Язык Python — Для бизнес аналитиков. Построение отчетов и визуализация данных для офисных приложений.

Курс предназначен: Для бизнес аналитиков, начинающих разработчиков отчетов, которые будут использовать язык Python для построения отчетов, управлениея отображением данных, генерации отчетности в стандартных форматах — CSV, HTML, WORD, EXCEL, PDF

Начальная подготовка — желание автоматизировать свою непосредственную работу средствами выполнения SQL запросов в базу данных и публикацией данных в файлы стандартных форматов.  Желание немножко программировать.

Содержание курса:

1. Исталяция интерпретатора Python . Механизм PIP — и создание песочницы для выполнения кода приложения, подготовка песочницы для работы с базами данных на примерах с Oracle и Postgresql.
2. «Привет Мир» — Первое приложение, созданное и запущенное в песочнице. Анатомия приложения . Подключение и использование библиотек, использование модулей — простейших примерах. Далее, по ходу курса, будут определяться те или иные языковые конструкции, основные правила работы с языком Python. И даже, более сложные конструкции.
3. Типы данных языка, встроенные типы данных. В Python все есть Объект. ПРАВИЛА PEP8 — которые не соблюдают, но соблюдать нужно.
4. А в какой среде разработки писать приложение для создания отчетности? Вариантов много — но родные PyCharm — именно в этой среде и проходит вся работа по созданию отчетов на этом курсе — она бесплатна и удобна в работе. PIP — утилита для конфигурация песочницы, где будут происходить механизмы создания отчетности , для взаимодействия с Excel, Word, файлами формата PDF. Дополнение песочницы средствами для работы с базой данных Oracle и Postgresql (выбираем обе, или одну из них). В чем сходство и различия.
5. Обзор средств написания SQL запросов в базы данных Oracle и Postgresql (далее — База Данных ( DB))
6. Что такое запрос в базу данных. Как выполняется запрос, основные синтаксические команды языка SQL. Основная команда SQL для аналитических запросов — SELECT. Общее описание команды. Разделы SELECT, FROM, ORDER BY и другие — на примерах простых запросов в  DB с использованием штатных средств для работы с данными, которые всегда должны быть под рукой. Введение в план выполнения запроса, как получить план и как правильно его читать. Что такое Декартово произведение двух множеств, и почему это «смерть» для базы данных. Аналитические функции в SQL запросах, функции группировок и сортировок. Как ускорить выполнение сложных запросов — введение в оптимизацию SQL на примере DB. Важность использования статистик, индексов, партиционирования данных, сохранения результатов выполнения запросов в памяти сервера — чисто теоретически — но это нужно требовать от администратора базы данных для улучшения производительности SQL запросов. Написание более сложных запросов SELECT — связывание нескольких таблиц, построение деревьев и виртуальных таблиц, оконные функции, вычисление промежуточных данных для их использования в запросе (ROLLUP, CUBE).  Типы данных в DB и как они используются в Python.
7. Ну вот и началось программирование, Объектная опция в Python — Инкапсуляция — Полиморфизм — Наследование — Абстракция, об этом можно говорить очень много, но АНАЛИТИК или ТЕСТИРОВЩИК это должен просто понимать и иногда ИСПОЛЬЗОВАТЬ — Легкое введение в ООП и абстракции Python. Как организовать приложение для выгрузки данных из DB в стандартные файлы приложений Оффиса
8. Понятие @dataclass — описание класса для последующего создания на его основе объекта, для наполнения последнего данными из базы данных. Методы сортировки данных. Простые механизмы сравнения объектов, хранение объектов в Python. Списки, множества, кортежи, словари — функциональность, разница, механизмы использования. Строка в Python — это тоже список.
9. Правила доступа к данным в DB из Python. Как правильно соединиться с базой данных. Что такое курсор в Python и как он взаимодействует с базой данных. Легкое введение в транзакционные механизмы DB. Передача параметров в SQL запрос из Python, получение данных из курсора и размещение их в памяти аналитического приложения. Предварительная обработка данных, перед отправкой их в отчеты (сортировки, создание дополнительных колонок, маркировка групп, выполнение дополнительных вычислений)
10. Получение данных для аналитический вычислений в Python приложение из других источников данных, таких как WEB и REST сервисы. Обзор механизмов подключения. Получение данных для дальнейшей обработки на примерах REST сервисов . Протоколы обмена информацией и механизмы описания данных — SOAP, WSDL, WADL. JSON и XML — стандарты для взаимодействия между приложениями (в нашем случае Python и  Сервера приложений, Сервера баз данных).
11. Обзор пакетов Python для взаимодействия с файлами операционной системы, для дальнейшей выгрузки данных, которые были получены из DB. Для работы с EXCEL, WORD, PDF файлами, текстовыми файлами SCV . Мы выгружаем данные с помощью встроенных в Python пакетов и пакетов, которые можно всегда Бесплатно подгрузить из Интернета.
12. Создание рабочей книги EXCEL средсвами Python, заполнение книги листами, определение стилей форматирования, заполнение листа данными из Python, определение формул на листах, использование условного форматирования ячеек листа EXCEL из Python приложения. Построение Диаграмм для визуализации данных средствами Python в Excel
13. Выгрузка данных из Python в документы Word. Использование шаблонов документов для их дальнейшего наполнения данными. Форматирование документа средсвами Python
14. Особенности выгрузки данных в PDF формат.
15. Публикация отчета на стандартном сервере приложений, на примере WildFly сервера. Конфигурация сервера для публикации наших отчетов в реальном режиме времени и по расписанию. Легкое создание Web сервера средствами Python для отправки аналитического отчета конечному пользователю. Тестирование собственного аналитического сервера.
16. Сравнение полученных результатов с аналогичными BI серверами, такими как Oracle BI, Microsoft BI и другими. Преимущества и недостатки.