數(shù)據(jù)分析入門 ；數(shù)據(jù)分析的意義；數(shù)據(jù)分析的流程控制 ；數(shù)據(jù)分析的思路與方法

xmind簡介與基本使用；學習方法課堂案例；滴答拼車實戰(zhàn)演練；其他思維導圖介紹

專業(yè)展現(xiàn)——PPT；基本簡介；幾個不得不說的真相；經(jīng)驗分享；實戰(zhàn)動畫

Excel工具的安裝、配置與環(huán)璄測試；Power BI工具的安裝、配置與環(huán)璄測試；Tableau工具的安裝、配置與環(huán)璄測試；MySQL數(shù)據(jù)庫的安裝、配置與環(huán)璄測試；SPSS數(shù)據(jù)挖掘工具安裝、配置與環(huán)璄測試；SAS數(shù)據(jù)挖掘工具安裝、配置與環(huán)璄測試；Python開發(fā)工具的安裝、配置與開發(fā)環(huán)璄測試

虛擬機的安裝配置；虛擬機網(wǎng)絡配置；安裝Linux；利用SSH連結(jié)Linux；Linux基礎命令；Linux系統(tǒng)管理

python課程的目的；使用JupyterLab；python數(shù)據(jù)類型 ；元組、列表、字典；python分支結(jié)構 ；python字符串處理+隨機函數(shù)；pthon循環(huán)結(jié)構；python面向過程函數(shù)操作；python面向?qū)ο?

問題界定；問題拆分 ；指標確定；數(shù)據(jù)收集；報告方案 ；趨勢預測；數(shù)據(jù)分析；趨勢預測；報告方案

邊界：明確問題的邊界；邏輯：確定業(yè)務的關鍵指標和邏輯；定性分析與定量分析

基于經(jīng)典的模型：5W2H；SWORT；4P管理模型；CATWOE；STAR原則、波士頓5力模型。

基于業(yè)務的模型：用戶畫像；銷售影響因素；市場變化因素；AARRR流量模型；金定塔思考方法

數(shù)據(jù)科學過程 ；數(shù)據(jù)清洗定義；數(shù)據(jù)清洗任務；數(shù)據(jù)清洗流程；數(shù)據(jù)清洗環(huán)境；數(shù)據(jù)清洗實例說明；數(shù)據(jù)標準化；數(shù)據(jù)格式與編碼；數(shù)據(jù)清洗常用工具；數(shù)據(jù)清洗基本技術方法；數(shù)據(jù)抽??；數(shù)據(jù)轉(zhuǎn)換與加載

產(chǎn)品數(shù)據(jù)；用戶數(shù)據(jù)；行為數(shù)據(jù) ；訂單數(shù)據(jù)

開放網(wǎng)站；政務公開數(shù)據(jù)；數(shù)據(jù)科學競賽；數(shù)據(jù)交易平臺；行業(yè)報告；指數(shù)平臺

財經(jīng)數(shù)據(jù)抓??；投資數(shù)據(jù)抓?。环慨a(chǎn)數(shù)據(jù)抓?。惠浨閿?shù)據(jù)抓?。粖蕵窋?shù)據(jù)抓?。恍旅襟w數(shù)據(jù)抓取

建庫 ；建表；建約束 ；創(chuàng)建索引；添加、刪除、修改數(shù)據(jù)

缺失值處理：對缺失數(shù)據(jù)行進行刪除或填充；重復值處理：重復值的判斷與刪除；異常值處理：清除不必要的空格和異常數(shù)據(jù)

利用SQL進行簡單的業(yè)務數(shù)據(jù)查詢；利用SQL完成復雜條件查詢；利用多表關聯(lián)完成復雜業(yè)務查詢；利用嵌套子查詢完成復雜業(yè)務數(shù)據(jù)分析

聚合、分組、排序；函數(shù)；行列轉(zhuǎn)換；視圖與存儲過程

業(yè)務數(shù)據(jù)表關聯(lián)查詢及查詢；結(jié)果縱向融合；常業(yè)務需求數(shù)據(jù)寬表構建；查詢處理復雜業(yè)務

計算和連續(xù)函數(shù)的性質(zhì)；導數(shù)/微分的概念和運算法則；積分的概念和運算法則；冪級數(shù)、泰勒級數(shù)、傅里葉級數(shù)、傅里葉變換；向量的概念和運算；矩陣的轉(zhuǎn)置、乘法、逆矩陣、正交矩陣、SVD奇異值分解、特征值；行列式的計算和性質(zhì)；凸優(yōu)化

