Coursera Business Analytics — популярная платформа онлайн-курсов, предлагающая разнообразные курсы, связанные с бизнес-аналитикой. Вот некоторые методы, обычно используемые в бизнес-аналитике, а также примеры кода:

1. Очистка и предварительная обработка данных:

   • Пример Python:

     import pandas as pd
     
     # Load data
     data = pd.read_csv('data.csv')
     
     # Remove missing values
     data.dropna(inplace=True)
     
     # Remove duplicates
     data.drop_duplicates(inplace=True)
     
     # Standardize data
     data['value'] = (data['value'] - data['value'].mean()) / data['value'].std()

2. Исследовательский анализ данных (EDA):

   • Пример Python:

     import pandas as pd
     import seaborn as sns
     
     # Load data
     data = pd.read_csv('data.csv')
     
     # Descriptive statistics
     print(data.describe())
     
     # Correlation matrix
     corr_matrix = data.corr()
     sns.heatmap(corr_matrix, annot=True)

3. Визуализация данных:

   • Пример Python (с использованием Matplotlib):

     import pandas as pd
     import matplotlib.pyplot as plt
     
     # Load data
     data = pd.read_csv('data.csv')
     
     # Plotting a bar chart
     plt.bar(data['category'], data['value'])
     plt.xlabel('Category')
     plt.ylabel('Value')
     plt.title('Distribution of Values by Category')
     plt.show()

4. Прогнозное моделирование:

   • Пример Python (с использованием Scikit-learn):

     import pandas as pd
     from sklearn.model_selection import train_test_split
     from sklearn.linear_model import LinearRegression
     
     # Load data
     data = pd.read_csv('data.csv')
     
     # Split data into features and target variable
     X = data[['feature1', 'feature2']]
     y = data['target']
     
     # Split data into training and testing sets
     X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
     
     # Train a linear regression model
     model = LinearRegression()
     model.fit(X_train, y_train)
     
     # Make predictions
     y_pred = model.predict(X_test)

5. Анализ временных рядов:

   • Пример Python (с использованием Pandas):

     import pandas as pd
     
     # Load time series data
     data = pd.read_csv('data.csv', parse_dates=['date'], index_col='date')
     
     # Resample data to monthly frequency
     monthly_data = data.resample('M').sum()
     
     # Plotting time series
     monthly_data.plot()
     plt.xlabel('Date')
     plt.ylabel('Value')
     plt.title('Monthly Time Series')
     plt.show()