Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Kursplan
Oppsett av forretningsautomatiseringsmiljøet
- Konfigurering av Python 3.12+ for forretningsautomatiseringsarbeidsflyter
- Håndtering av avhengigheter med pip og virtuelle miljøer
- Installasjon og oversikt over viktige biblioteker: pandas, openpyxl, xlwings, requests, schedule
- Strukturering av Python-prosjekter for vedlikeholdbare forretningskripter
Excel-integrasjon og arbeidsbokautomatisering
- Lese og skrive Excel-filer med openpyxl
- Formatering av celler, legge til formler og lage diagrammer programmatisk
- Bruk av xlwings for sanntids Excel-interaksjon og makro-erstatning
- Integrasjon av pandas med Excel for storskala dataimport og -eksport
- Automatisering av multi-ark rapportgenerering og malutfylling
Bygge automatiserte quota- og targetsystemer
- Modellering av salgsterritorier, quotas og ytelsesmål i Python
- Beregning av oppnåelse, variasjon og forecasting ved hjelp av pandas
- Generering av quota-tilordningsmatriser og distribusjon via Excel
- Bygging av dashboards og sammendragsrapporter for salgledelsen
- Validering av quota-dataintegritet og håndtering av kanttilfeller
Dataanalyseoptimalisering
- Effektiv datainnlesning og minnehåndtering med pandas
- Vectoriserte operasjoner og unngåelse av iterativ rad-for-rad prosessering
- Bruk av NumPy for numerisk optimalisering og aggregering
- Aggregering og pivotering av forretningsdata for handlingsbare innsikter
- Tilkobling til databaser og API-er for live-datahenting
Avansert strengprosessering og Regex for forretningsdata
- Mønstermatching og datauttrekk med regulære uttrykk
- Rensing og standardisering av forretningstekstdata (navn, adresser, identifikatorer)
- Validering av formater som e-poster, telefonnummer og fakturakoder
- Applikasjon av regex til loggfiler og ustrukturerte forretningsdokumenter
Fil- og dokumentautomatisering
- Behandling av CSV- og JSON-data for ETL- og rapporteringspipelines
- Lese og uttrekk data fra PDF-er for faktura- og utsagnsprosessering
- Automatisering av Word-dokumentgenerering for kontrakter og tilbud
- Organisering, omdøping og arkivering av filer basert på forretningsregler
Webdatauttrekk for forretningsintelligens
- Henting og parsing av HTML-innhold med requests og BeautifulSoup
- Uttak av priser, konkurrentdata og markeddata fra offentlige kilder
- Håndtering av paginering, autentisering og API-rategrenser
- Lagring av skrapede data i strukturerte formater for nedstrømsanalyse
Automatisering av rapporter og kommunikasjon
- Generering av formaterte HTML- og Excel-rapporter fra analysereultater
- Sendning av automatiserte e-poster med vedlegg ved hjelp av SMTP
- Opprettelse av planlagte sammendragsrapporter for interessenter
- Malering av dynamisk innhold basert på forretningslogikk og terskelverdier
Planlegging og orchestrisering av forretningsprosesser
- Automatisering av scripteksekvering med schedule og cron
- Kjeding av avhengige oppgaver til end-to-end-arbeidsflyter
- Håndtering av eksekveringslogger og utdireringskataloger
- Feilhåndtering og retry-strategier for produksjonsautomatisering
Feilsøking, testing og ytelsestilpasning
- Bruk av Python-feilsøkingverktøy for å spore automatiseringsfeil
- Skriving av assertions og enhetstester for forretningslogikkkomponenter
- Profilering av scriptytelse og identifisering av flaskehalser
- Best practices for skriving av pålitelig og vedlikeholdbart automatiseringskode
Kapittel: End-to-end forretningsautomatiseringsarbeidsflyt
- Designe en komplett automatiseringspipeline fra rådata til endelig rapport
- Integrasjon av Excel, pandas, e-post og planlegging i et enkelt prosjekt
- Anvendelse av quota-logikk, dataanalyse og rapportgenerering i et reelt scenario
- Gjennomgang, tilbakemelding og neste steg for fortsettelse av automatiseringsutvikling
Krav
- En forståelse av Python-fundamentalene, inkludert variabler, løkker, funksjoner og grunnleggende datastrukturer.
- Erfaring med filhåndtering og grunnleggende dataprosessering i Python.
- Kjennskap til regnearkkonsept og grunnleggende forretningsrapporteringsarbeidsflyter.
Målgruppe
- Forretningsanalytikere og operasjonspersonale med mellomnivå Python-ferdigheter.
- Dataanalytikere som søker å automatisere rapporterings- og Excel-integrasjonsarbeidsflyter.
- Salgsoperasjonsteam som ønsker å bygge og administrere quotasystemer programmatisk.
- Fagpersoner ansvarlige for å optimalisere gjentakende dataprosesserings- og rapporteringsoppgaver.
21 Timer
Referanser (2)
Praktiske øvelser relatert til innholdet hjelper virkelig med å forstå mer om hvert emne. Dette gjelder også for stilarten med å begynne klassemøtet med en forelesning og fortsette med praktiske øvelser, som er god og nyttig for å knytte sammen med den presenterte forelesningen.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Kurs - Introduction to Data Science and AI using Python
Maskinoversatt
Eksempler/øvelser perfekt tilpasset vår domene
Luc - CS Group
Kurs - Scaling Data Analysis with Python and Dask
Maskinoversatt
