რა არის SQL და Power BI და რატომ არის ისინი მნიშვნელოვანი მონაცემთა ანალიზისთვის?

SQL და Power BI არის მონაცემთა ანალიზის ინსტრუმენტები, რომლებიც გამოიყენება მონაცემების ამოსაღებად, დასამუშავებლად და ვიზუალურად წარსადგენად, რაც დაგეხმარებათ მიიღოთ მონაცემებზე დაფუძნებული გადაწყვეტილებები.

საჭიროა თუ არა პროგრამირების წინასწარი ცოდნა კურსის გასავლელად? -

კურსის გასავლელად პროგრამირების წინასწარი ცოდნა აუცილებელი არ არის.

შესაძლებელია თუ არა კურსის გავლა დამწყებებისთვის? -

კურსის გავლა შესაძლებელია დამწყებებისთვის, რადგან ის ფარავს მონაცემთა ანალიზის საფუძვლებს.

შეძლებ თუ არა კურსის შემდეგ რეალურ პროექტებზე მუშაობას? -

კურსის შემდეგ შეძლებ რეალურ პროექტებზე მუშაობას, რადგან მიიღებ პრაქტიკულ უნარებს, რომლებიც საჭიროა მონაცემთა ანალიტიკოსის ყოველდღიურ საქმიანობაში.

რა ფორმატში ტარდება კურსი? -

კურსი ტარდება ონლაინ ფორმატში.

იქნება თუ არა ლექციების ჩანაწერები ხელმისაწვდომი? -

დიახ, ლექციების ჩანაწერები გამოგეგზავნებათ ელექტრონულ ფოსტაზე.

SQL & Power BI კურსი საქართველოში

კურსის მიზანი

კურსის მიზანია სტუდენტებს შეასწავლოს მონაცემთა ანალიზის საფუძვლები SQL-ისა და Power BI-ის გამოყენებით.

ასევე კურსის მიზანია სტუდენტებს მისცეს ისეთი პრაქტიკული ცოდნა და უნარები მონაცემთა ანალიზის სფეროში, რომლებიც აუცილებელია დამწყები მონაცემთა ანალიტიკოსის ყოველდღიური საქმიანობის შესასრულებლად.

რატომ უნდა აირჩიო SQL და Power BI კურსი?

კურსის ფარგლებში შეისწავლი მონაცემების ამოღებას, ტრანსფორმაციას და ანალიზს SQL-ში, ხოლო Power BI-ის საშუალებით შექმნი ვიზუალურ ანალიტიკურ რეპორტებსა და დეშბორდებს, რომლებიც ხელს უწყობს მონაცემებზე დაფუძნებული გადაწყვეტილებების მიღებას.

ვისთვის არის განკუთვნილი SQL და Power BI კურსი

ეს კურსი განკუთვნილია როგორც მომავალი მონაცემთა ანალიტიკოსებისთვის ან ინჟინრებისთვის, ისე ფინანსისტების, მარკეტერების, HR-ებისა თუ ბიზნესის მფლობელებისთვის, ვისაც მონაცემებთან ყოველდღიური შეხება აქვს და საკუთარი საქმიანობის ოპტიმიზაცია სურს.

პროგრამა დაგეხმარებათ ჩაანაცვლოთ მექანიკური რეპორტინგი Excel-ში, ავტომატიზებული ხელსაწყოებით, მიიღოთ 360-გრადუსიანი ხედვა თქვენს ბიზნეს-პროცესებზე და მონაცემების მართვის გაუმჯობესებით მიაღწიოთ რეალურ შედეგებს.

რა შედეგს მიიღებ SQL და Power BI კურსის გავლის შემდეგ?

