Открыто

Управление качеством данных: Data Quality и мастер-данные [Otus] [Александр Бергер, Татьяна Водовозова]

Тема в разделе "Курсы по администрированию", создана пользователем Топикстартер, 26 мар 2026.

Цена: 75 000р-93%
Взнос: 5 180р

Основной список: 17 участников

  1. 26 мар 2026
    #1
    Топикстартер
    Топикстартер ЧКЧлен клуба

    Складчина: Управление качеством данных: Data Quality и мастер-данные [Otus] [Александр Бергер, Татьяна Водовозова]

    2026-03-27_161633.jpg

    Стратегии управления данными и практика интеграции реальных инструментов. Освойте лучшие практики Data Quality и Data Governance на курсе от опытных экспертов

    Для кого этот курс?
    • Аналитики и дата-инженеры, которые работают с данными
    • Менеджеры данных и специалисты по Data Governance
    • Руководители и специалисты по цифровой трансформации
    Необходимые знания
    • Понимание работы с данными – опыт работы с таблицами, SQL, Excel или BI-инструментами
    • Базовые знания SQL – умение писать простые запросы (SELECT, JOIN, WHERE)
    • Знание Python для аналитики данных
    • Общий опыт работы с корпоративными данными – понимание, как хранятся и обрабатываются данные в компаниях
    Программа

    Data Quality: Бизнес-контекст, основы и ценность

    В этом модуле вы разберёте, что такое Data Quality и почему его важно контролировать. Узнаете, какие проблемы возникают из-за плохого качества данных, какие существуют методологии, как строится процесс управления качеством данных в компании и как обосновать его ценность для бизнеса.
    • Тема 1: Введение в Data Quality
    • Тема 2: Основные проблемы данных: дубликаты, пропуски, несоответствия, аномалии
    • Тема 3: Как обосновать ценность Data Quality: расчёт ROI и аргументы для руководства // ДЗ
    • Тема 4: Методологии Data Quality: DMBOK, ISO 8000, Data Observability
    • Тема 5: Data Governance vs. Data Quality – как связаны эти процессы
    • Тема 6: Стандартизация данных: создание глоссария, оценка метрик и интеграция в процессы // ДЗ
    • Тема 7: Кто отвечает за качество данных: роли, зоны ответственности
    • Тема 8: Разбор реальных инцидентов качества данных // ДЗ
    Инструменты: Интеграция, автоматизация и ML-валидация
    В этом модуле вы рассмотрите различные инструменты для автоматизации контроля качества данных, изучите, как встроить их в архитектуру компании, в процессы ML и инженерных команд. Познакомитесь с OpenMetadata, Soda, dbt tests и другими решениями для контроля и управления данными, а также сравните эти решения.
    • Тема 1: Инструменты DQ для РФ: сравнительный анализ и выбор
    • Тема 2: Интеграция DQ-инструментов в существующую архитектуру данных
    • Тема 3: Настройка проверок качества данных // ДЗ
    • Тема 4: Как построить мониторинг качества данных: дашборды и алерты // ДЗ
    • Тема 5: Data Quality в ML: валидация данных и борьба с дрифтом // ДЗ
    • Тема 6: Разбор практического кейса // ДЗ
    Оценка Data Quality: Метрики, профилирование и автоматизация
    В этом модуле вы научитесь оценивать качество данных, вычислять основные метрики и разрабатывать правила проверки. Разберёте, как строить отчёты и дашборды.
    • Тема 1: Метрики качества данных и стратегия внедрения
    • Тема 2: Разработка бизнес-правил проверки данных // ДЗ
    • Тема 3: Data Profiling: как анализировать данные и находить ошибки
    • Тема 4: Разбор практического кейса // ДЗ
    Управление DQ: Инциденты, регуляторика и Data Products
    В этом модуле вы научитесь управлять инцидентами, выполнять регуляторные требования, проектировать Data Products (контракты, Data Mesh) и коммуницировать проблемы DQ бизнесу.
    Тема 1: Управление инцидентами: процесс Data Quality Incident Management
    Тема 2: Операционные метрики DQ: как принимать решения на основе данных // ДЗ
    Тема 3: Регуляторные требования: GDPR, 152-ФЗ и предотвращение штрафов
    Тема 4: Data Contracts и Data Mesh: распределённая ответственность за качество // ДЗ
    Тема 5: Data Storytelling: как визуализировать и презентовать DQ-проблемы бизнесу
    Тема 6: Повышение data literacy в компании: стратегии и практики
    Тема 7: Q&A-сессия + анализ реальных кейсов

    Проектная работа

    После обучения вы сможете:

    • Внедрять процессы Data Quality и Data Governance в компании;
    • Автоматизировать контроль качества данных с помощью современных инструментов
    • Работать с метаданными, Data Catalog и управлять бизнес-терминами
    • Настраивать и оптимизировать проверки качества данных (DQ Checks)
    • Выстраивать взаимодействие между бизнесом, IT и аналитиками для управления данными
    Дополнительно на курсе вы:
    • Будете работать над проектами, которые можно адаптировать под свою текущую работу, создавая решения для реальных задач
    • Изучите современные инструменты и актуальные решения и сможете использовать их в реальных проектах
    Инструменты, которые вы освоите:
    • Soda – инструмент для автоматизации контроля качества данных. Он позволяет настроить проверки качества данных, отслеживать ошибки и генерировать отчёты для принятия решений
    • OpenMetadata – платформа для управления метаданными, которая позволяет строить Data Catalog, отслеживать lineage данных и организовывать процессы Data Governance
    • Airflow – инструмент для автоматизации рабочих процессов и ETL-пайплайнов. Он помогает создавать, планировать и отслеживать задачи в рамках данных процессов, обеспечивая прозрачность и контроль
    Преподаватели
    • Александр Бергер. Lead Data Quality. Руководитель курса
    • Татьяна Водовозова. Руководитель направления DWH аналитики
    • Павел Ташкинов. Дата-стюард
    • Наиля Галимова. Lead в Data Governance
    • Руслан Усачёв. Data Engineer / Data Quality Specialist
    Цена: 75000 руб.
    Скрытая ссылка
     
    Последнее редактирование модератором: 27 мар 2026
    2 пользователям это понравилось.
  2. Последние события

    1. MariaChe
      MariaChe участвует в складчине.
      12 апр 2026 в 18:17
    2. American Dream
      American Dream участвует в складчине.
      12 апр 2026 в 02:00
    3. influte
      influte участвует в складчине.
      12 апр 2026 в 00:25
    4. CaBa_7
      CaBa_7 не участвует в складчине.
      12 апр 2026 в 00:06

    Последние важные события

    1. skladchik.com
      Назначен организатор складчины.
      26 мар 2026