Kurzusleírás

Databricks és pénzügyi Use Cases bevezetése

  • Databricks ekoszisztéma megértése
  • Pénzügyi adatok elemzői folyamatok áttekintése
  • Használati példák: kockázatmodellezés, pénzügyi jelentések, ellenőrző naplók

Databricks Füzetek használata kezdő szinten

  • Füzetek létrehozása és navigálása
  • Python és SQL használata Databricks-ben
  • Megjegyzések és verziótörténet segítségével való együttműködés

Adatfelvétel és tisztítás

  • CSV, adatbázisok és API-kból származó pénzügyi adatok importálása
  • Spark DataFrames használata a tisztításra és előkészítésre
  • Hiányzó értékek és kivételes adatok kezelése

Pénzügyi adatok átalakítása és összegezése

  • KPI-k és pénzügyi arányok kiszámítása
  • Adathalmazok szűrése, csoportosítása és átalakítása
  • Idősorozatok manipulálása és újramintázása

Pénzügyi látványosságok vizualizálása

  • Databricks vizualizációs eszközeivel való dashbordek létrehozása
  • Diagramok testreszabása a pénzügyi jelentéseléshez
  • Vizualizációk exportálása prezentációkhoz vagy szabályozási áttekintéshez

Lekérdezésoptimalizálás és Delta Lake használata

  • Delta Lake architektúra bevezetése
  • ACID tranzakciók és adatok megbízhatósága
  • Adatfelosztás segítségével teljesítmény javítása

Collaboration, időzítés és megosztás

  • A pénzügyi csapatok számára való hozzáférés és jogosultságok kezelése
  • Automatizált jelentéseléshez való munkák időzítése
  • Adatok és eredmények biztonságos exportálása

Összefoglalás és következő lépések

Követelmények

  • Az adatanalízis fogalmainak megértése
  • Tapasztalat Python vagy SQL használatával
  • Ismeret a pénzügyi adat típusokkal és jelentésekkel

A közönség

  • Pénzügyi elemzők és üzleti intelligencia szakemberek
  • A pénzügyi szektorban dolgozó adatelemzők
  • A pénzügyi csapatokat támogató adatelemzők
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák