Vai al contenuto principale
Torna ai Corsi
Percorso completo

Learning Path - Percorso Formativo Completo V2

Pagina guida per leggere il percorso GinnyTech V2: 19 moduli, 210 lezioni core, 5 fasi, capstone finale e 3 track conclusivi.

Moduli

19

Lezioni Core

210

Fasi

5

Lettura rapida del percorso

M1-M4 Fondazione -> M5-M8 Applicazione Business -> M9-M13 Infrastruttura e Stack -> M14-M17 Rigore Quantitativo -> M18-M19 Direzione e Profondita

La logica generale e lineare: prima basi e metodo, poi applicazione, poi stack, poi rigore, infine direzioni professionali e profondita concettuale.

Capstone Finale

Costruire un sistema completo di Marketing Data & Analytics Engineering

Capstone finale obbligatorio che unisce tracking, modellazione metrica, architettura dati, trasformazioni, dashboard, forecasting, sperimentazione e raccomandazione economica finale.

Milestone 1: definire business question, piano di tracking e data contracts.
Milestone 2: costruire KPI tree, baseline e modello metrico di riferimento.
Milestone 3: progettare warehouse o lakehouse design con pipeline e modellazione analytics engineering.
Milestone 4: pubblicare dashboard decisionale e piano sperimentale.
Milestone 5: consegnare previsione, raccomandazione economica e narrativa executive.

Track Finali

Growth & Marketing Measurement

Track finale per chi vuole governare measurement architecture, incrementality, budget allocation e decisioni growth-oriented.

Product & Experimentation

Track finale per chi vuole lavorare su product analytics, retention, experimentation science e causalita applicata.

Data Platform & Analytics Engineering

Track finale per chi vuole progettare lo stack analitico end-to-end, dal tracking al warehouse fino al serving layer.

Le 5 fasi

Il corso e organizzato come un percorso, non come un archivio

Ogni fase ha un ruolo preciso. Se capisci questa sequenza, capisci anche perche ogni modulo sta dove sta.

Ingressi consigliati

Prima guarda il percorso completo, poi scegli da dove entrare

Questi non sostituiscono il percorso intero. Sono modi pratici per orientarti senza perdere la logica generale del catalogo.

Percorso consigliato

Partenza guidata

Per chi vuole capire il corso senza salti e costruire basi solide.

Fasi incluse

Fondazione
4 moduli
33 lezioni
Inizia da Panoramica del Corso e Metodo di Studio per Data Work

Percorso consigliato

Focus business

Per chi lavora gia su prodotto, marketing o dashboard e vuole ordine prima di velocita.

Fasi incluse

Fondazione Applicazione Business
8 moduli
94 lezioni
Inizia da Panoramica del Corso e Metodo di Studio per Data Work

Percorso consigliato

Focus tecnico

Per chi vuole arrivare a tracking, architettura dati, realtime e analytics engineering.

Fasi incluse

Fondazione Infrastruttura e Stack Rigore Quantitativo
13 moduli
124 lezioni
Inizia da Panoramica del Corso e Metodo di Studio per Data Work

Percorso consigliato

Focus quantitativo

Per chi vuole lavorare meglio su SQL, matematica, testing, causalita e decisioni rigorose.

Fasi incluse

Fondazione Rigore Quantitativo Direzione e Profondita
10 moduli
105 lezioni
Inizia da Panoramica del Corso e Metodo di Studio per Data Work

Programma completo

Tutti i moduli, nell ordine reale del percorso

Questa e la parte piu importante della pagina: i 19 moduli sono mostrati in sequenza e raggruppati per fase, cosi il percorso intero resta leggibile anche quando il catalogo cresce.

M1-M4

Fondazione

Costruisci metodo, linguaggio, tracking e logica delle metriche.

4 moduli 33 lezioni

Modulo 1

Panoramica del Corso e Metodo di Studio per Data Work

Trasforma il corso da catalogo a sistema cognitivo, con metodo di studio, memoria tecnica e piano di output professionali.

Lezioni

8

Prima lezione

Come funziona il percorso: mappa completa del corso

Apri modulo Vai alla prima lezione

Modulo 2

Data Collection & Tracking Systems

Passa da tag e strumenti isolati a sistemi di misura affidabili, governati e osservabili.

Lezioni

8

Prima lezione

Measurement architecture: cosa misurare e perche

Apri modulo Vai alla prima lezione

Modulo 3

Metriche, KPI Trees e Fondamenti Analitici

Impara a leggere i numeri come sistemi, con KPI tree, unit economics, baseline corrette e lettura causale dei segnali.

