Process Mining - современная область data science / data mining, направленная на анализ данных процессов бизнеса в целях выявления точек роста и инициации улучшений. После прохождения курса вы будете знать, что представляет из себя область процессной аналитики, какие существуют методы анализа процессных данных, и как… Начальный уровень Чему вы научитесь узнаете, что представляет из себя область процессной аналитики (Process Mining используется в Сбере, ВК, МТС, Тинькофф и других крупных компаниях) познакомитесь с методами анализа процессных данных сможете применять существующие методы анализа процессов на практике О курсе Курс предназначен для специалистов и аналитиков, которые хотят погрузиться в современную и развивающуюся область аналитики данных - Process Mining. Задача курса - дать достаточный набор знаний для самостоятельного усвоения и успешного практического применения основных методов анализа процессных данных, необходимых для data-driven совершенствования процессов любой организации. Курс состоит из 2 модулей. Основные практические задания и примеры применения методов process mining представлены в модуле №2. О Process Mining - погружает в теоретические аспекты Process Mining и области применения. Анализ процессных данных с помощью Python - разбор практических примеров анализа процессных данных на реальном наборе данных. После прохождения курса вы будете знать, что представляет из себя область процессной аналитики, какие существуют методы анализа процессных данных, и как их применять на практике для анализа процессов организации. Для кого этот курс • Специалисты по анализу данных • BI разработчики и консультанты • Аудиторы бизнес-процессов • Операционные директора Начальные требования • Базовые знания Python (pandas, groupby) • Базовые знания визуализации данных • Базовые знания математической статистики Программа курса О Process Mining Введение Про Process Mining Задачи Process Mining Основные этапы применения Process Mining Понятие цифровой модели процесса Теория - Тест по итогам модуля Анализ процессных данных с помощью Python Настраиваем окружение Анализ событий и переходов Анализ кейсов и вариантов Практика - Тест по итогам модуля Заключение
