BCS - BCS Level 4 in Data Analysis Tools certification

In dit 5-daagse versnelde BCS Level 4-diploma dat is ontworpen voor leerlingen, leer je de belangrijkste vaardigheden om tools voor gegevensanalyse onder de knie te krijgen.

Je wordt ondergedompeld in het curriculum via onze unieke Lezing-, Lab- en Beoordelingsmethodiek, wat betekent dat je sneller informatie leert en onthoudt dan bij traditionele cursussen.

In deze cursus behandel je het scala aan concepten, benaderingen, tools en technieken die van toepassing zijn op gegevensanalisten. Je leert de vaardigheden en inzichten die je nodig hebt om tools voor gegevensanalyse en de onderliggende principes en processen van gegevensintegratie te gebruiken.

De belangrijkste leerpunten die aan bod komen zijn onder meer:

• Beschrijven wat het doel is en wat de resultaten zijn van gegevensintegratiewerkzaamheden
• Uitleggen hoe gegevens uit meerdere bronnen geïntegreerd kunnen worden om samenhangende data te bieden
• Programmeertalen ontdekken en leren hoe je die gebruikt om gegevens te integreren en voor te bereiden voor analyse
• Uitleggen wat de aard en de uitdagingen zijn van gegevensvolumes en -types die via integratieactiviteiten worden verwerkt
• Teststrategieën ontwikkelen om geïntegreerde gegevens op verschillende staten te testen
• Blijk geven van inzicht in de mogelijkheden van statistische programmeertalen en bedrijfseigen tools
• Gegevens voorbereiden voor analyse met behulp van een reeks technieken
• Gegevensanalyse uitvoeren

Tijdens de cursus leg je het examen 'BCS Level 4-certificaat voor gegevensanalysetools' af. De eerste keer niet geslaagd? Maak je geen zorgen: je bent gedekt door onze certificeringsgarantie.

1. Processes and Tools Used for Data Integration

In this topic, the apprentice will describe how data integration is achieved through the manipulation of data from different sources. They will also learn about how this data is manipulated using programming languages and how it is prepared for analysis. You'll be able to :

1.1. Describe the purpose and outputs of data integration activities.

• Business need for analysis
• Non-functional requirements (such as speed and time available)
• Information structure and rules relevant to the business
• Rationale for using and integrating data from multiple sources
• Importance of data in a business context

1.2. Explain how data from multiple sources can be integrated to provide a unified view of

the data.

• Reasons for using data from multiple sources
• Importance of data source quality to improve the quality of results
• Filtering data to ensure only relevant data is combined to underpin business
• objectives
• Ensure data is selected in line with current legislation
• Data integration techniques
• Common user interface
• Virtual integration
• Physical data integration (for example ETL (Extract - Transform - Load))

1.3. Discover how programming languages for statistical computing can be applied to data

integration activities to filter and prepare data for analysis.

• Programming constructs
• Sequence, selection and iteration
• Modularisation, coupling and cohesion
• Commands for manipulating data (for example, but not limited to)
• Select and Select* statements
• From
• Where (such as but not limited to; AND, OR, use of Wildcards and ordering)
• Joins (inner and outer, right, left, Full, Union and Select into)
• Joins with duplicate values
• Joining on multiple fields
• Single queries
• Multiple queries
• Expressions
• Functions (such as but not limited to; Avg(), Count(), Max(), Min(), Group by,
• Round(), Cast(), Convert(), ISNULL ())
• Querying multiple tables in different information
• Selecting the first/last of occurrences
• Implicit data conversion

1.4. Explain the nature and challenges of data volumes and types being processed through

data integration activities.

• Big data sets
• Qualitative data versus quantitative data
• Technical requirements for managing large data set (such as, but not limited to; the
• location of data and challenge of restrictions due to the computer architecture)
• Data warehousing
• Data migration
• Master data management
• Integration design
• Business requirements for integration
• Objectives and deliverable
• Business rules
• Support models and SLAs
• Non-functional requirements
• Data integration tools (such as future scalability, implementation and support costs)
• Data synchronisation (such as data ownership, frequency of updates, format,
• security, data quality, performance and maintenance)

1.5. Develop appropriate testing strategies to ensure that unified data sets are correct,

complete and up to date.

