Lynda Weinman
بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.
اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.
درک نیازی که هیچکس به آن پاسخ نداده بود
وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.
لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.
کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.
درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.
شروعی کوچک و توسعه ای آهسته و پیوسته
بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.
اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".
اوج گیری پس از بحران
کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.
کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.
روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.
خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."
روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.
افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."
با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".
در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.
ایجاد فرهنگ سازمانی مناسب در زمان رشد
اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.
وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."
در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".
ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.
پیش به سوی موفقیت
مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.
در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.
لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.
ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.
واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".
فروش به لینکدین Linked in
من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.
واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.
اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.
واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."
به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.
واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."
در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.
این دوره آموزشی مفصل، مباحث و مهارتهای مورد نیاز برای موفقیت به عنوان یک مهندس تجزیه و تحلیل را پوشش میدهد. مدرس، کانر دیکسون، نشان میدهد که چگونه مهندسی تجزیه و تحلیل، شکاف بین مهندسی داده و تجزیه و تحلیل داده را پر میکند و میتواند به شما کمک کند تا مهارتهای تجزیه و تحلیل خود را به یک چاقوی ارتش سوئیسی تبدیل کنید. پس از اتمام این دوره، باید بتوانید با استفاده از محبوبترین ابزارها مانند SQL، Python، dbt، Tableau و موارد دیگر با دادهها کار کنید.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[فارسی]
01 مقدمه
01-01 معرفی راهنمای کامل مهندسی تحلیلی
نمای کلی مطالب دوره 01-02
01-03 Codespaces GitHub مقدمه
01-04 CoderPad مقدمه
02 نمای کلی از مهندسی تحلیلی
02-01 مقدمه ای برای مهندسی تحلیلی
02-02 مهندسی تحلیلی یک نقش ترکیبی است
02-03 چرخه عمر داده ها
02-04 تکامل مهندسی تحلیلی
02-05 دموکراتیک سازی داده ها و لایه های معنایی
03 نمای کلی از پایگاه داده ها ، دریاچه های داده و انبارهای داده
03-01 پایگاه داده ، دریاچه های داده و انبارهای داده ... اوه من!
03-02 پایگاه داده های رابطه ای
03-03 پایگاه داده های غیر مرتبط
03-04 انبارداری داده
03-05 دریاچه های داده: یک روش ذخیره سازی جایگزین
03-06 چگونه پایگاه داده ها از تصمیم گیری پشتیبانی می کنند؟
03-07 پایگاه داده بهترین روشها
04 دستکاری داده ها با پایتون پاندا
04-01 پایتون چیست و چرا ما از آن استفاده می کنیم؟
04-02 محیط و مجموعه داده های پایتون ما
04-03 هسته ، در حال اجرا کد پایتون و سایر اصول
04-04 کتابخانه Pandas Python
04-05 DataFrames ، سری داده ها و انواع داده ها در پاندا
04-06 انتخاب ، مرتب سازی و فیلتر کردن داده ها با پاندا
04-07 حل مشکلات نوع داده مشترک با پایتون پاندا
04-08 داده های تمیز کردن با پاندا
04-09 CoderPad Solution: یک کار تحلیلی را با پایتون حل کنید
05 تجزیه و تحلیل داده ها با پایتون پاندا
05-01 توابع تحلیلی در پاندا
05-02 داده های گروه بندی در پاندا
05-03 ادغام چندین فریم داده با پاندا
05-04 ایجاد ستون های جدید محاسبه شده با پاندا
05-05 ایجاد میانگین نورد با محاسبات پنجره
05-06 CoderPad Solution: میانگین ها را با توابع پنجره پایتون محاسبه کنید
06 Python leveraging برای استخراج بار تبدیل
06-01 چرا داده ها را با استفاده از ETL جابجا می کنید؟
06-02 ETL در مقابل ELT
06-03 اتصال به پایگاه داده و API ما
06-04 واکشی داده ها
06-05 ادغام و بازنویسی داده های موجود
06-06 DAGS
06-07 مزایا و اشکالات ابزارهای ETL
07 داده های مدل سازی با SQL
07-01 مقدمه ای برای SQL برای مهندسی تحلیلی
07-02 عبارت SELECT
07-03 داده های فیلتر شده با بند WHERE
07-04 توابع کل در SQL
عملکرد تاریخ 07-05 SQL
07-06 INNER پیوستن به چندین جدول
07-07 سمت چپ پیوستن به چندین جدول
07-08 انواع دیگر SQL می پیوندند