კურსის დასრულების შემდეგ შეძლებ:

მონაცემთა ბაზებიდან საჭირო ინფორმაციის მოძიებას და ამოღებას

მონაცემების გაფილტვრას და დაჯგუფებას სხვადასხვა ბიზნეს ამოცანის მიხედვით

სხვადასხვა წყაროდან მიღებული მონაცემების ერთმანეთთან დაკავშირებას და ერთიან ანალიზს

მონაცემების დამუშავებას ისე, რომ ისინი ანალიზისთვის უფრო გასაგები და გამოსაყენებელი გახდეს

მონაცემების ვიზუალურად წარმოდგენას გრაფიკებისა და დიაგრამების საშუალებით

ინტერაქტიული რეპორტებისა და დეშბორდების შექმნას

მონაცემების ანალიზის საფუძველზე ბიზნესისათვის მნიშვნელოვანი დასკვნების გაკეთებას და გადაწყვეტილებების მხარდაჭერას

შალვა სილაგაძე

: 28 აპრ. 2026

მონაცემთა ანალიტიკოსი

მე ვარ შალვა სილაგაძე, 6 წლიანი გამოცდილებით მონაცემებთან მუშაობაში.

კარიერა მონაცემთა ანალიზის მიმართულებით დავიწყე სადაზღვევო კომპანია ალდაგში.

ვმუშაობდი მომხმარებელთა მონაცემების ანალიზზე, რაც ეხმარებოდა კომპანიას მარკეტინგული კამპანიების დაგეგმვასა და მომხმარებელთა ქცევის უკეთ გაგებაში.

შემდეგ კარიერა გავაგრძელე კომპანია ეფეს საქართველოში. იგივე ლუდსახარში ნატახტარი, სადაც სამი წლის განმავლობაში ვხელმძღვანელობდი მონაცემთა ანალიტიკის პროცესებს და ვმუშაობდი ანალიტიკური გადაწყვეტილებების განვითარებაზე, ვთანამშრომლობდი გაყიდვების და მარკეტინგის გუნდებთან, რათა კომერციულ გუნდებს უფრო ინფორმირებული გადაწყვეტილებების მიღებაში დავხმარებოდი.

ამჟამად ვმუშაობ IT საკონსულტაციო კომპანია პროდვეარში, სადაც ვიკავებ უფროსი მონაცემთა ანალიტიკოსის პოზიციას.

რჩევა [რომელსაც კარიერის დასაწყისში საკუთარ თავს მივცემდი]:

Fake it till you make it. უმეტესი ცონდა და უნარი გამოვიმუშავე ერთი მარტივი პრინციპით: ჯერ აიღე გამოწვევა, შემდეგ კი პროცესში ისწავლე როგორ უნდა გააკეთო.

Online

19:30 - 21:30

სილაბუსი

რას ისწავლი

• რელაციური მონაცემთა ბაზები (RDBMS): ცხრილური სტრუქტურის პრინციპი, სვეტები (Attributes) და სტრიქონები (Records).
• მონაცემთა ტიპები: ძირითადი ტიპების მიმოხილვა: ტექსტური (VARCHAR/TEXT), რიცხვითი (INT/DECIMAL) და თარიღის (DATE) ფორმატები.
• DDL (Data Definition): ცხრილის სტრუქტურის შექმნა (CREATE), შეცვლა (ALTER) და წაშლა (DROP).
• DQL (Data Query): მონაცემების ამოღების საფუძვლები: SELECT და FROM.
• სტრუქტურის აგება: ახალი ცხრილის შექმნა განსაზღვრული სვეტებითა და მონაცემთა ტიპებით.
• ცხრილის მართვა: ჩანაწერების ინდივიდუალური და მასობრივი დამატება, კონკრეტული უჯრედების მნიშვნელობების ცვლილება და არასაჭირო სტრიქონების წაშლა.
• ყველა ან კონკრეტული სვეტის ამოღება ცხრილიდან. "AS" გამოყენება სვეტების სახელების ოპტიმიზაციისთვის.
• პირველადი ფილტრაცია WHERE ოპერატორის გამოყენებით (ტოლია, მეტია, ნაკლებია).

