數據分析入門 ；數據分析的意義；數據分析的流程控制 ；數據分析的思路與方法

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數據庫的安裝、配置與環(huán)璄測試；SPSS數據挖掘工具安裝、配置與環(huán)璄測試；SAS數據挖掘工具安裝、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；虛擬機網絡配置；安裝Linux；利用SSH連結Linux；Linux基礎命令；Linux系統(tǒng)管理

python課程的目的；使用JupyterLab；python數據類型 ；元組、列表、字典；python分支結構 ；python字符串處理+隨機函數；pthon循環(huán)結構；python面向過程函數操作；python面向對象

問題界定；問題拆分 ；指標確定；數據收集；報告方案 ；趨勢預測；數據分析；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

數據科學過程 ；數據清洗定義；數據清洗任務；數據清洗流程；數據清洗環(huán)境；數據清洗實例說明；數據標準化；數據格式與編碼；數據清洗常用工具；數據清洗基本技術方法；數據抽取；數據轉換與加載

產品數據；用戶數據；行為數據 ；訂單數據

開放網站；政務公開數據；數據科學競賽；數據交易平臺；行業(yè)報告；指數平臺

財經數據抓??；投資數據抓??；房產數據抓取；輿情數據抓?。粖蕵窋祿ト?；新媒體數據抓取

建庫 ；建表；建約束 ；創(chuàng)建索引；添加、刪除、修改數據

缺失值處理：對缺失數據行進行刪除或填充；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據

利用SQL進行簡單的業(yè)務數據查詢；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)務數據分析

聚合、分組、排序；函數；行列轉換；視圖與存儲過程

業(yè)務數據表關聯(lián)查詢及查詢；結果縱向融合；常業(yè)務需求數據寬表構建；查詢處理復雜業(yè)務

計算和連續(xù)函數的性質；導數/微分的概念和運算法則；積分的概念和運算法則；冪級數、泰勒級數、傅里葉級數、傅里葉變換；向量的概念和運算；矩陣的轉置、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；凸優(yōu)化

創(chuàng)建數組；切片索引；數組操作；字符串函數；數學函數；統(tǒng)計函數

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

大數據概述；數據集群； Hadoop 架構；Hive開發(fā)環(huán)璄搭建

從MySQL中導入數據到Hive；從Hive導出數據到MySQL

Hive數倉；HQL 數據查詢基礎語法

從MySQL中導入數據到Hive；從Hive導出數據到MySQL

分區(qū)表；分桶表；關聯(lián)表；數據查詢

內置函數及開窗函數；特殊類型數組查詢方式；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中導入數據到Hive；從Hive導出數據到MySQL

課程規(guī)劃與簡介；數據挖掘項目生命周期；簡單的統(tǒng)計學基礎 ；用Modeler試手挖掘流程；數據挖掘的知識類型 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數據集操作1-合并；SAS數據集操作72-排序與對比；SAS數據集操作3-查重與篩選；練習-斐波那契數列；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；算法調用、參數設置；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電商數據市場分析項目實戰(zhàn)

案例-2：BI電商數據客戶分析項目實戰(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

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

了解電商業(yè)務背景；、以客戶分析為應用場景，對數據進行加載、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；根據業(yè)務實際背景做輿情分析；將分析結果及建議制成報告進行發(fā)布

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

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據分析實戰(zhàn)

商業(yè)項目實戰(zhàn)05：零售行業(yè)數據分析