درباره دوره
دوره آموزشی Master Data Analyst در مرکز آموزش انفورماتیک بین‌الملل (i3center)
۱. معرفی کلی و مقدمه
در دنیای امروز، داده (Data) به یکی از ارزشمندترین دارایی‌های همه سازمان‌ها تبدیل شده است. توانایی جمع‌آوری، پردازش، تمیز کردن، تحلیل و تفسیر داده به سازمان‌ها کمک می‌کند تصمیماتشان را مبتنی بر واقعیت و شواهد بگیرند، نه فقط احساسات یا قیاس‌های ذهنی. در نتیجه سازمان هایی که با تحلیل داده ها تصمیم نهایی خود را بزنگاه های مهم میگیرند نتایج درخشان تری از نظر مالی، اقتصادی و رشد و توسعه بدست میاورند.
در سال‌های اخیر، بسیاری از سازمان‌ها و شرکت‌های ایرانی به سمت تصمیم‌گیری مبتنی بر داده (Data-driven Decision Making) حرکت کرده‌اند. چه در صنعت بانکداری، بیمه، خرده‌فروشی، استارتاپ‌های اینترنتی، آموزش یا حتی کسب‌وکارهای سنتی، نقش تحلیل داده روزبه‌روز پررنگ‌تر شده است.
تحلیلگر داده کسی است که داده‌های خام (فروش، مشتریان، بازاریابی، منابع انسانی و …) را به اطلاعات قابل فهم و گزارش‌های تصمیم‌ساز تبدیل می‌کند. در این دوره حرفه‌ای، با استانداردهای بین‌المللی اما بر اساس نیازهای بازار کار ایران، یاد می‌گیرید که چگونه داده‌ها را از منابع مختلف جمع‌آوری، پاک‌سازی، تحلیل و در قالب گزارش یا داشبورد مدیریتی ارائه کنید.
دوره Master Data Analyst با هدف آموزش مهارت‌هایی طراحی شده است که دانش‌آموختگان را قادر می‌سازد از بیگ داده‌های خام، بینش‌های تجاری (business insights) استخراج کنند و به سازمان‌ها ارزش افزوده برسانند.
در این دوره، یاد می‌گیریم چگونه:
-
داده‌ها را از منابع مختلف گردآوری کنیم،
-
آنها را تمیز و اصلاح کنیم (پاک‌سازی داده، هندل کردن خطاها، مقادیر گمشده و پرت‌ها)،
-
به تحلیل داده بپردازیم با استفاده از روش‌های آماری و ترسیم روابط،
-
داده‌ها را با زبان های برنامه نویسی و یا ابزارهای مناسب مانند Excel, SQL, Python یا R پردازش کنیم،
-
نتایج تحلیل را به صورتی که برای تصمیم‌گیرندگان سازمان قابل فهم باشد، بصری‌سازی و گزارش دهیم،
-
و در نهایت، مهارت کار با داده به عنوان محور تصمیم‌گیری در سازمان‌ها را کسب کنیم.
به جهت اهمیت و حرفه ای بودن این دوره آموزشی، مباحث دوره توسط 5 استاد (آقایان دکتر معروضی، مهندس میرشفیعی، مهندس الستی، مهندس کلانتر نژاد و مهندس حاجیان) و 3 منتور (نیلوفر خزاعی ، محیا موفقی و رادین میلانی) در مرکز انفورماتیک بین الملل راهبری و تدریس میشود.
What Does a Data Analyst Do? Your 2025 Career Guide
A data analyst gathers, cleans, and studies data sets to help solve problems. Here’s how you can start on a path to become one.
Data analysts collect, clean, and interpret data sets to solve problems or answer questions, such as: What kind of customers should a business target in its next ad campaign? What age group is most vulnerable to a particular disease? What patterns in behavior are connected to financial fraud?
Data analysts work in many industries, including business, finance, criminal justice, science, medicine, and government. In this article, we’ll discuss more about what data analysts do, what skills you’ll need to pursue this career, and how you can start on a path to becoming one. Afterward, if you want to start working toward a data career by building job-relevant skills and earning a respected credential, consider enrolling in the Google Data Analytics Professional Certificate.
?What is data analysis
Data analysis is the process of gleaning insights from data to inform better business decisions. The process of analyzing data typically moves through five iterative phases:
- Identify the data you want to analyze
- Collect the data
- Clean the data in preparation for analysis
- Analyze the data
- Interpret the results of the analysis
Data analysis can take different forms, depending on the question you’re trying to answer. Descriptive analysis tells us what happened; diagnostic analysis tells us why it happened; predictive analytics forms projections about the future; and, finally, prescriptive analysis creates actionable advice on what actions to take.
پیش نیازه های دوره
برای شرکت در این دوره، بهتر است داوطلبان موارد زیر را بلد باشند یا حداقل آشنایی مناسبی داشته باشند:
1- ریاضیات مقدماتی و آمار (حداقل مفاهیم پایه‌ای مثل میانگین، میانه، واریانس، احتمال، جبر خطی و ...)
2- کار با کامپیوتر در حد دوره ICDL (آشنایی کلی با سیستم عامل ویندوز، کار با فایل‌ها و فرمت‌های مختلف، آشنایی خوب با نرم افزارهای اداری آفیس شبیه Word و Excel و Access)
3- منطق مقدماتی برنامه‌نویسی (اگر قبلاً با Python یا حتی زبان هایی مانند C++ و یا Java کار کرده باشید امتیاز است)
4- آشنایی با زبان انگلیسی (در حد خواندن منابع کمک آموزشی)
دستاورد های شما پس از گذراندن دوره
پس از پایان این دوره، دانش‌آموختگان قادر خواهند بود:
1- داده‌ها را از منابع مختلف (دیتابیس‌ها، فایل‌ها، API ها و منابع آنلاین) جمع‌آوری و یکپارچه کنند.
2- داده‌ها را پاک‌سازی کنند: خطاها، مقادیر گمشده، داده‌های تکراری، مقادیر پرت را تشخیص دهند و اصلاح یا حذف کنند.
3- تحلیل‌های مقدماتی و پیشرفته آماری انجام دهند: توصیفی، مقایسه‌ای، روندها، همبستگی‌ها، رگرسیون و غیره.
4- ابزارهای زبان برنامه‌نویسی (مثلاً Python یا R) را برای تحلیل داده به کار ببرند.
5- با SQL توانایی پرس‌وجو داده‌ها و کار با دیتابیس را داشته باشند.
6- داده‌های بزرگتر یا پیچیده‌تر را به شکلی بهینه پردازش کنند.
7- داده‌ها را بصورت بصری ارائه دهند: نمودارها، داشبوردها با کمک ابزارهای بصری‌سازی (مثلاً Power BI، Tableau، یا ابزارهای کتابخانه‌ای Python/R).
8- گزارش‌های قابل فهم برای ذی‌نفعان سازمان تهیه کنند، نتیجه‌گیری کنند و پیشنهادات مبتنی بر داده بدهند.
9- در محیط کار واقعی بتوانند پروژه‌های کوچکتر یا بزرگتر تحلیل داده را از شروع تا پایان انجام دهند و تجربه عملی داشته باشند.
10- برای فرصت‌های شغلی مانند Data Analyst، BI Analyst، گزارش‌دهنده داده (Data Reporting), تحلیلگر تجاری مبتنی بر داده آماده باشند.
11- می‌توانید روندهای فروش، رفتار مشتریان، اثربخشی کمپین‌های بازاریابی، نرخ ترک مشتری (Churn) و سایر شاخص‌های کلیدی را تحلیل کنید.
مخاطب هدف دوره
1- تازه‌واردان به دنیای فناوری
هدف: یادگیری یک مهارت جدید برای ورود به بازار کار یا تغییر شغل.
2- دانشجویان و فارغ التحصیلان
مرتبط: (کامپیوتر، آمار، صنایع) برای تبدیل دانش تئوری به مهارت عملی.
غیرمرتبط: (علوم انسانی، هنر) برای تغییر مسیر شغلی.
3- متخصصان حوزه کسب‌وکار
شامل: مدیران محصول، بازاریابان، فروشندگان، کارآفرینان.
هدف: توانایی اتخاذ تصمیمات داده‌محور و تحلیل عملکرد بدون نیاز به متخصص تمام‌وقت.
4- متخصصان فنی
شامل: توسعه‌دهندگان، متخصصان پایگاه داده.
هدف: تکمیل مهارت‌های موجود و حرکت به سمت نقش‌های تحلیلی.
پیش‌نیاز مشترک:
ذهنیت منطقی و علاقه به حل مسئله (مهم‌تر از پیشینه فنی خاص).
