数据分析实战速成班 2期

授课时间:周二、周四、周六 20:00-22:00

抢先预订名额

  • 50+

    已报名学员

  • 2020-11-18

    报名截止/开课时间

  • 1.7.2

    课程版本

课程简介/Course Introduction

  • 随着5G网络即将商用,企业每天将会产生海量数据,BAT日均数据更是达到了PB的级别。数据分析可以从海量数据中提取重要信息,继而进行分析企业现阶段的整体运营情况,了解各项业务的发展及变动情况。针对企业运营现状进行原因分析,指导业务发展,预测未来可能发生的情况,帮助决策者做出正确的决策。但是一提到数据分析,很多人就觉得无从下手,知识点零散总是抓不住重点,学习起来相当吃力。而本课程从基础内容教授,共分为八大阶段,让小白学员也能听得懂,且能学以致用,逐步提升。通过多业务多场景引入,深度讲解数据分析底层思维逻辑、相关技术工具,全面提升你的数据分析能力。
数据分析实战速成班 2期

适合人群/Suitable For People

  • 初阶数据分析师
    需构建完整的数据分析知识体系,提升业务
    实战能力摆脱“人肉取数机器”,突破薪资瓶颈拥有
    更开阔的业务视角,提升职场竞争力满足大厂数据分析
    能力模型,斩获高薪Offer。

  • 在校大学生和研究生
    想从事数据分析行业,获得高薪offer专业不受限,
    岗位薪资高,0基础就能学,学完就能用,
    能写在校招和社招中体现简历上的真实项目经验。

  • 产品/运营/市场
    想要拿到大厂高薪Offer,成为业务操盘手,不拍脑门,
    用数据驱动业务决策,搭建核心指标体系,
    抓住业务核心本质,自动化办公,提升工作效率。

职业发展前景/Career Development Prospects

职业发展前景

师资团队/Faculty Team

李希沅

李希沅毕业于河北工程大学

前转转公司大数据资深架构师,Hadoop平台负责人,带头研发了公司任务调度平台,即席查询平台等核心平台,曾任东方国信大数据架构师,大数据技术经理,负责《联通全流量查询平台》《联通IP溯源平台》等多个PB级数据知名项目,曾架构管理联通10000+台机器大数据集群,并为中国平安,中国移动等多家企业内训,有丰富的授课经验。

马中华

马中华毕业于湖北师范大学

前Oracle数据开发技术组负责人,动批网数据运营系统负责人,阿里云/腾讯云全球第一位认证金牌讲师,阿里云栖大会NLP专场特邀演讲嘉宾,混迹大数据开发和分析之江湖多年,精通各大大数据分析和处理技术,架构经验丰富,在数据挖掘,数据建模等方向也有丰富企业实战经验。有丰富的企业技术培训和技术讲座的实战经验,历史受训学员2000+。

李钊

李钊毕业于北京科技大学

数据分析专家、用户增长专家,10余年数据分析工作经验;原美国伯克利大学副研究员,深谙统计机器学习算法。前IT教育公司数据分析方向负责人,任学科总监,长期担任C端用户增长团队负责人。曾多次获得“最佳讲师”称号。有丰富的课程讲授的实战经验,历史受训学员3000+。

孙娟

孙娟毕业于国防信息学院

8年数据分析及企业内训工作经验,曾就职于亚信移动事业部,参与CRM系统二期开发;数据库指标魔方统计,参于数据仓库的体系架构;某银行数据分析师,负责业务需求实现可视化开发。精通Oracle数据库,及Informatica,可视化Tableau实现企业驾驶舱,擅长将工作中所应用到的知识运用到教学实践,学以致用,熟悉商业智能体系架构。有丰富的企业技术培训和技术讲座的实战经验,历史受训学员2000+。

王端阳

王端阳毕业于北京航空航天大学

前凤凰金融大数据部门负责人,主导公司智能风控系统和智能推荐系统的建设。多年大数据架构以及授课经验,擅长Hadoop、Spark、Storm、Flink等大数据生态技术,在数据密集型系统架构,大数据分布式计算等方面有着深入研究。授课特点:拟物化编程+强案例支撑,最终帮助学生建立完备的大数据生态知识体系

  • 李希沅

    李希沅

  • 马中华

    马中华

  • 李钊

    李钊

  • 孙娟

    孙娟

  • 王端阳

    王端阳

课程大纲/Syllabus

  • 4

    学习时长(月)

  • 37

    单元(个)

  • 200+

    知识点(个)

