de date și a extrage date relevante.

08

Extracție, sortare, filtrare și grupare date cu SQL

  • Filtrare avansată, utilizarea clauzelor WHERE avansate, cum ar fi IN, BETWEEN, LIKE, și funcțiile de agregare (ex. COUNT, MAX, MIN)
  • Sortarea datelor
  • Gruparea datelor

Activitate practică: Filtrarea și gruparea unui set de date complex folosind clauze SQL avansate pentru a identifica modele.

09

Analiză datelor din multiple tabele în MySQL

  • Join-uri complexe: Explorarea diferitelor tipuri de join-uri (INNER, LEFT, RIGHT, FULL OUTER) și utilizarea lor pentru a combina date din mai multe tabele
  • Subinterogări
  • Funcții analitice: Prezentarea funcțiilor analitice SQL (ex. RANK, DENSE_RANK, ROW_NUMBER) pentru analiză avansată

Activitate practică: Utilizarea join-urilor complexe și a subinterogărilor pentru a analiza relațiile dintre tabelele multiple.

10

Sfaturi, instrumente și aplicare SQL în sarcini practice

  • Optimizarea interogărilor
  • Instrumente SQL avansate - Window Functions, CTE (Common Table Expressions), Indexuri, Triggere, etc
  • Studii de caz și sarcini practice

Activitate practică: Simularea unui interviu pentru un post de analist de date, cu accent pe optimizarea interogărilor SQL și prezentarea unor instrumente avansate.

11

Introducere în PYTHON - Pandas și manipularea datelor

  • Configurarea mediului
  • Citirea datelor
  • Explorarea datelor: interacțiunea cu obiectele DataFrames și Series

Activitate practică: Configurarea mediului de dezvoltare Python și exerciții de bază cu Pandas pentru manipularea datelor.

12

Curățarea și analiza avansată cu DataFrames

  • Tehnici de curățare a datelor
  • Agregarea și gruparea datelor
  • Transformarea datelor

Activitate practică: Implementarea tehnicilor avansate de curățare a datelor și agregarea datelor pentru a rezolva o problemă specifică.

13

Lucrul cu date timp și combinația de seturi de date

  • Manipularea datelor timp
  • Combinații de seturi de date
  • Analiza seriilor temporale

Activitate practică: Manipularea datelor timp și combinarea seturilor de date din surse diferite pentru a crea un dataset unificat pentru analiză.

14

Vizualizarea datelor cu Matplotlib și Seaborn

  • Introducere în Matplotlib
  • Utilizarea Seaborn pentru vizualizări
  • Proiect curs

Activitate practică: Crearea de vizualizări de date complexe cu Matplotlib și Seaborn, bazate pe setul de date analizat în lecțiile anterioare.

15

Utilizarea Power BI în analiza datelor

  • Interfața și conceptele de bază Power BI
  • Conectarea la surse diverse de date
  • Curățarea și structurarea eficientă a datelor

Activitate practică: Conectarea la diverse surse de date pentru a pregăti un raport interactiv.

16

Crearea de modele de date și vizualizări interactive

  • Construirea modelelor de date pentru analize profunde
  • Crearea de vizualizări de date impresionante și interactive, punând un accent deosebit pe designul și personalizarea graficelor
  • Metode de publicare și partajare a descoperirilor prin rapoarte vizuale

Activitate practică: Dezvoltarea unui model de date complex în Power BI și crearea de vizualizări interactive care să răspundă la întrebări specifice de afaceri.

17

Recapitulare

Activitate practică: Revizuirea și discuția principalelor concepte și tehnici învățate în curs, printr-o serie de quiz-uri interactive.

18

Simulare interviu angajare

Activitate practică: Participarea la o simulare de interviu pentru un post de analist de date, evaluând abilitățile tehnice și de comunicare dobândite.

19

Introducere în Data Science și algoritmii săi

  • Familiarizarea cu Data Science și importanța algoritmilor
  • Înțelegerea și aplicarea algoritmilor supervizați
  • Explorarea algoritmilor nesupervizați și utilizările lor
  • Aplicarea practică și continuarea învățării în Data Science

Activitate practică: Explorarea unui dataset simplu utilizând Python pentru a implementa și compara rezultatele algoritmilor supervizați (ex. regresie liniară) și nesupervizați (ex. clustering K-means). Analizați eficacitatea fiecărui tip de algoritm în contextul dat.

20

Indicații pentru obținerea unui post de Data Analyst

Activitate practică: Crearea unui CV orientat către rolul de Data Analyst, evidențiind proiectele și competențele relevante dobândite în timpul cursului. Pregătirea și participarea la o sesiune de mock interview cu un profesionist din domeniu.

Înscrie-te la curs

Completează formularul de înscriere pentru a primi mai multe detalii despre curs și taxa de participare.

Câmp obligatoriu
Află prețul