سوالات متداول
۱. آیا Data Analyst همان Data Scientist است؟
۲. آیا باید حتماً برنامه‌نویس باشم؟
۳. آیا دوره برای کسانی‌ست که تجربه کاری ندارند؟
۴. چقدر زمان برای یادگیری کافی است؟
۵. چه ابزارهایی را باید بلد باشم؟
۶. آیا پس از دوره پروژه عملی داریم؟
۷. چقدر حقوق و بازار کار دارد؟
۸. آیا فقط داده‌های بزرگ (Big Data) مهم‌اند؟
۹. آیا برای تحلیل داده حتماً باید آمار قوی باشم؟
۱۰. پس از دوره، چه فرصت‌های شغلی وجود دارد؟
۹. آیا برای مهاجرت هم مفید است؟
۶. آیا مدرک پایان دوره ارائه میشود؟
سرفصل های دوره
مقدمه به تحلیل داده
تعریف Data Analysis چیست تفاوت میان Data Analyst و Data Scientist اهمیت داده در کسبوکارهاجمعآوری داده‌ها (Data Collection / Ingestion)
منابع داده (دیتابیس‌ها، فایل‌ها، API، داده‌های وب و غیره) کار با داده‌های ساختاریافته و نیمهساختاریافتهپاکسازی داده (Data Cleaning / Preprocessing)
هندل کردن مقادیر گمشده (Missing Values) حذف یا تصحیح داده‌های پرت (Outliers) استانداردسازی داده‌ها، تبدیل داده‌ها تعامل با داده‌های ناهماهنگکاوش داده (Exploratory Data Analysis — EDA)
تحلیل توصیفی: اندازه‌گیری مرکزی (میانگین، میانه، مُد)، پراکندگی (انحراف معیار، واریانس)، توزیع‌ها همبستگی‌ها، ماتریس همبستگی بصری‌سازی مقدماتی (نمودارهای ستونی، خطی، پراکندگی، جعبه‌ای/باکس پلات و غیره)زبان‌ها و ابزارها
SQL: مفاهیم پایه، دستورات SELECT, JOIN, GROUP BY, HAVING، توابع تجمعی، زیرپرسش‌ها (subqueries) Python یا R: مبانی زبان، داده‌سازی، کار با DataFrame (pandas در Python یا dplyr/tidyverse در R) ابزارهای بصری‌سازی داده در زبان انتخابی (مثلاً matplotlib, seaborn, ggplot2)آمار کاربردی برای تحلیل داده
احتمال پایه‌ای توزیع‌ها (نرمال، پواسون، بنوم) آزمون‌های فرضیه (hypothesis testing) تست t، ANOVA، Khi-دو (chi-square)تحلیل پیشرفته‌تر و مدل‌سازی ساده
رگرسیون خطی و چندگانه رگرسیون لجستیک در صورت نیاز تحلیل سری‌های زمانی (اگر بخشی از دوره باشد) تعریف شاخص‌ها و معیارهای عملکرد (KPIs)بصری‌سازی پیشرفته و گزارش‌دهی داده
داشبوردها (Dashboards) با ابزارهایی مثل Power BI، Tableau، یا ابزارهای برنامه‌نویسی ساختار گزارش‌ها برای مدیران، ذی‌نفعان تجاری روایت داده (Data Storytelling): چگونه داده‌ها را روایت کنیم تا تأثیرگذار باشندابزارهای تکمیلی و مهارت‌های کاری
کار با ابزارهای ذخیره‌سازی و مدیریت داده‌ها بهترین روش‌ها برای مستندسازی کار تحلیل کار گروهی، همکاری با تیم‌های غیرفنی (مدیریت، بازاریابی، فروش) نسخه‌بندی داده‌ها، استفاده از Git یا ابزار مشابهپروژه پایانی و نمونه تجربی
تعریف پروژه واقعی یا شبیه‌سازی شده از جمع‌آوری داده تا گزارش‌دهی و دفاع پروژه ارائه پروژه به سایر دانش‌آموختگان و مدرسان+ اساتید دوره :
کمک مدرس دوره :
محیا موفقی
کمک مدرس دوره :
رادین میلانی مقدم
کمک مدرس دوره :
نیلوفر خزائی
Python for Data Science, AI & Development
با دوره پایتون با رویکرد علم داده، مهارت‌های تخصصی در زمینه علم داده، یادگیری ماشین و هوش مصنوعی را بر اساس استانداردهای جهانی IBM فرا بگیرید و مسیر شغلی خود را به سطحی حرفه‌ای ارتقا دهید..
مدت زمان
100 ساعتتاریخ شروع
1404/09/15محل برگزاری
لابراتوار B
Knight of Computer Networks
برای جهش در مسیر شغلی خود در دنیای فناوری آماده‌اید؟ با دوره شوالیه شبکه، تخصص‌های پیشرفته‌ای در زمینه‌های امنیت و رایانش ابری کسب کنید و جایگاه خود را در بازار کار ارتقا دهید.
مدت زمان
360 ساعتتاریخ شروع
1404/09/13محل برگزاری
لابراتوار C
Master Full-Stack Web Developer
با تسلط بر فریم‌ورک‌های قدرتمند ری‌اکت و نود جی‌اس به یک توسعه‌دهنده فول‌استک حرفه‌ای تبدیل شوید. این دوره کاملاً عملی، شما را با ساخت پروژه‌های واقعی برای ورود به بازار کار آماده می‌کند.
مدت زمان
250 ساعتتاریخ شروع
1404/08/25محل برگزاری
لابراتوار Bدرخواست مشاوره ثبت نام
درصورت نیاز به مشاوره برای ثبت نام فرم درخواست زیر را تکمیل فرمایید.