第一阶段:商业数据分析师用户分析&业务目标拆解

第一单元 数据分析技能在各行业业务应用 1.数据分析概述
2.数据分析师工作场景以及工作内容
3.数据收集
4.数据存储
5.数据处理
6.数据分析
7.数据可视化
8.数据分析报告
9.制定业务目标需考虑因素
10. 影响交易额客观因素
11.拆解业务目标方法
第二单元 商业智能分析方法&用户生命周期和用户增长模型 1.漏斗图分析法
2.SWOT/态势法
3.逻辑树分析法
4.用户结构分析
5.用户行为分析
6.用户价值分析
7.引入期、成长期、成熟期、休眠期和流失期
8.用户生命周期模型作用
9.用户生命周期运营策略
10.AARRR模型各环节说明
11.如何使用RFM模型进行用户价值分类
第三单元 数据分析Excel技能 1.数据分析必备技能Excel软件介绍
2.数据处理Excel各菜单使用
3.查看数据固定首行,首列
4.统计分析占总额比值 相对引用,绝对引用
5.提高数据分析高频使用快捷键
6.Excel统计分析函数介绍,分类
7.数据分析统计功能函数(字符,日期,数学函数)
8.业务需求对比分析法解决哪类产品销售好的问题
9.运用趋势分析方法分析水果各时间段的变化需求量
10.对各品类数据进行分组,--矩阵关联法(象限分析法)
11.销售团队消毒液销售情况分析---分组分析
第四单元 数据分析项目实战 1.分析用户购买行为各环节转化---产品用户行为分析(漏斗分析)
2.分析各产品结构,销量及销售额,占总额百分比 占比分析
3.不同类型产品层级关系分析--树状图使用
4.多维数据集雷达图使用
5.多层级数据之间的占比及对比关系旭日图的使用
6.业务需求交互式数据分析,动态图使用,数据透视表的用法
7.交互式业务数据分析,切片器,日程表用法
8.某咖啡北京分公司监测各商品销售情况,大屏可视化分析
9.用户画像属性分析,用户画像的目的
10.RFM模型实践应用,用户价值分析
11.某电子购物业务需求,对产品,地区,时间等多维度进行统计分析并可视化展示

第二阶段:行业数据分析师MySQL业务查询实战

第五单元 构建结构化业务数据库/表 1.互联网数据分析数据存储MySQL,及数据库介绍
2.数据分析认识SQL,SQL分类
3.数据存储数据库的创建
4.业务数据库表定义
5.数据类型介绍
6.约束的分类与使用
7.业务数据库数据添加,导入,备份
8.数据更新操作
9.数据删除操作
10.业务指标,字段,查询操作
第六单元 查询业务指标 1.业务指标查询分析
2.业务指标条件查询用法
3.业务指标查询交集,并集用法
4.查询去重Distinct
5.不同维度进行分组查询group by
6.各业务指标统计分析count,sum,max,min
7.数学函数用法round,abs,mod
8.字符函数Length,Lower,Upper,Concat
9.日期函数current_timestamp,current_date,day,month,year
10.对业务指标进行排序Order by
第七单元 SQL高效查询优化 1.多数据源查询业务指标,多表查询
2.连接查询,笛卡尔积介绍
3.连接查询,内连接,左连接,右连接用法
4.使用子查询处理复杂业务逻辑
5.where子查询,from子查询
6.子查询In,Any,All用法
7.事务操作,业务逻辑处理
8.IF语句、CASE语句等流程控制
9.索引的用法,提高查询速度
10.SQL交叉表统计分析行转列
第八单元 业务指标统计分析 1.统计分析函数 Over()窗口函数的用法
2.活动销售数据统计分析
3.用户价值划分模型
4.业务场景:统计平台销售情况
5.灯塔指标:下单用户数,订单量,GMV,客单价等
6.分析方法:汇总统计
7.分析方法:对比分析
8.分析方法:分析分析
9.确定指标计算口径
10.SQL总结

