| 课程参数 | |
|
教学服务
|
随到随学
随时随地皆可学习，无需等待，使你的学习更灵活，更高效。
笔记分享
深度反思学习内容，交流学习收获，使你对知识理解的更透彻！
配套教辅
高度契合的配套讲义、大纲，保证让你全方位的理解知识。
源码开放
提供全部课程源码，搭建真实的开发环境，保证你的练习更高效。
入学须知
帮助你更快速的进入学习状态。
集中答疑
定期收集和解答你的技术问题，助你顺利完成学习。
课程更新
在服务期内，如果课程有更新，你可以享受更新后的课程内容。
学习计划
个性化制定每天学习任务
|
随着移动互联网的发展和5G技术的逐步普及，我们已从IT时代走入DT（Data Technology）时代，用理性的数据分析替代人工的经验分析已成为主流。数据分析行业具有人才缺口大，易入门，薪资高，行业适应性强，职业寿命长等特点。我们的课程以实战案例为驱动，企业实战项目为核心，以培养“懂业务，会工具，擅工程，精算法的全能型数据分析人才”为目标，覆盖数据分析领域的全套技术栈，保证学员学到前沿的技术。
学完收获：
熟练掌握Excel，Tableau等常用数据分析工具软件的使用
熟练掌握SQL语句的增删改查操作，应用sql语句计算常用业务指标。
熟练掌握爬虫技术，Echarts、D3.js等可视化技术
掌握Flask框架搭建数据后台
熟练掌握Python基本语法，应用Python进行数据清洗，统计分析，数据可视化等操作
熟练掌握数据分析常用数学/统计学理论知识，机器学习常见算法
熟练掌握机器学习在运营、金融风控领域的落地方案
熟练掌握Hadoop，Hive等数仓常用框架，以及数仓在大数据分析场景下的实战技巧
熟练掌握分布式计算框架Spark在大数据分析中的应用
熟练掌握推荐系统常用算法和典型场景下的解决方案
在校大学生
想得到技能提升的业务人员
新入职场的小白
零基础想转行的
非数据分析从业人员
有基础想转行的在职IT人员
亮点1
内容，助力就业
亮点2
前沿项目，把握趋势
亮点3
多次迭代，深入浅出
阶段一：业务数据分析
0小时
|
10个
知识要点
阶段二：爬虫和数据可视化
0小时
|
10个
知识要点
阶段三：机器学习建模分析
0小时
|
10个
知识要点
阶段四：大数据挖掘
0小时
|
10个
知识要点
项目介绍：
介绍零售场景下的会员分析常用指标，对会员存量增量，会员等级，会消比，连带率，复购率等指标的分析了解当前企业的运营状况，为会员运营提供支持
项目展示：
项目介绍：
在讲解电商常见业务知识的同时，通过SQL计算电商场景下常见统计指标。
项目展示：
项目介绍：
日活、月活、留存等指标是数据分析工作中经常需要计算的常用业务指标，本案例将业务与SQL提数结合，还原真实工作场景，代码在工作中可直接复用
项目展示：
①产品线探索分析
为了了解公司产品线的实际情况，该分析基于实际产品线数据进行如下分析以了解产品线概况： 品类分析、利润分析、价格带分析，案例用到的知识点：Tableau 条形图，箱型图分析技巧 ，Tableau 数据库数据源处理
②产品线评估
为了客观的衡量产品线的健康程度，基于真实数据对多产品线进行对比分析，案例用到的知识点：Tableau 仪表板的设计，Tableau 数据预处理
①客户分类分析
依靠传统的数据图表，我们仅仅知道所有的消费者行为的共同结果，但没有获得任何附加的个体消费信息。基于这种背景特提出消费者行为分析，这也将是商业分析的主题，案例用到的知识点：Tableau数据分布分析 ，Tableau中实现聚类
②客户漏斗分析
通过漏斗分析，来分析某母婴产品的用户留存情况，降低老用户流失，案例用到的知识点：Tableau漏斗分析，按地域进行横向的对比分析
③客户RFM分析
使用RFM模型对用户进行价值划分，案例用到的知识点：Tableau中复杂计算的实施，RFM模型的理解
①客户营销分析
对于营销活动的效果和客户关系的维护，通过数据分析评估不同方法达成的效果，案例用到的知识点：数据可视化的互动技巧，数据处理
②营销渠道分析
营销部门免不了要和媒体打交道，但是和做媒体的价值到底怎么评估呢？基于这样一个思路，特以电视媒体的收视情况来评估下电视媒体的渠道价值，案例用到的知识点：关键指数的相关知识，复杂可视化图形的创建
③营销A/B测试
要观察同一产品的不同内容版本广告对销售的影响，理想情况下，可以选择两组实验人群，保证两个群体的人口特征基本相同，对两个群体投放不同的广告，观察一段时间后产品购买量是否有显著的差异，以判断广告效果是否有差异。案例用到的知识点：AB测试相关理论知识，复杂运算在可视化软件中的实施
项目介绍：
制作仪表板来对重要业务指标进行可视化展示是数据分析工作中的重要技能，案例通过Tableau制作仪表板分析新冠疫情的传播和疫情现状，进一步练习仪表板的使用
项目展示：
项目介绍：
从销售情况，区域，产品，客户，物流等多个维度对连锁超市的销售情况进行分析，发现业务问题，通过案例介绍Tableau在数据分析工作中的具体使用
项目展示：
项目介绍：
推荐系统是数据挖掘领域的典型项目，也是目前主流互联网产品的标配。推荐系统通过对用户的兴趣建模，将用户感兴趣的内容排在前面，过滤掉用户不感兴趣的内容，从而实现业务核心指标（点击率、转化率等）的提升。 推荐系统项目中会讲解常用大数据框架（Hadoop，Hive，Spark）在数据分析与挖掘工作中的使用方法，并介绍召回回排序算法，特征提取等推荐系统实践过程中的热点知识，使学员掌握在大数据场景下进行数据分析与数据挖掘的相关技术，能够胜任数据挖掘工程师等工作，通过电商推荐项目 介绍商品推荐中经典的召回，排序算法，协同过滤算法，Spark SQL处理特征，Spark ML训练逻辑回归排序模型
项目展示：推荐系统特征框架架构图
从就业城市，就业薪资，招聘公司，经验要求，学历要求等多个方面，分析市场对数据分析人才的需求情况，案例用到知识点：Pandas处理数据，Pyecharts绘图
通过对不同城市优衣库门店的销售记录进行分析，为运营提供有益建议，用到的知识点：pandas数据处理，seaborn绘图
0基础是否可以学习本课程？
本本课程内容设计完向0基础的学员设计，不需要编程基础或者教育教学基础就可以学习。
A还有问题，点击咨询