07-09 عبارات جدول مشترک
07-10 CoderPad Solution: مدل سازی داده ها با SQL
08 DBT
08-01 DBT چیست؟
08-02 لایه های معنایی برای گردش داده های مدرن
08-03 DAG برای تجسم لایه های مدل داده
08-04 ساختمان ، دویدن و آزمایش
ماکروهای 08-05 DBT
09 تجسم داده ها با ابزارهای هوش تجاری
09-01 مقدمه ای بر هوش تجاری
09-02 تنظیم Tableau
09-03 اتصال به منابع مختلف داده در Tableau
ابعاد 09-04 در مقابل اقدامات
09-05 ایجاد زمینه های محاسبه شده
09-06 از نمودار مناسب برای تجسم استفاده کنید
09-07 ترکیب چندین منبع داده با هم
09-08 ساخت یک داشبورد تعاملی
09-09 تجسم داده بهترین روشها
10 کار با ذینفعان
10-01 چرا تیم های مهندسی تحلیلی به روابط ذینفعان احتیاج دارند
10-02 ارتباط مختصر و سریع
10-03 مدیریت یک پروژه از ابتدا تا انتها
10-04 اطمینان از ذینفعان خود از محصول شما
11 نتیجه گیری
11-01 نمای کلی از موضوعات تحت پوشش
11-02 چه کاری باید انجام شود
[ENGLISH]
01 Introduction
01-01 Introducing the complete guide to analytics engineering
01-02 Course contents overview
01-03 GitHub Codespaces introduction
01-04 CoderPad introduction
02 Overview of Analytics Engineering
02-01 Introduction to analytics engineering
02-02 Analytics engineering is a hybrid role
02-03 The lifecycle of data
02-04 The evolution of analytics engineering
02-05 Democratization of data and semantic layers
03 Overview of Databases, Data Lakes, and Data Warehouses
03-01 Databases, data lakes, and data warehouses…oh my!
03-02 Relational databases
03-03 Nonrelational databases
03-04 Data warehousing
03-05 Data lakes: An alternative storage method
03-06 How do databases support decision-making?
03-07 Database best practices
04 Manipulating Data with Python pandas
04-01 What is Python, and why do we use it?
04-02 Our Python environment and dataset
04-03 Kernels, running Python code, and other basics
04-04 The pandas Python library
04-05 DataFrames, data series, and data types in pandas
04-06 Selecting, sorting, and filtering data with pandas
04-07 Solving common data type problems with Python pandas
04-08 Cleaning data with pandas
04-09 CoderPad solution: Solve an analytical task with Python
05 Analyzing Data with Python pandas
05-01 Analytical functions in pandas
05-02 Grouping data in pandas
05-03 Merging multiple data frames with pandas
05-04 Creating new custom calculated columns with pandas
05-05 Creating rolling averages with window calculations
05-06 CoderPad solution: Calculate averages with Python window functions
06 Leveraging Python to Extract Transform Load
06-01 Why move data using ETLs?
06-02 ETL vs. ELT
06-03 Connecting to our database and API
06-04 Data fetching
06-05 Merging and overwriting existing data
06-06 DAGs
06-07 Benefits and drawbacks of ETL tools
07 Modeling Data with SQL
07-01 Introduction to SQL for analytics engineering
07-02 The SELECT statement
07-03 Filtering data results with the WHERE clause
07-04 Aggregate functions in SQL
07-05 SQL date functions
07-06 Inner joining multiple tables
07-07 Left joining multiple tables
07-08 Other types of SQL joins
07-09 Common table expressions
07-10 CoderPad solution: Modeling data with SQL
08 dbt
08-01 What is dbt?
08-02 Semantic layers for modern data workflows
08-03 DAGs to visualize data model layers
08-04 Building, running, and testing
08-05 dbt macros
09 Visualizing Data with Business Intelligence Tools
09-01 Introduction to business intelligence
09-02 Tableau setup
09-03 Connecting to different data sources in Tableau
09-04 Dimensions vs. measures
09-05 Creating calculated fields
09-06 Use the right chart for visualization
09-07 Blending multiple data sources together
09-08 Crafting an interactive dashboard
09-09 Data visualization best practices
10 Working with Stakeholders
10-01 Why analytics engineering teams need stakeholder relationships
10-02 Concise, quick communication
10-03 Managing a project from start to finish
10-04 Ensuring your stakeholders use your product
11 Conclusion
11-01 Brief overview of topics covered
11-02 What to do next
کانر دیکسون یک متخصص حرفه ای است که بینش های مهندسی داده ها ، علوم و تجزیه و تحلیل داده ها را تولید می کند.
کانر یک مهندس تحلیلی در بخش فناوری است ، جایی که او مدل های داده ای را برای استفاده در گزارش ، تجسم و علم داده ساخته است. تجربه وی شامل انبارداری داده ها ، پرس و جو پیچیده پایگاه داده ، نوشتن و حفظ رویه های ذخیره شده ، تجزیه و تحلیل داده ها ، ایجاد تجسم ، ساخت ETL و ساخت مدلهای یادگیری داده/ماشین است. او به متخصصان داده های جدید و باتجربه کمک می کند تا از طریق محتوای آموزنده و کمدی در مورد تجزیه و تحلیل یاد بگیرند.