第三阶段:构建数据仓库大数据分析Hive查询

第九单元 HQL大数据业务数据需求查询 1.大数据集群Hadoop分布式架构原理
2.HDFS、MR、YARN
3.Hive数据仓库
4.HQL数据查询基础语法
5.HQL与SQL的区别
6.数据库基本操作-库、表
7.分区表概念
8.分区意义和本质
9.动态分区属性设置及示例
10.分桶意义和价值
第十单元 HQL业务大数据指标统计分析 1.分区表与分桶表
2.关联表数据查询
3.常用内置函数
4.累计计算窗口函数(count,sum,min,max)
5.排序窗口函数row_number() over()、rank()、over()
6.偏移分析函数lag() over()、lead() over()
7.复杂数据类型array示例、map例、struct示例
8.嵌套数据类型
9.排名函数/窗口函数详解
10.自定义函数
第十一单元 HQL大数据查询优化 1.Group by替换Distinct去重
2.Grouping sets、cube、rollup 聚合技巧
3.使用Lateral view进行行转列
4.数据倾斜的原因及解决办法
5.文件读取/解析的方式指定ROW FORMAT
6.序列化和反序列化
7.Hive文件存储及属性设置
8.Hive视图、日志和运行方式
9.Hive企业级调优

第四阶段:Python数据分析实战&Python自动化办公

第十二单元 Python数据分析编程 1.创建jupyter虚拟环境
2.Tab补全、jupyter快捷键
3.if、for循环、whlie循环
4.列表、字符串、元组、集合、字典
5.函数、文件、对象
6.继承中单继承与多继承
7.捕获异常、模块
8.文件操作、读文件
9.文件打开方式、写文件
第十三单元 Numpy科学计算库 1.Ndarray数据类型
2.Ndarray与Python原生list运算率对比
3.创建一维数组、二维数组
4.调整数据组形状和常用属性
5.将数组转为List
6.Numpy数据类型
7.数组索引、切片和数组数值修改
8.数组添加、删除和去重
9.Numpy计算
10.数组拼接、分割
11.数组中nan和inf
12.二维数组转置
第十四单元 Pandas数据分析库 1.Series与DateFrame数据结构
2.Pandas数据结构介绍
3.Series与DataFrame对象
4.DataFrame对象常用属性
5.Fataframe修改index、columns
6.本地数据的读取
7.缺失值、重复值、异常值处理
8.多层索引、时间序列、分组聚合
9.数据处理、合并和多层索引
10.时间序列、分组聚合和分组
第十五单元 Matplotlib数据绘图 1.Matplotlib数据可视化
2.高频图像种类场景
3.实现Matplotlib画图
4.折线图绘制、颜色、形状和样式
5.设置图片大小及保存
6.绘制X轴和Y轴刻度
7.一图多个坐标系子图
8.设置坐标轴范围
9.改变坐标轴默认显示方式
10.绘制散点图、设置图像大小及图例
11.绘制条形图及横向条形图
12.并列及罗列条形图
13.绘制饼状图

第五阶段:BI商务智能数据分析可视化

第十六单元 Tableau数据可视化 1.什么是报表,什么是可视化
2.Tableau产品介绍,简介
3.Tableau设计形式
4.设计流程,入门实例演示
5.Tableau数据源与数据处理
6.Tableau工作表仪表板、故事创建及区别与联系
7.Tableau筛选器,字段类型,集合,分组,分层,文件夹
8.图形报表的使用,对比分析各类型柱形图使用
9.业务需求分析,图表的使用
10.折线图,圆环图,词云图,气泡图等图形用法
11.Tableau参数设置
12.组合图,动态图,桑吉图用法
第十七单元 Tableau 数据分析项目实战 1.Tableau 填充地图可视化
2.Tableau 标记地图可视化
3.Tableau 自定义地图应用
4.仪表板介绍,使用
5.故事介绍与使用
6.项目需求分析,数据获取
7.业务场景指标统计图表开发
8.业务指标同比,与环比,新建计算字段
9.Tableau综合大屏可视化开发,多维数据分析
10.Tableau数据分析其它设置
第十八单元 Power BI 数据报表可视化 1.PowerBI系列组件介绍
2.PowerBI Desktop软件介绍
3.数据源获取,导入PowerBI
4.查询编辑器的使用Power Query
5.建立数据模型,关系
6.新建度量值,列
7.可视化图形的用法,对比分析
8.趋势分析,占比分析,分组分析
9.各业务需求分析,图形选择
10.PowerBI仪表板应用,综合分析
第十九单元 Power BI 数据分析项目实战 1.PowerBI 地图可视化
2.PowerBI 漏斗可视化
3.仪表板的设计,要求
4.PowerBI参数设置
5.PowerBI指标同环比计算
6.PowerBI项目需求理解
7.业务数据源导入,建模,处理
8.业务需求指标统计可视化开发
9.大屏可视化分析呈现
10.数据分析报告设置
第二十单元 Python自动化办公 1.Python控制Excel实现自动化办公
2.Python控制WORD实现自动化办公
3.Python控制PDF实现自动化办公
4.Python控制邮件实现自动化办公
5.Python控制报表实现自动化办公

第六阶段:数据分析综合项目实战

第二十一单元 大促用户消费购买力分析 1.项目背景: 为更好进行用户的消费力拉动,针对性策划精准营销。对用户进行消费购买力分析。
2.核心技术: 数据预处理、业务经验逻辑、数据可视化
3.业务场景: 大促奢侈品精准用户营销等
第二十二单元 全民消费品趋势分析 1.项目背景: 对未来消费品趋势的挖掘与预测,提前布局。
2.核心技术: 数据预处理、数据可视化
3.业务场景: 大促会场选品、铺货、招商规划等。
第二十三单元 用户全链路体系构建 1.项目背景: 深度、全面、精细的分析电商用户,针对不同阶段、不同周期用户的特点制定个性化策略。
2.核心技术: 数据预处理、数据分析模型、可视化
3.业务场景: 拉新、唤醒等用户营销
第二十四单元 大促地域销售预测分析 1.项目背景: 深度、全面、精细的分析电商用户,针对不同阶段、不同周期用户的特点制定个性化策略。
2.核心技术: 数据预处理、数据分析模型、可视化
3.业务场景: 大促库存调控
第二十五单元 服饰类超级活动流量来源分析 1.项目背景: 超级会场流量来源去向分析
2.核心技术: 数据预处理、可视化
3.业务场景: 活动复盘,辅助营销策略布局。
第二十六单元 品牌及竞品用户全链路分析 1.项目背景: 指定品牌用户深度分析,竞品分析
2.核心技术: 数据预处理、4A模型、数据可视化
3.业务场景: 品牌各阶段用户营销
第二十七单元 电商生态人群聚类 1.项目背景: 超级会场流量来源去向分析
2.核心技术: 数据预处理、聚类模型、可视化
3.业务场景: 用户营销
第二十八单元 大促下单时段偏好分析 1.项目背景: 大促活动时间甄选
2.核心技术: 数据预处理、数据可视化
3.业务场景: 活动时间、货品选择
第二十九单元 服饰全年销售趋势分析 1.项目背景: 销售分析
2.核心技术: 数据预处理、数据可视化
3.业务场景: 复盘、铺货、招商、活动营销等。
第三十单元 毛衣偏好趋势分析 1.项目背景: 通过用户购买情况,详细分析趋势,引领未来潮流
2.核心技术: 数据预处理、数据可视化
3.业务场景: 秋上新活动选品
第三十一单元 销售监控分析 1.项目背景: 日常经分销售监控分析
2.核心技术: 数据预处理、数据可视化
3.业务场景: 经营分析

第七阶段:数据分析师&统计学分析

第三十二单元 描述统计&总体推断 1.统计学数据类型划分
2.Mean/均值、Mode/众数、Quantile/四分位数、Variance/方差
3.Standard/标准差、Z-score/标准分数、Skwness/偏度、Kurtosis/峰度
4.从集中趋势,离散程度,分布形态三方面描述数据
5.不同抽样方法优劣比较与使用场景
6.总体 、样本、 抽样三大不同性质分布
第三十三单元 抽样调查后推断总体情况(参数估计、假设检验) 1.参数估计与假设检验
2.通过样本推断总体的方法与理论依据
3.估计量与估计值
4.点估计与区间估计
5.总体区间估计
第三十四单元 筛选影响结果的关键性因素(方差分析,列联分析,相关分析) 1.分类型数据与分类型数据关系度量(列联分析,独立性检验)
2.连续型数据与分类型数据关系度量(T检验,方差分析)
3.连续型数据与连续型数据关系度量 (相关分析)
4.数据类型
5.方差分析类型
6.正态性检验

第八阶段:建模数据分析师&数据挖掘项目实战

第三十五单元 算法建模进行数据分析 1.解析各算法基本函数、目标函数和最优函数
2.从数据清洗到探索性数据分析(EDA)
3.如何建立多种基础模型,如何选择最优算法
4.通过提升模型精度来展示结果
第三十六单元 高级课题—数据挖掘算法 1.KNN/K-近邻算法
2.朴素贝叶斯算法
3.最小二乘法
4.MLE/极大似然估计算法
5.特征工程
6.探索性数据分析
7.线性回归算法
8.逻辑回归算法
9.梯度下降算法
10.决策树算法
11.随机森林算法
12.聚类算法/K-Means
第三十七单元 实战项目 1.逾期还款业务分析 - 逻辑回归算法
2.用户流失预警 - KNN算法、SVM算法
3.随机森林算法填充缺失值
一、业务场景:增大用户池的方法除用户引流外,就是控制用户流失,针对同状态的用户采取不同的运营方案,进行唤醒激活挽回等
二、灯塔指标:
1.刻画以往行为,访问平均间隔,最大间隔, 访问时长
2.最后一次访问距窗口期间隔长,消费金额,消费频次,消费优惠占比
三、分析方法:特征工程,逻辑回归,朴素贝叶斯等
四、使用工具:统计学、数据挖掘
五、可视化分析:饼图, 环形图
六、结论:
1.给出各用状态(活跃,睡眠,流失)
2.对不同用户采取不同方案