• Check against business requirements
• Test for a variety of states (such as, but not limited to; presence, completeness,
• configuration and format, that data is valued and that data is not fragmented)
• Business testing & technical testing
• Technical acceptance testing (TAT)
• User acceptance testing (UAT)
• Performance stress tests (PST)
  

2. Industry Standard Tools and Methods for Data Analysis

In this topic, the apprentice will describe and use a range of tools, techniques and methods to prepare and analyse data. The successful apprentice should be able to:

2.1. Demonstrate the data manipulating, processing, cleaning and analysis capabilities of statistical programming languages and proprietary software tools capabilities and functions of statistical programming languages (such as, but not limited to; R, Python, SPSS, SAS, SQL, Microsoft Excel and VBA, Julia, Hadoop and Hive, Scala)

2.2. Demonstrate how to apply statistical programming languages in preparing data for analysis and conducting analysis projects.

• Preparation techniques (such as, but not limited to; searching and sorting, grouping,
• filtering, macros and modelling)
• Data cleaning to remove a range of data issues (such as, but not limited to; errors,
• invalid values, data that is out of range, outliers)
• Processing and analysing:
• Mean, Median, Mode and Range
• Probability
• Bias
• Statistical significance
• Linear Regression (simple & multiple)
• Logistics Regression (simple & multiple)
• Scatter plots and correlation
• And/Or probability
• Stem and leaf plots
• Factorials
• Box and whisker plots
• Methods for presenting results (such as, but not limited to; tables, charts and
• graphs, correctly arranged and presented using suitable language)
• Presenting for data analysts
• Working with people

Het examen duurt een uur en bestaat uit 40 vragen. Je moet 26 van de 40 vragen (65%) goed hebben om te slagen.

Als je het examen aflegt in een taal die niet je moedertaal/officiële taal is, heb je recht op 25% extra tijd en mag je tijdens het examen je eigen papieren vertaalwoordenboek gebruiken.

Examen en door Firebrand ontwikkeld cursusmateriaal

Er zijn momenteel geen voorwaarden voor deze cursus.

Je versnelde cursus is inclusief:

• Accommodatie *
• Maaltijden, snacks, drankjes, thee en koffie *
• Examens op locatie **
• Examenvouchers **
• Oefenexamens **
• Certificeringsgarantie ***
• Cursusmateriaal
• Tot 12 uur klassikale training per dag
• 24 uur per dag toegang tot het lab
• Digitaal cursusmateriaal **

* Alleen voor residentiële training. Accommodatie is inbegrepen vanaf de avond voor aanvang van de cursus. Dit geldt niet voor online cursussen.
** Er gelden enkele uitzonderingen. Raadpleeg het examentraject of spreek met onze experts.
*** Slaag de eerste keer of train opnieuw gratis zo vaak als nodig is, onbeperkt voor 1 jaar. Betaal alleen voor accommodatie, examens en bijkomende kosten.

Zeven redenen waarom je een cursus zou moeten volgen bij Firebrand Training

1. Twee opties voor training. Kies tussen klassikale of online cursussen
2. U wordt snel gecertificeerd. Met ons bent u in recordtijd opgeleid.
3. Onze cursus is all-inclusive. Een eenmalig bedrag dekt alle cursusmaterialen, examens**, accommodatie* en maaltijden*. Geen verborgen extra's.
4. Slaag de eerste keer of train gratis opnieuw. Dit is onze garantie. We zijn ervan overtuigd dat je de eerste keer slaagt. Zo niet, kom dan binnen een jaar terug en betaal alleen voor accommodatie, examens en bijkomende kosten.
5. Je leert meer. Een dag bij een traditionele trainingsaanbieder duurt over het algemeen van 9 uur 's ochtends tot 5 uur 's middags, met een lekker lange lunchpauze. Met Firebrand Training krijg je minstens 12 uur per dag leertijd van hoge kwaliteit, met je instructeur.
6. Je leert sneller. De kans is groot dat je een andere leerstijl hebt dan de mensen om je heen. We combineren visuele, auditieve en tastbare stijlen om de stof op een manier te geven die ervoor zorgt dat je sneller en gemakkelijker leert.
7. Je studeert met de besten. Sinds 2010 zijn we elk jaar opgenomen in de "Top 20 IT Training Companies of the Year" van de Training Industry. Naast het winnen van nog veel meer prijzen, hebben we meer dan 135.000 professionals getraind en gecertificeerd.

*Alleen voor residentiële trainingen. Geldt niet voor online cursussen
** Enkele uitzonderingen zijn van toepassing. Raadpleeg het Examentraject of spreek met onze experts.

Denk je dat je klaar bent voor de cursus? Doe een GRATIS oefentest om je kennis te testen!

Gratis oefentest