• ლოგიკური ოპერატორები: როგორ ვაერთიანებთ რამდენიმე პირობას AND, OR და NOT ოპერატორების გამოყენებით.
• დიაპაზონები და სიები: BETWEEN (მნიშვნელობებს შორის მოქცევა) და IN (კონკრეტულ ჩამონათვალში ძებნა).
• ტექსტური ძებნა (Wildcards): LIKE ოპერატორი და სპეციალური სიმბოლოები ნაწილობრივი დამთხვევებისთვის.
• NULL-ებთან მუშაობა (IS NULL, IS NOT NULL).
• შედეგების დახარისხება: ORDER BY, ზრდადობა (ASC) და კლებადობა (DESC).
• მრავალდონიანი ფილტრაცია: მონაცემების ამოღება, რომლებიც ერთდროულად აკმაყოფილებენ რამდენიმე კრიტერიუმს
• ტექსტური ფილტრები: მომხმარებლების ან პროდუქტების ძებნა სახელის ნაწილის ან დაბოლოების მიხედვით.
• ინტერვალების გამოყოფა: თარიღებისა და რიცხვითი მონაცემების გაფილტვრა განსაზღვრულ შუალედებში.
• სორტირება: რეპორტების დალაგება ანბანის, თარიღის ან ციფრული მაჩვენებლების მიხედვით.
• ტოპ-შედეგები: LIMIT ან TOP ოპერატორების გამოყენება დახარისხებულ მონაცემებთან ერთად.

• აგრეგაციული ფუნქციები: დიდი მოცულობის მონაცემების ერთ მაჩვენებლამდე დაყვანა: COUNT() (რაოდენობა), SUM() (ჯამი), AVG() (საშუალო), MIN() & MAX() (ექსტრემალური მნიშვნელობები).
• GROUP BY : მონაცემების სეგმენტაცია კატეგორიების მიხედვით. როგორ მუშაობს დაჯგუფების ლოგიკა SQL-ში.
• ფილტრაცია აგრეგაციის შემდეგ (HAVING): განსხვავება WHERE-სა (ფილტრავს სტრიქონებს) და HAVING-ს (ფილტრავს დაჯგუფებულ შედეგებს) შორის.
• უნიკალური მნიშვნელობები: DISTINCT ოპერატორის გამოყენება აგრეგაციულ ფუნქციებში
• ჯამური მაჩვენებლების გამოთვლა: მთლიანი გაყიდვების, საშუალო ჩეკისა და ტრანზაქციების რაოდენობის დათვლა.
• მრავალდონიანი დაჯგუფება: მონაცემების დაყოფა ერთდროულად რამდენიმე კატეგორიად (მაგ: გაყიდვები წლებისა და რეგიონების მიხედვით).
• ტოპ-შესრულების იდენტიფიცირება: ყველაზე მაღალი და დაბალი მაჩვენებლების მქონე ჯგუფების პოვნა.
• აგრეგირებული მონაცემების ფილტრაცია: მხოლოდ იმ ჯგუფების დატოვება, რომელთა ჯამური მაჩვენებელი აჭარბებს კონკრეტულ ზღვარს

