課程大綱： 商業(yè)數(shù)據(jù)分析師培訓
商業(yè)數(shù)據(jù)分析師
1章 數(shù)據(jù)分析和商業(yè)智能
1-1 數(shù)據(jù)這個行業(yè)
1-2 數(shù)據(jù)分析的商業(yè)應(yīng)用
1-3 數(shù)據(jù)分析思維
1-4 數(shù)據(jù)分析常用方法
1-5 實務(wù)中的數(shù)據(jù)分析師
2章 數(shù)據(jù)化指標體系
2-1 數(shù)據(jù)化指標體系概述
2-2 獲客類指標
2-3 營銷類指標
2-4 預(yù)警類指標
2-5 產(chǎn)品類指標
2-6 運營指標體系設(shè)計
3章 描述性統(tǒng)計分析技術(shù)
3-1 描述性統(tǒng)計分析概述
3-2 概率與頻數(shù)
3-3 數(shù)據(jù)的度量
3-4 概率的分布
3-5 相關(guān)性分析
3-6 統(tǒng)計報表可視化
4章 數(shù)據(jù)挖掘和模型導論
4-1 解讀未知世界的工具
4-2 預(yù)測：未知≠一無所知（1）
4-3 預(yù)測：未知≠一無所知（2）
4-4 分類：灰姑娘的鞋子（1）
4-5 分類：灰姑娘的鞋子（2）
4-6 聚類：人以群分（1）
4-7 聚類：人以群分（2）
4-8 關(guān)聯(lián)：比你更了解自己（1）
4-9 關(guān)聯(lián)：比你更了解自己（2）
4-10 補充：幾個容易忽略的小問題（1）
4-11 補充：幾個容易忽略的小問題（2）
5章 分分析師的基本功-Excel入門
5-1 數(shù)據(jù)分析概述視頻
5-2 分析工具Excel概述視頻
5-3 Excel基本數(shù)據(jù)類型
5-4 Excel數(shù)據(jù)加工-基本加工操作
5-5 Excel數(shù)據(jù)計算-公式功能
5-6 Excel數(shù)據(jù)透視功能
5-7 數(shù)據(jù)可視化-Excel條件格式
6章 表結(jié)構(gòu)數(shù)據(jù)入門
6-1 表結(jié)構(gòu)概述
6-2 多表橫向合并邏輯
6-3 多表縱向合并邏輯
7章 分析師第一到面試題-SQL數(shù)據(jù)庫
7-1 Windows系統(tǒng)下Mysql安裝
7-2 序章視頻
7-3 數(shù)據(jù)庫操作視頻
7-4 數(shù)據(jù)表操作視頻
7-5 數(shù)據(jù)類型視頻
7-6 約束條件視頻
7-7 填充數(shù)據(jù)視頻
7-8 修改數(shù)據(jù)表
7-9 SQL查詢視頻
7-10 操作符與子查詢視頻
7-11 SQL函數(shù)視頻
7-12 查詢練習視頻
8章 玩轉(zhuǎn)EXCEL BI商業(yè)報表
8-1 Power Query概述及導入多源數(shù)據(jù)方法
8-2 Power Query合并數(shù)據(jù)
8-3 Power Query基本功能
8-4 Power Query M函數(shù)
8-5 Power Query數(shù)據(jù)處理案例
8-6 Power Pivot概述及導入數(shù)據(jù)
8-7 搭建多維數(shù)據(jù)分析模型
8-8 創(chuàng)建層次結(jié)構(gòu)
8-9 DAX表達式
8-10 使用KPI
9章 強大的桌面工具-Power BI DeskTop
9-1 篩選器類函數(shù)創(chuàng)建復雜匯總規(guī)則
9-2 時間智能函數(shù)
9-3 Power Query與非關(guān)系型表結(jié)構(gòu)數(shù)據(jù)
9-4 Power Query使用非關(guān)系型表結(jié)構(gòu)數(shù)據(jù)
9-5 爬取并處理網(wǎng)絡(luò)數(shù)據(jù)-1
9-6 爬取并處理網(wǎng)絡(luò)數(shù)據(jù)-2
10章 Power BI商業(yè)智能分析實戰(zhàn)案例
10-1 銷售管理分析儀業(yè)務(wù)背景說明
10-2 銷售管理分析儀制作方法說明視頻-1
10-3 銷售管理分析儀制作方法說明視頻-2
10-4 分析儀制作過程介紹
10-5 快消行業(yè)進銷存管理分析儀
10-6 財務(wù)杜邦分析儀
10-7 Power BI DeskTop概述
10-8 創(chuàng)建駕駛艙業(yè)務(wù)部分介紹1
10-9 創(chuàng)建駕駛艙方法介紹
11章 Tableau商業(yè)智能分析實戰(zhàn)案例
11-1 數(shù)據(jù)可視化+tableau介紹
11-2 tableau主要產(chǎn)品及安裝
11-3 連接數(shù)據(jù) 字段操作 文件保存
11-4 數(shù)據(jù)類型 合并 分層 分組
11-5 篩選器+集的應(yīng)用
11-6 Tableau頁面及功能區(qū)介紹
11-7 自定義形狀+儀表盤操作應(yīng)用
11-8 計算函數(shù)：數(shù)字 字符串 日期
11-9 計算函數(shù)：數(shù)字 字符串 日期
11-10 計算函數(shù) 類型轉(zhuǎn)換 邏輯 詳細級別表達式
11-11 計算函數(shù)：用戶函數(shù) 表計算
12章 Tableau可視化
12-1 條形/柱狀圖、折線圖
12-2 餅狀圖、散點圖、直方圖
12-3 文本表、盒須圖、熱圖
12-4 氣泡圖 樹形圖 詞云圖 甘特圖
12-5 環(huán)形圖 嵌套餅圖 帕累托圖
12-6 漏斗圖 啞鈴圖
12-7 雷達圖 標靶圖
12-8 地圖
12-9 趨勢圖 預(yù)測線 預(yù)測區(qū)間
12-10 參數(shù)
12-11 補充內(nèi)容：自定義坐標軸 排序
12-12 儀表盤介紹
12-13 故事
13章 Tableau綜合實戰(zhàn)案例
13-1 RFM客戶價值模型
13-2 銷售報表分析
13-3 金融投資分析
13-4 某購物中心銷售儀表盤
14章 商業(yè)分析之運營分析專題
14-1 數(shù)據(jù)是怎樣幫你完成業(yè)務(wù)的
14-2 指標建模概述
14-3 常見的用戶數(shù)據(jù)指標：日活&月活
14-4 常見的用戶數(shù)據(jù)指標：新增用戶
14-5 常見的用戶數(shù)據(jù)指標：用戶留存
14-6 常見的行為數(shù)據(jù)指標
14-7 常見的業(yè)務(wù)數(shù)據(jù)指標
14-8 課堂練習：數(shù)據(jù)指標概念考察
14-9 北極星指標
14-10 如何選擇北極星指標
14-11 數(shù)據(jù)采集：埋點
14-12 埋點相關(guān)概念
14-13 案例：某Feed流產(chǎn)品的數(shù)據(jù)采集歷程
14-14 全埋點
14-15 競品數(shù)據(jù)采集
14-16 如何選擇合適的數(shù)據(jù)工具
14-17 常見的數(shù)據(jù)分析“套路”
14-18 借助Excel進行數(shù)據(jù)處理
14-19 數(shù)據(jù)分析概述
14-20 數(shù)據(jù)分析的價值
14-21 常用的數(shù)據(jù)分析方法：對比分析
14-22 常用的數(shù)據(jù)分析方法：多維度拆解
14-23 數(shù)據(jù)漲跌異動如何處理
14-24 案例：瀏覽量狂漲
14-25 常用的數(shù)據(jù)分析方法：漏斗觀察
14-26 如何評估渠道質(zhì)量
14-27 常用的數(shù)據(jù)分析方法：分布分析
14-28 常用的數(shù)據(jù)分析方法：用戶留存
14-29 一個新產(chǎn)品上線后，如何評估價值
14-30 常用的數(shù)據(jù)分析方法：用戶畫像
14-31 標簽從哪來
14-32 高質(zhì)量拉新
14-33 常用的數(shù)據(jù)分析方法：歸因查找
14-34 如何查出誰在薅羊毛
14-35 案例：分析某陌生人社交產(chǎn)品情況