实战课程案例/Practical Course Cases

  • 企业级电商项目案例
  • 大促用户消费购买力分析

    为更好进行用户的消费力拉动,针对性策划精准营销。对用户进行消费购买力分析。

    立即咨询

  • Netty框架线程模型设计案例
  • 全民消费品趋势分析

    对未来消费品趋势的挖掘与预测,提前布局。

    立即咨询

  • 微服务框架Dubbo调用案例
  • 用户全链路体系构建

    深度、全面、精细的分析电商用户,针对不同阶段、不同周期用户的特点制定个性化策略。

    立即咨询

  • 企业级电商项目案例
  • 大促地域销售预测分析

    深度、全面、精细的分析电商用户,针对不同阶段、不同周期用户的特点制定个性化策略。

    立即咨询

  • Netty框架线程模型设计案例
  • 服饰类超级活动流量来源分析

    超级会场流量来源去向分析

    立即咨询

  • 微服务框架Dubbo调用案例
  • 品牌及竞品用户全链路分析

    指定品牌用户深度分析,竞品分析

    立即咨询

  • 企业级电商项目案例
  • 电商生态人群聚类

    核心用户群画像分析,打造专属形象、口碑等

    立即咨询

  • Netty框架线程模型设计案例
  • 大促下单时段偏好分析

    大促活动时间甄选

    立即咨询

  • 微服务框架Dubbo调用案例
  • 服饰全年销售趋势分析

    销售分析

    立即咨询

  • 企业级电商项目案例
  • 毛衣偏好趋势分析

    通过用户购买情况,详细分析趋势,引领未来潮流

    立即咨询

  • Netty框架线程模型设计案例
  • 销售监控分析

    日常经分销售监控分析

    立即咨询

课程学习安排/Curriculum Arrangement

学习时长:4个月
周二、周四、周六 20:00-22:00(2小时)

名师大V倾囊授课;班主任全程解答,辅导
学业,5A级专业服务;线上社群互动;线
下沙龙交流;促学习、优人脉。

直播大课为主,实时在线互动,老师实时解答;录播课程为辅,协助时间不足或希望反复学习同学;分享预习资料、课程PPT、笔记、源码等资料。

教学服务体系/Teaching Service System

  • 课前
  • 课中
  • 课后
  • 课程结业
  • 终身学员服务
  • · 学员能力评估,职业规划辅导
  • · 1对1班主任贴心服务
    · 课程视频录像长期有效
    · 真实大项目实战,助教老师辅导
  • · 期期作业测试,督促学习
  • · 简历修改优惠,面试辅导
    · 内推岗位
  • · 定期线下交流,行业人脉拓展
    · 新课程,学员大优惠

课程收获/Lessons Learned

  • 具备自动化办公能力,大大提升工作效率

    1. · 掌握数据分析工具:Excel、Python、Numpy、Pandas、Matplotlib等,实现自动化办公,大大提高工作效率。
  • 构建数据分析思维模型和能力体系

    1. · 掌握数据分析的流程和方法论,通过企业多行业案例实战培养数据思维模型和数据分析能力。
  • 掌握数据分析可视化能力

    1. · 基于Tableau、Power BI,实现商务智能数据分析可视化。结合数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析,以实现商业价值。真正掌握企业业务增长的实用技能,从而实现数据赋能业务,数据驱动业务增长。
  • 掌握数据建模的能力,升职加薪

    1. · 掌握数据获取、数据处理、数据挖掘算法、数据价值展示的能力,助力职业快速发展,升职加薪。

数据分析实战速成班:权威系统课

学习时长:4个月   课程单元:42个   精讲知识点:106个

报名价格:¥7999

剩余优惠名额:0

预约试听

· 分期购买:全程无压力      · 试听不满:全额退款(前2次课)     · 报名优惠:每期前50名报名优惠1000元