• ტექსტური ფუნქციები (String Functions): ტექსტის დამუშავება — UPPER, LOWER (რეგისტრის ცვლილება), CONCAT (ტექსტების შეერთება), SUBSTRING (ნაწილის ამოჭრა).
• თარიღებთან მუშაობა (Date Functions): თარიღიდან კომპონენტების ამოღება (YEAR, MONTH, DAY), თარიღებს შორის სხვაობის გამოთვლა (DATEDIFF) და ფორმატირება.
• რიცხვითი ფუნქციები: დამრგვალება (ROUND) და მათემატიკური ოპერაციები რეპორტინგისთვის.
• პირობითი ლოგიკა (CASE WHEN): როგორ შევქმნათ ახალი სვეტები პირობების მიხედვით (SQL-ის "IF-ELSE" ანალოგი).
• გაურკვევლობის მართვა: COALESCE და ISNULL — ცარიელი მნიშვნელობების (NULL) ჩანაცვლება წინასწარ განსაზღვრული ტექსტით ან ციფრით.
• მონაცემთა გასუფთავება: არათანაბარი რეგისტრის მქონე ტექსტების ერთ სტანდარტში მოყვანა და სახელების/გვარების გაერთიანება.
• დროითი ანალიზი: მომხმარებლის ასაკის გამოთვლა დაბადების თარიღიდან ან შეკვეთის შესრულების ხანგრძლივობის დადგენა.
• სეგმენტაცია კოდში: CASE WHEN-ით მომხმარებლების დაყოფა კატეგორიებად (მაგ: თუ დახარჯვა > 1000 მაშინ 'Gold', სხვა შემთხვევაში 'Silver').
• ნულოვანი მნიშვნელობების დამუშავება: რეპორტში NULL-ების ნაცვლად "ინფორმაცია არ არის" ან "0"-ის გამოჩენა.

• Subqueries : როდის ვიყენებთ მას ფილტრაციისთვის (WHERE) ან ახალი სვეტის შესაქმნელად.
• CTEs (Common Table Expressions): WITH პუნქტის გამოყენება. როგორ ვაქციოთ რთული კოდი კითხვადად და სტრუქტურირებულ ბლოკებად. განსხვავება Subquery-სა და CTE-ს შორის.
• Window Functions (საფუძვლები): მონაცემების ანალიზი სტრიქონების დაჯგუფების გარეშე. OVER(), PARTITION BY და ORDER BY-ს გამოყენება Window-ში.
• რეიტინგები და რიგითობა: ROW_NUMBER(), RANK() და DENSE_RANK() — როგორ ვიპოვოთ "საუკეთესო" ან "ბოლო" ჩანაწერი თითოეულ კატეგორიაში.
• იერარქიული ფილტრაცია: ქვემოთხოვნის გამოყენება იმ მომხმარებლების საპოვნელად, რომელთა დახარჯული თანხა აღემატება საშუალო მაჩვენებელს.
• კოდის ოპტიმიზაცია CTE-ით: რთული JOIN-ებისა და აგრეგაციების გატანა დროებით ცხრილებში კოდის გასასუფთავებლად.
• დინამიური რეიტინგები: თითოეულ რეგიონში ყველაზე გაყიდვადი პროდუქტების იდენტიფიცირება RANK() ფუნქციით.
• მზადება Power BI-სთვის: "Views" ან საბოლოო Query-ს მომზადება, რომელიც მზად არის ვიზუალიზაციისთვის.

• Power BI Service-ის მიმოხილვა: განსხვავება Desktop-სა (შექმნა) და Service-ს (მოხმარება) შორის. ღრუბლოვანი (Cloud) გარემოს უპირატესობები
• გამოქვეყნება და სამუშაო სივრცეები: რა არის Workspaces და როგორ ვმართავთ წვდომებს გუნდის წევრებისთვის
• ავტომატური განახლება (Scheduled Refresh): როგორ დავაყენოთ განრიგი, რომ რეპორტმა თავად წამოიღოს ახალი მონაცემები SQL ბაზიდან ყოველ დილით
• უსაფრთხოება (Row-Level Security - RLS): როგორ გავაკეთოთ ისე, რომ რეგიონულმა მენეჯერმა მხოლოდ თავისი რეგიონის მონაცემები დაინახოს ერთსა და იმავე რეპორტში.
• Publishing: რეპორტის ატვირთვა Power BI Service-ში.
• ონლაინ რედაქტირება: რეპორტის მცირე ცვლილებების შეტანა ბრაუზერიდანვე.
• Gateway-ს კონცეფცია: შესავალი იმაში, თუ როგორ უკავშირდება ღრუბლოვანი სერვისი ლოკალურ SQL ბაზას (Gateway-ს როლი).
• მობილური ვერსია: რეპორტის ოპტიმიზაცია ტელეფონით დასათვალიერებლად (Mobile Layout).