Кирилл Безбородов

Курсы все разные, надо смотреть под себя, чтобы было понятно и интересно.

Не буду советовать курсы, опишу лишь технологии в порядке значимости, а также BI инструменты, с которых стоит начать работу.
1 и самое важное - SQL. Без него никуда. Конкретных СУБД со своими диалектами много, но начинать лучше с какой-нибудь уже взрослой, имеющей развитой диалект и хорошую совместимость со стандартом SQL, например postgresql. Но если на работе уже используется какая-либо БД, она и будет ответом. В аналитике более популярны другие БД типа Clickhouse, но они ограничены с точки зрения возможностей языка и это лучше понимать, чем не понимать. При больших объемах данных естественно работать придется с заточенными под аналитику субд
2 и не менее важное - статистика. Как минимум надо понимать что есть А/Б тестирование, как его проводить, как правильно выдвигать гипотезы и проверять их. Значимость
3 - то, без чего можно обойтись, но то, что все равно придется учить, если не хочется уметь больше и продвигаться дальше - python (+pandas +jupyter и мб некоторые другие библиотеки и фреймворки)
4 - то, что не является чем-то таким сложным, как питон или матстат, но понадобится в работе - Bi платформы. Мейнстримом являются tableau, power bi и qlik. Tableau - наиболее универсальный вариант с хорошими тарифами и возможностью полноценно изучать инструмент бесплатно. С него и советую начать. Power bi - близкий конкурент от майкрософт (что немного накладывает ограничения на стек технологий, но в целом все ок). C qlik не работал, но по ощущениям - очень старая платформа, используемая не самыми "айтишными" и гибкими с точки зрения технологий компаниями. Тоже очень мощная, но она скорее аутсайдер.
Также внимания заслуживают опенсорсные (и бесплатные) Apache superset, metabase и redash. Если в компании данных не очень много и они не слишком сложные, могу посоветовать начать внедрение BI с metabase - удобная система, которая активно развивается. При грамотно спроектированной БД позволяет многие вещи смотреть без SQL вообще, а так же хорошо прокачать SQL на более сложных задачах. Из минусов - не очень большое число визуализаций (впрочем все самое важное есть) и не очень понятная система привилегий и прав доступа. Впрочем уже очень хорошо, что в опен-сорсной БИ есть столь развитая система прав доступа. Redash похож на мету. Суперсет в перспективе их переплюнет, но зачем он нужен, если нельзя построить обычный график, на котором на оси Х нет ничего кроме дат.. впрочем мб эту проблему уже доделали
Еще есть Google Data Studio, который имеет отличную интеграцию с сервисами гугла, но показался сыроватым, впрочем это продукт гугла и это знак качества

Если майнить будет не выгодно с точки зрения затрат электроэнергии, то майнеры могут ввести комиссию за транзакции. Сейчас каждый майнер получает фиксированную сумму за каждый подписанный блок данных - 25 BTC [1]. Но пользователь, который делает перевод BTC, может на своё усмотрение часть суммы перечислить майнеру, который будет делать Proof of work. См [2]

Reward

When a block is discovered, the discoverer may award themselves a certain number of bitcoins, which is agreed-upon by everyone in the network. Currently this bounty is 25 bitcoins; this value will halve every 210,000 blocks. See Controlled Currency Supply.

Additionally, the miner is awarded the fees paid by users sending transactions. The fee is an incentive for the miner to include the transaction in their block. In the future, as the number of new bitcoins miners are allowed to create in each block dwindles, the fees will make up a much more important percentage of mining income.

Другой вариант, объединять множество компьютеров в пулы, которые будут майнить не для своей выгоды, а для того, чтобы сеть Bitcoin существовала. Например есть проект Folding@Home, участники которого безвозмездно предоставляют мощности своих процессоров и видеокарт для расчёта процесса сворачивания белка. Почему бы пользователям Bitcoin не объединиться таким же образом?