Kurzusleírás

Bevezetés a Databricks használatába és pénzügyi használati esetek

  • A Databricks ökoszisztéma megértése
  • Áttekintés a pénzügyi adatelemzési munkafolyamatokról
  • Használati eset példák: kockázatmodellezés, pénzügyi jelentések, auditnaplók

Bevezetés a Databricks notebookok használatába

  • Notebookok létrehozása és navigálása
  • Python és SQL használata a Databricksban
  • Együttműködés megjegyzésekkel és verzióelőzményekkel

Adatbetöltés és -tisztítás

  • Pénzügyi adatok importálása CSV, adatbázisok és API-k segítségével
  • Spark DataFrames használata tisztításhoz és előkészítéshez
  • Hiányzó értékek és kiugró adatok kezelése

Pénzügyi adatok átalakítása és összesítése

  • KPI-k és pénzügyi mutatók kiszámítása
  • Adatkészletek szűrése, csoportosítása és pivottá alakítása
  • Idősorok manipulálása és újramintavételezése

Pénzügyi elemzések vizualizációja

  • Vezérlőpultok létrehozása a Databricks vizualizációs eszközeivel
  • Diagramok testreszabása pénzügyi jelentésekhez
  • Vizualizációk exportálása prezentációkhoz vagy szabályozói felülvizsgálathoz

Lekérdezések optimalizálása és a Delta Lake használata

  • Bevezetés a Delta Lake architektúrába
  • ACID tranzakciók és az adatok megbízhatósága
  • Teljesítmény javítása adatparticionálással

Együttműködés, ütemezés és megosztás

  • Hozzáférés és engedélyek kezelése pénzügyi csapatok számára
  • Feladatok ütemezése automatizált jelentéskészítéshez
  • Adatok és eredmények biztonságos exportálása

Összefoglalás és következő lépések

Követelmények

  • Az adatelemzés alapfogalmainak ismerete
  • Tapasztalat Python vagy SQL használatában
  • Ismeret a pénzügyi adattípusokról és jelentéskészítésről

Célközönség

  • Pénzügyi elemzők és üzleti intelligencia szakemberek
  • Adatelemzők, akik a pénzügyi szektorban dolgoznak
  • Adatmérnökök, akik pénzügyi csapatokat támogatnak
 14 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák