1、數據分析入門(mén) 2、數據分析的意義

3、數據分析的流程控制 4、數據分析的思路與方法

1、xmind簡(jiǎn)介與基本使用 2、學(xué)習方法課堂案例

3、滴答拼車(chē)實(shí)戰演練 4、其他思維導圖介紹

1、專(zhuān)業(yè)展現——PPT 2、基本簡(jiǎn)介

3、幾個(gè)不得不說(shuō)的真相 4、經(jīng)驗分享

5、實(shí)戰動(dòng)畫(huà)

1、Excel工具的安裝、配置與環(huán)璄測試

2、Power BI工具的安裝、配置與環(huán)璄測試

3、Tableau工具的安裝、配置與環(huán)璄測試

4、MySQL數據庫的安裝、配置與環(huán)璄測試

5、SPSS數據挖掘工具安裝、配置與環(huán)璄測試

6、SAS數據挖掘工具安裝、配置與環(huán)璄測試

7、Python開(kāi)發(fā)工具的安裝、配置與開(kāi)發(fā)環(huán)璄測試

1、虛擬機的安裝配置 2、虛擬機網(wǎng)絡(luò )配置

3、安裝Linux 4、利用SSH連結Linux

5、Linux基礎命令 6、Linux系統管理

1、python課程的目的 2、使用JupyterLab

3、python數據類(lèi)型 4、元組、列表、字典

5、python分支結構 6、python字符串處理+隨機函數

7、pthon循環(huán)結構 8、python面向過(guò)程函數操作

9、python面向對象

1、問(wèn)題界定 2、問(wèn)題拆分 3、指標確定

4、數據收集 5、報告方案 6、趨勢預測

7、數據分析 8、趨勢預測 9、報告方案

1、邊界:明確問(wèn)題的邊界

2、邏輯:確定業(yè)務(wù)的關(guān)鍵指標和邏輯

3、定性分析與定量分析

基于經(jīng)典的模型

1、5W2H

2、SWORT

3、4P管理模型

4、CATWOE

5、STAR原則、波士頓5力模型

基于業(yè)務(wù)的模型

1、用戶(hù)畫(huà)像

2、 銷(xiāo)售影響因素

3、市場(chǎng)變化因素

4、AARRR流量模型

5、金定塔思考方法

1、數據科學(xué)過(guò)程 2、數據清洗定義

3、數據清洗任務(wù) 4、數據清洗流程

5、數據清洗環(huán)境 6、數據清洗實(shí)例說(shuō)明

7、數據標準化 8、數據格式與編碼

9、數據清洗常用工具 10、數據清洗基本技術(shù)方法

11、數據抽取 12、數據轉換與加載

1、產(chǎn)品數據 2、用戶(hù)數據

3、行為數據 4、訂單數據

1、開(kāi)放網(wǎng)站 2、政務(wù)公開(kāi)數據

3、數據科學(xué)競賽 4、數據交易平臺

5、行業(yè)報告 6、指數平臺

1、財經(jīng)數據抓取 2、投資數據抓取

3、房產(chǎn)數據抓取 4、輿情數據抓取

5、娛樂(lè )數據抓取 6、新媒體數據抓取

1、建庫 2、建表

3、建約束 4、創(chuàng )建索引

5、添加、刪除、修改數據

1、缺失值處理:對缺失數據行進(jìn)行刪除或填充

2、重復值處理:重復值的判斷與刪除

3、異常值處理:清除不必要的空格和異常數據

1、利用SQL進(jìn)行簡(jiǎn)單的業(yè)務(wù)數據查詢(xún)

2、利用SQL完成復雜條件查詢(xún)

3、利用多表關(guān)聯(lián)完成復雜業(yè)務(wù)查詢(xún)

4、利用嵌套子查詢(xún)完成復雜業(yè)務(wù)數據分析

1、聚合、分組、排序 2、函數

3、行列轉換 4、視圖與存儲過(guò)程

1、業(yè)務(wù)數據表關(guān)聯(lián)查詢(xún)及查詢(xún)

2、結果縱向融合

3、?常業(yè)務(wù)需求數據寬表構建

4、應??查詢(xún)處理復雜業(yè)務(wù)