Lezioni

8

Prima lezione

North Star Metric, KPI tree e metrica obiettivo

Apri modulo Vai alla prima lezione

Modulo 4

Gestione Data-Driven e Operating System Decisionale

Porta i dati nel modo quotidiano di decidere con cadence, governance, decision memo e allineamento tra funzioni.

Lezioni

9

Prima lezione

PDCA, OODA, HADI e sistemi di miglioramento continuo

Apri modulo Vai alla prima lezione
M5-M8

Applicazione Business

Porti il dato dentro prodotto, marketing, dashboard e primi modelli decisionali.

4 moduli 61 lezioni

Modulo 5

Product Analytics e Growth Diagnostics

Leggi dove il prodotto crea valore, attrito o perdita con funnel, retention, activation e monetization analytics.

Lezioni

12

Prima lezione

Product value model: cosa deve fare un prodotto per funzionare

Apri modulo Vai alla prima lezione

Modulo 6

Marketing Analytics, Incrementality e Unit Economics

Porta il marketing da reporting a disciplina quantitativa seria con incrementality, unit economics e review decisionali.

Lezioni

22

Prima lezione

Measurement architecture per il marketing

Apri modulo Vai alla prima lezione

Modulo 7

Dashboard, Visualization e Decision Interface

Costruisci dashboard che fanno decidere, con gerarchia visiva, semantic consistency, alerting e contesto operativo.

Lezioni

8

Prima lezione

Decision-first dashboard design

Apri modulo Vai alla prima lezione

Modulo 8

Marketing Data Science, Forecasting e Decision Models

Introduce modelli utili al business, distinguendo prediction, causation, scenario planning e model risk.

Lezioni

19

Prima lezione

Prediction vs causation: due mondi diversi

Apri modulo Vai alla prima lezione
M9-M13

Infrastruttura e Stack

Entri in warehouse, lake, streaming, realtime e disciplina operativa.

5 moduli 44 lezioni

Modulo 9

Data Warehousing & Analytical Architecture

Capisci davvero come si progetta un sistema analitico scalabile con grain corretto, storicizzazione e trade-off architetturali.

Lezioni

7

Prima lezione

Anatomia di un analytical system

Apri modulo Vai alla prima lezione

Modulo 10

S3, Data Lake e Lakehouse Architecture

Passa da bucket con file a un data lake leggibile, governato e compatibile con i moderni pattern lakehouse.

Lezioni

12

Prima lezione

Object storage: come funziona davvero

Apri modulo Vai alla prima lezione

Modulo 11

Kafka & Event Streaming Engineering

Insegna la logica del dato come flusso, con schema contracts, stream processing e failure handling realistico.

Lezioni

9

Prima lezione

Event streaming mental model

Apri modulo Vai alla prima lezione

Modulo 12

Real-Time Analytics & ClickHouse Systems

Trasforma il realtime da slogan a sistema robusto con ingestion pattern, MergeTree thinking e cost control.

Lezioni

9

Prima lezione

Cosa significa davvero "real-time"

Apri modulo Vai alla prima lezione

Modulo 13

Infrastructure & Ops for Data Systems

Dai disciplina operativa da ingegneria seria a workload dati, deploy, osservabilita, security e incident response.

Lezioni

7

Prima lezione

Infrastructure as code e ambienti

Apri modulo Vai alla prima lezione
M14-M17

Rigore Quantitativo

Rafforzi SQL, matematica, analytics engineering e sperimentazione.

4 moduli 47 lezioni

Modulo 14

Advanced SQL for Analytical Systems

Usa SQL come linguaggio di ragionamento, non solo di estrazione, con pattern per coorti, funnel, esperimenti e performance.

Lezioni

14

Prima lezione

Execution order, logical plans e query thinking

Apri modulo Vai alla prima lezione

Modulo 15

Matematica per l Analisi Dati

Inserisce il rigore matematico che rende piu leggibili modelli, inferenza, forecasting e regressioni applicate.

Lezioni

10

Prima lezione

Vettori, matrici e geometria del dato

Apri modulo Vai alla prima lezione

Modulo 16

Analytics Engineering con dbt e Semantic Layer

Trasforma dati grezzi in modelli affidabili, riusabili e governati con layering, test, contracts e semantic layer.

Lezioni

13

Prima lezione

Che cos e davvero l analytics engineering

Apri modulo Vai alla prima lezione

Modulo 17

Significativita Statistica, A/B Testing e Experimentation Science

Porta la sperimentazione a livello serio con design causale, power planning, variance reduction e governance.

