Data-Driven Management: стратегии принятия решений в современном государственном управлении

КЛЮЧЕВЫЕ ТЕМЫ:
•    Выявление проблемы и постановка задачи. Для чего нужна аналитика данных?
•    Сбор и валидация данных.
•    Анализ данных:
    инструменты для работы с данными. Excel для базовой аналитики, BI-системы для дашбордов;
    Python для анализа данных: особенности работы и базовый функционал;
    исследования данных, сводные таблицы, линейная регрессия;
    анализ данных методами линейной регрессии и факторного анализа.

•    Визуализация данных: основные правила и принципы, типы визуализаций; визуализация данных с помощью Python и Excel.
•    Принятие решений:
    оценка влияния факторов друг на друга, фреймворки приоретизации гипотез;
    основы A/B-тестирования – применение.
•    Коммуникация.
•    Мониторинг и оценка:
    мониторинг аналитических проектов и АВ-тестирование: что это такое и где применяется;
    типы метрик для мониторинга; ключевые и барьерные метрики.