1、計算和連續函數的性質(zhì) 2、導數/微分的概念和運算法則

3、積分的概念和運算法則

4、冪級數、泰勒級數、傅里葉級數、傅里葉變換

5、向量的概念和運算

6、矩陣的轉置、乘法、逆矩陣、正交矩陣、SVD奇異值分解、特征值

7、行列式的計算和性質(zhì) 8、凸優(yōu)化

1、創(chuàng )建數組 2、切片索引

3、數組操作 4、字符串函數

5、數學(xué)函數 6、統計函數

1、直方圖:探索變量的分布規律 2、條形圖:展示數值變量的集中趨勢

3、散點(diǎn)圖:表示整體數據的分布規律 4、箱線(xiàn)圖:表示數據分散性,中位數

5、提琴圖:分位數的位置及數據密度 6、回歸圖:尋找數據之間的線(xiàn)性關(guān)系

7、熱力圖:表未數值的大小或者相關(guān)性的高低

1、大數據概述

2、?數據集群 Hadoop 架構

3、Hive開(kāi)發(fā)環(huán)璄搭建

1、從MySQL中導入數據到Hive

2、從Hive導出數據到MySQL

1、Hive數倉

2、HQL 數據查詢(xún)基礎語(yǔ)法

1、從MySQL中導入數據到Hive

2、從Hive導出數據到MySQL

1、分區表 2、分桶表

3、關(guān)聯(lián)表 4、數據查詢(xún)

1、常?內置函數及開(kāi)窗函數

2、特殊類(lèi)型數組查詢(xún)?式

3、HQL 查詢(xún)語(yǔ)句優(yōu)化技巧

1、描述統計 2、相關(guān)分析

3、判別分析 4、方差分析

5、時(shí)間序列分析 6、主成分分析

7、信度分析 8、因子分析

9、回歸分析 10、對應分析

11、列聯(lián)表分析 12、聚類(lèi)分析

1、從MySQL中導入數據到Hive

2、從Hive導出數據到MySQL

1、課程規劃與簡(jiǎn)介 2、數據挖掘項目生命周期

3、簡(jiǎn)單的統計學(xué)基礎 4、用Modeler試手挖掘流程

5、數據挖掘的知識類(lèi)型 6、商業(yè)分析基礎簡(jiǎn)介

7、信度分析 8、因子分析 9、回歸分析 10、對應分析

11、列聯(lián)表分析 12、聚類(lèi)分析

1、SAS概述:SAS簡(jiǎn)介與教育版安裝 2、SAS概述:教育版基本使用

3、SAS編程基礎 4、SAS編程基礎7-循環(huán)

5、SAS數據集操作1-合并 6、SAS數據集操作2-排序與對比

7、SAS數據集操作3-查重與篩選 8、練習-斐波那契數列

9、練習-百元百雞問(wèn)題

1、機器學(xué)習入門(mén) 2、sk-learn機器學(xué)習庫

3、預測算法原理與使用場(chǎng)景 4、算法調用、參數設置

5、特征選擇、特征工程 6、回歸預測模型實(shí)戰

7. 分類(lèi)預測試模型實(shí)戰 8. 聚類(lèi)模型實(shí)戰

9、集成學(xué)習 10、模型優(yōu)化

案例-1:BI電商數據市場(chǎng)分析項目實(shí)戰

案例-2:BI電商數據客戶(hù)分析項目實(shí)戰

案例-3:BI可視化關(guān)于公司運營(yíng)情況的相關(guān)分析

案例-4:基于Tableau的客戶(hù)主題對客戶(hù)進(jìn)行合理分群

案例-5:基于Tableau的營(yíng)銷(xiāo)主題分析如何衡量媒體的營(yíng)銷(xiāo)價(jià)值

案例-6:基于Tableau的保公司索賠情況分析

1、數據可視化的概念 2、 數據可視化的意義

3、 數據可視化的對比 4、 數據可視化的分類(lèi)

5、數據可視化圖表舉例 6、 數據可視化應用領(lǐng)域

7、數據可視化步驟 8、 數據可視化工具梯度

9、圖表呈現流程 10、數據報告撰寫(xiě)

1、了解電商業(yè)務(wù)背景

2、以客戶(hù)分析為應用場(chǎng)景,對數據進(jìn)行加載、清洗、分析及模型建立

3、以貨品分析為應用場(chǎng)景,針對品類(lèi)銷(xiāo)售及商品銷(xiāo)售進(jìn)行分析

4、以流量分析為應用場(chǎng)景,針對流量渠道及關(guān)鍵詞做有效分析

5、根據業(yè)務(wù)實(shí)際背景做輿情分析

6、將分析結果及建議制成報告進(jìn)行發(fā)布

商業(yè)項目實(shí)戰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(shí)戰02:電商用戶(hù)行為與營(yíng)銷(xiāo)模型實(shí)戰

商業(yè)項目實(shí)戰03:金融風(fēng)控模型的構建與分析實(shí)戰

商業(yè)項目實(shí)戰04:展會(huì )電話(huà)邀約項目數據分析實(shí)戰

商業(yè)項目實(shí)戰05:零售行業(yè)數據分析