創(chuàng)建數(shù)組；切片索引；數(shù)組操作；字符串函數(shù)；數(shù)學函數(shù)；統(tǒng)計函數(shù)

直方圖：探索變量的分布規(guī)律；條形圖：展示數(shù)值變量的集中趨勢；散點圖：表示整體數(shù)據(jù)的分布規(guī)律；箱線圖：表示數(shù)據(jù)分散性，中位數(shù)；提琴圖：分位數(shù)的位置及數(shù)據(jù)密度；回歸圖：尋找數(shù)據(jù)之間的線性關系；熱力圖：表未數(shù)值的大小或者相關性的高低

大數(shù)據(jù)概述；數(shù)據(jù)集群； Hadoop 架構；Hive開發(fā)環(huán)璄搭建

從MySQL中導入數(shù)據(jù)到Hive；從Hive導出數(shù)據(jù)到MySQL

Hive數(shù)倉；HQL 數(shù)據(jù)查詢基礎語法

從MySQL中導入數(shù)據(jù)到Hive；從Hive導出數(shù)據(jù)到MySQL

分區(qū)表；分桶表；關聯(lián)表；數(shù)據(jù)查詢

內(nèi)置函數(shù)及開窗函數(shù)；特殊類型數(shù)組查詢方式；HQL 查詢語句優(yōu)化技巧

描述統(tǒng)計；相關分析；判別分析；方差分析；時間序列分析；主成分分析；信度分析 ；因子分析；回歸分析；對應分析；列聯(lián)表分析；聚類分析

從MySQL中導入數(shù)據(jù)到Hive；從Hive導出數(shù)據(jù)到MySQL

課程規(guī)劃與簡介；數(shù)據(jù)挖掘項目生命周期；簡單的統(tǒng)計學基礎 ；用Modeler試手挖掘流程；數(shù)據(jù)挖掘的知識類型 6、商業(yè)分析基礎簡介；信度分析；因子分析；回歸分析 ；對應分析；列聯(lián)表分析 ；聚類分析

SAS概述：SAS簡介與教育版安裝；SAS概述：教育版基本使用；SAS編程基礎 ；SAS編程基礎-循環(huán)；SAS數(shù)據(jù)集操作1-合并；SAS數(shù)據(jù)集操作72-排序與對比；SAS數(shù)據(jù)集操作3-查重與篩選；練習-斐波那契數(shù)列；練習-百元百雞問題

機器學習入門；sk-learn機器學習庫；十大預測算法原理與使用場景；算法調(diào)用、參數(shù)設置；特征選擇、特征工程；回歸預測模型實戰(zhàn)；分類預測試模型實戰(zhàn) ；聚類模型實戰(zhàn)；集成學習 ；模型優(yōu)化

案例-1：BI電商數(shù)據(jù)市場分析項目實戰(zhàn)

案例-2：BI電商數(shù)據(jù)客戶分析項目實戰(zhàn)

案例-3：BI可視化關于公司運營情況的相關分析

案例-4：基于Tableau的客戶主題對客戶進行合理分群

案例-5：基于Tableau的營銷主題分析如何衡量媒體的營銷價值

案例-6：基于Tableau的保公司索賠情況分析

數(shù)據(jù)可視化的概念；數(shù)據(jù)可視化的意義；數(shù)據(jù)可視化的對比；數(shù)據(jù)可視化的分類；數(shù)據(jù)可視化圖表舉例 ；數(shù)據(jù)可視化應用領域；數(shù)據(jù)可視化步驟；數(shù)據(jù)可視化工具梯度；圖表呈現(xiàn)流程；數(shù)據(jù)報告撰寫

了解電商業(yè)務背景；、以客戶分析為應用場景，對數(shù)據(jù)進行加載、清洗、分析及模型建立；以貨品分析為應用場景，針對品類銷售及商品銷售進行分析；以流量分析為應用場景，針對流量渠道及關鍵詞做有效分析；根據(jù)業(yè)務實際背景做輿情分析；將分析結(jié)果及建議制成報告進行發(fā)布

商業(yè)項目實戰(zhàn)01：電商數(shù)據(jù)分析——分析方式之漏斗模型及數(shù)據(jù)量化

商業(yè)項目實戰(zhàn)02：電商用戶行為與營銷模型實戰(zhàn)

商業(yè)項目實戰(zhàn)03：金融風控模型的構建與分析實戰(zhàn)

商業(yè)項目實戰(zhàn)04：展會電話邀約項目數(shù)據(jù)分析實戰(zhàn)

商業(yè)項目實戰(zhàn)05：零售行業(yè)數(shù)據(jù)分析