Lezioni

10

Prima lezione

Fondamenti della significativita statistica

Apri modulo Vai alla prima lezione
M18-M19

Direzione e Profondita

Chiudi il percorso con traiettorie professionali, causalita e lettura critica dei dati.

2 moduli 25 lezioni

Modulo 18

Direzioni in Analitica: Marketing, Prodotto, Finanza

Collega i moduli tecnici ai ruoli veri, alle responsabilita economiche e alle scelte di specializzazione professionale.

Lezioni

14

Prima lezione

Mappa dei ruoli in analitica moderna

Apri modulo Vai alla prima lezione

Modulo 19

Fondamenti Filosofici dell Analisi dei Dati

Dai profondita epistemologica, causale e critica al lavoro sui dati, collegando evidenza, modelli, rischio e responsabilita.

Lezioni

11

Prima lezione

Che cos e un evidenza

Apri modulo Vai alla prima lezione

La logica del percorso

La V2 del corso mantiene la struttura a 19 moduli ma rende esplicita una differenza che prima si intuiva soltanto: il catalogo non e un archivio di argomenti, e un percorso a 5 fasi con 210 lezioni core e un capstone finale che obbliga a ricomporre tutto.

  1. Fondazione: Metodo, tracking, metriche e operating system decisionale prima di entrare nelle specializzazioni.
  2. Applicazione Business: Prodotto, marketing, dashboard e modelli decisionali applicati a problemi reali di crescita.
  3. Infrastruttura e Stack: Warehouse, lakehouse, streaming, realtime e disciplina operativa per sistemi analitici affidabili.
  4. Rigore Quantitativo: SQL avanzato, matematica, analytics engineering e experiment science per alzare il livello del corso.
  5. Direzione e Profondita: Ruoli, responsabilita economica, causalita e lettura critica dei dati in contesti decisionali complessi.

Cosa cambia nella V2

  • Ogni lezione segue uno standard unico: problema reale, modello, formalizzazione, esempio, lab, errore tipico e checkpoint.
  • Ogni modulo mette a disposizione dataset realistici, notebook, query SQL o trasformazioni e soluzioni guidate per esercizi a 3 livelli.
  • Ogni modulo chiude con assignment, caso studio end-to-end, cheat sheet, rubrica pubblica ed esame modulo.
  • Il percorso culmina in un capstone integrato e in tre track finali per specializzazione professionale.

Capstone finale

Costruire un sistema completo di Marketing Data & Analytics Engineering

Capstone finale obbligatorio che unisce tracking, modellazione metrica, architettura dati, trasformazioni, dashboard, forecasting, sperimentazione e raccomandazione economica finale.

  • Milestone 1: definire business question, piano di tracking e data contracts.
  • Milestone 2: costruire KPI tree, baseline e modello metrico di riferimento.
  • Milestone 3: progettare warehouse o lakehouse design con pipeline e modellazione analytics engineering.
  • Milestone 4: pubblicare dashboard decisionale e piano sperimentale.
  • Milestone 5: consegnare previsione, raccomandazione economica e narrativa executive.

Output richiesti:

  • Piano di tracking.
  • Modello metrico.
  • Warehouse o lakehouse design.
  • Trasformazioni analytics engineering.
  • Dashboard decisionale.
  • Un esperimento.
  • Una previsione.
  • Una raccomandazione economica finale.

Track finali

Growth & Marketing Measurement

Track finale per chi vuole governare measurement architecture, incrementality, budget allocation e decisioni growth-oriented.

Outcome principali:

  • Disegnare sistemi di misura marketing credibili.
  • Leggere unit economics, attribution e incrementality con rigore.
  • Tradurre insight marketing in azioni di budget e growth review.

Product & Experimentation

Track finale per chi vuole lavorare su product analytics, retention, experimentation science e causalita applicata.

Outcome principali:

  • Diagnosticare activation, retention e churn in modo sistemico.
  • Progettare esperimenti e leggere effetti causali con maggiore affidabilita.
  • Scrivere memo decisionali per prodotto e leadership.

Data Platform & Analytics Engineering

Track finale per chi vuole progettare lo stack analitico end-to-end, dal tracking al warehouse fino al serving layer.

Outcome principali:

  • Disegnare architetture analitiche scalabili con contratti, QA e osservabilita.
  • Costruire modelli dati riusabili con dbt e semantic layer.
  • Sostenere pipeline batch e realtime con disciplina operativa.

Come usare questa pagina

Usa la learning path in tre momenti:

  1. all inizio, per capire il perimetro del corso;
  2. a meta percorso, per verificare dove il tuo profilo e gia forte e dove no;
  3. prima del capstone, per scegliere il track finale e impostare i deliverable piu coerenti con il tuo obiettivo.