1、數據分析入門 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簡介與基本使用 2、學習方法課堂案例

3、滴答拼車實戰(zhàn)演練 4、其他思維導圖介紹

1、專業(yè)展現——PPT 2、基本簡介

3、幾個不得不說的真相 4、經驗分享

5、實戰(zhàn)動畫

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開發(fā)工具的安裝、配置與開發(fā)環(huán)璄測試

1、虛擬機的安裝配置 2、虛擬機網絡配置

3、安裝Linux 4、利用SSH連結Linux

5、Linux基礎命令 6、Linux系統(tǒng)管理

1、python課程的目的 2、使用JupyterLab

3、python數據類型 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面向過程函數操作

9、python面向對象

1、問題界定 2、問題拆分 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：明確問題的邊界

2、邏輯：確定業(yè)務的關鍵指標和邏輯

3、定性分析與定量分析

基于經典的模型

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)務的模型

1、用戶畫像

2、 銷售影響因素

3、市場變化因素

4、AARRR流量模型

5、金定塔思考方法

1、數據科學過程 2、數據清洗定義

3、數據清洗任務 4、數據清洗流程

5、數據清洗環(huán)境 6、數據清洗實例說明

7、數據標準化 8、數據格式與編碼

9、數據清洗常用工具 10、數據清洗基本技術方法

11、數據抽取 12、數據轉換與加載

1、產品數據 2、用戶數據

3、行為數據 4、訂單數據

1、開放網站 2、政務公開數據

3、數據科學競賽 4、數據交易平臺

5、行業(yè)報告 6、指數平臺

1、財經數據抓取 2、投資數據抓取

3、房產數據抓取 4、輿情數據抓取

5、娛樂數據抓取 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進行簡單的業(yè)務數據查詢

2、利用SQL完成復雜條件查詢

3、利用多表關聯(lián)完成復雜業(yè)務查詢

4、利用嵌套子查詢完成復雜業(yè)務數據分析

1、聚合、分組、排序 2、函數

3、行列轉換 4、視圖與存儲過程

1、業(yè)務數據表關聯(lián)查詢及查詢

2、結果縱向融合

3、?常業(yè)務需求數據寬表構建

4、應??查詢處理復雜業(yè)務

1、計算和連續(xù)函數的性質 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 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、數學函數 6、統(tǒng)計函數

1、直方圖：探索變量的分布規(guī)律 2、條形圖：展示數值變量的集中趨勢

3、散點圖：表示整體數據的分布規(guī)律 4、箱線圖：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：尋找數據之間的線性關系

7、熱力圖：表未數值的大小或者相關性的高低

1、大數據概述

2、?數據集群 Hadoop 架構

3、Hive開發(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 數據查詢基礎語法

1、從MySQL中導入數據到Hive

2、從Hive導出數據到MySQL

1、分區(qū)表 2、分桶表

3、關聯(lián)表 4、數據查詢

1、常?內置函數及開窗函數

2、特殊類型數組查詢?式

3、HQL 查詢語句優(yōu)化技巧

1、描述統(tǒng)計 2、相關分析

3、判別分析 4、方差分析

5、時間序列分析 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(guī)劃與簡介 2、數據挖掘項目生命周期

3、簡單的統(tǒng)計學基礎 4、用Modeler試手挖掘流程

5、數據挖掘的知識類型 6、商業(yè)分析基礎簡介

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、聚類分析

1、SAS概述：SAS簡介與教育版安裝 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-百元百雞問題

1、機器學習入門 2、sk-learn機器學習庫

3、十大預測算法原理與使用場景 4、算法調用、參數設置

5、特征選擇、特征工程 6、回歸預測模型實戰(zhàn)

7. 分類預測試模型實戰(zhàn) 8. 聚類模型實戰(zhàn)

9、集成學習 10、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

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

5、數據可視化圖表舉例 6、 數據可視化應用領域

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

1、了解電商業(yè)務背景

2、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

3、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

4、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

5、根據業(yè)務實際背景做輿情分析

6、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