14-36 數(shù)據(jù)分析的常見誤區(qū)
14-37 抖音看見音樂計劃概述
14-38 活動業(yè)務(wù)流程梳理
14-39 了解活動目的及核心事件
14-40 案例：活動指標監(jiān)控體系搭建
14-41 案例：活動亮點及建議
15章 python編程基礎(chǔ)
15-1 Anaconda的安裝與使用
15-2 Jupter notebook頁面功能介紹
15-3 Markdown 語言簡介
15-4 內(nèi)置函數(shù)的使用
15-5 python的變量
15-6 標準數(shù)據(jù)類型--數(shù)字類型
15-7 數(shù)學的計算-math科學計算庫
15-8 符合運算符 比較運算符 邏輯運算符
15-9 字符串的定義 字符串的拼接和重復
15-10 字符串的索引和切片
15-11 轉(zhuǎn)義字符和原生字符串
15-12 字符串的常用方法
15-13 字符串格式化方法
15-14 if體哦阿健判斷語句 控制流語句的概念
15-15 input函數(shù)
15-16 判斷語句
15-17 列表的使用
15-18 循環(huán)語句
15-19 其他數(shù)據(jù)類型轉(zhuǎn)換成布爾類型
15-20 break+continue
15-21 列表、元組、字典
15-22 函數(shù)的定義、調(diào)用
16章 pytho數(shù)據(jù)整理
16-1 向量、矩陣和數(shù)組
16-2 加載數(shù)據(jù)
16-3 數(shù)據(jù)整理
16-4 處理數(shù)值型數(shù)據(jù)
16-5 處理分類變量
17章 數(shù)據(jù)挖掘模型
17-1 貝式網(wǎng)絡(luò)
17-2 線性回歸
17-3 決策樹
17-4 神經(jīng)網(wǎng)絡(luò)
17-5 邏輯回歸
17-6 SVM
17-7 集成學習算法
17-8 聚類分析
17-9 關(guān)聯(lián)規(guī)則
17-10 案例：如何利用發(fā)呢列技術(shù)來建立小額信貸的響應(yīng)模型
18章 客戶購買行為分析
18-1 業(yè)務(wù)背景與客戶需求
18-2 當前及歷史銷售情況分析
18-3 客戶復購與回購分析
18-4 不同產(chǎn)品和客戶畫像分析
18-5 客戶畫像和桑葚圖
19章 客戶轉(zhuǎn)化分析
19-1 客戶轉(zhuǎn)化分析
20章 python文本分析和特征提取
20-1 基本概念-信息檢索技術(shù)（全文掃描、關(guān)鍵詞、關(guān)鍵詞索引）
20-2 python實操（多篇文章TF,IDF)
20-3 文本挖掘的處理流程
20-4 N-Gram及分詞-法則式分詞法
20-5 N-Gram及分詞-統(tǒng)計式分詞法和詞性標注
20-6 關(guān)鍵詞提取及用python實作基本jieba分詞
20-7 用python實作進階jieba分析及TFIDF關(guān)鍵詞提取
20-8 用pyhon實做jieba分詞詞性標注
20-9 非結(jié)構(gòu)轉(zhuǎn)結(jié)構(gòu)數(shù)據(jù)-詞袋模型
20-10 非結(jié)構(gòu)轉(zhuǎn)結(jié)構(gòu)數(shù)據(jù)-PCA&矩陣分解
20-11 非結(jié)構(gòu)轉(zhuǎn)結(jié)構(gòu)數(shù)據(jù)-Glove
20-12 非結(jié)構(gòu)轉(zhuǎn)結(jié)構(gòu)數(shù)據(jù)-Word2Vec（Skip-Gram & CBOW)
20-13 用python實作Word2Vec（Skip-Gram & CBOW) 模型訓練及使用
20-14 文本詞云化
20-15 文本挖掘的應(yīng)用-文本分類
20-16 文本挖掘的應(yīng)用-情緒分析
20-17 文本挖掘的應(yīng)用-文本聚類
20-18 文本挖掘的應(yīng)用-文本摘要
加入高級會員獲得助教答疑
