1、數(shù)據(jù)分析入門

2、數(shù)據(jù)分析的意義

3、數(shù)據(jù)分析的流程控制

4、數(shù)據(jù)分析的思路與方法

數(shù)據(jù)分析入門——邏輯為先——XMIND

1、xmind簡介與基本使用

2、學(xué)習(xí)方法課堂案例

3、滴答拼車實(shí)戰(zhàn)演練

4、其他思維導(dǎo)圖介紹

數(shù)據(jù)分析入門——專業(yè)展現(xiàn)——PPT

1、專業(yè)展現(xiàn)——PPT

2、基本簡介

3、幾個(gè)不得不說的真相

4、經(jīng)驗(yàn)分享

5、實(shí)戰(zhàn)動(dòng)畫

數(shù)據(jù)分析工具安裝與環(huán)璄配置

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(shù)據(jù)庫的安裝、配置與環(huán)璄測試

5、SPSS數(shù)據(jù)挖掘工具安裝、配置與環(huán)璄測試

6、SAS數(shù)據(jù)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

Linux基礎(chǔ)應(yīng)用之大數(shù)據(jù)必知必會(huì)

1、虛擬機(jī)的安裝配置

2、虛擬機(jī)網(wǎng)絡(luò)配置

3、安裝Linux

4、利用SSH連結(jié)Linux

5、Linux基礎(chǔ)命令

6、Linux系統(tǒng)管理

數(shù)據(jù)分析的Python語言基礎(chǔ)

1、python課程的目的

2、使用JupyterLab

3、python數(shù)據(jù)類型

4、元組、列表、字典

5、python分支結(jié)構(gòu)

6、python字符串處理+隨機(jī)函數(shù)

7、pthon循環(huán)結(jié)構(gòu)

8、python面向過程函數(shù)操作

9、python面向?qū)ο?br>

數(shù)據(jù)分析項(xiàng)目流程

問題界定

問題拆分

指標(biāo)確定

數(shù)據(jù)收集

報(bào)告方案

趨勢預(yù)測

數(shù)據(jù)分析

趨勢預(yù)測

報(bào)告方案

問題的定義

邊界：明確問題的邊界

邏輯：確定業(yè)務(wù)的關(guān)鍵指標(biāo)和邏輯

定性分析與定量分析

分析問題的模型 基于經(jīng)典的模型-1：5W2H、SWORT、4P管理模型、CATWOE、STAR原則、波士頓5力模型

基于業(yè)務(wù)的模型-2：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)清洗與處理

數(shù)據(jù)科學(xué)過程

數(shù)據(jù)清洗定義

數(shù)據(jù)清洗任務(wù)

數(shù)據(jù)清洗流程

數(shù)據(jù)清洗環(huán)境

數(shù)據(jù)清洗實(shí)例說明

數(shù)據(jù)標(biāo)準(zhǔn)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(shù)方法

數(shù)據(jù)抽取

數(shù)據(jù)轉(zhuǎn)換與加載

內(nèi)部數(shù)據(jù)的獲取

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)

外部公開數(shù)據(jù)

開放網(wǎng)站

政務(wù)公開數(shù)據(jù)

數(shù)據(jù)科學(xué)競賽

數(shù)據(jù)交易平臺(tái)

行業(yè)報(bào)告

指數(shù)平臺(tái)

Web網(wǎng)站數(shù)據(jù)抓取

財(cái)經(jīng)數(shù)據(jù)抓取

投資數(shù)據(jù)抓取

房產(chǎn)數(shù)據(jù)抓取

輿情數(shù)據(jù)抓取

娛樂數(shù)據(jù)抓取

新媒體數(shù)據(jù)抓取

實(shí)戰(zhàn)-1：51job招聘網(wǎng)站數(shù)據(jù)抓取與清洗

實(shí)戰(zhàn)-2：鏈家網(wǎng)數(shù)據(jù)的抓取與數(shù)據(jù)清洗

SQL基礎(chǔ)操作

建庫

建表

建約束

創(chuàng)建索引

添加、刪除、修改數(shù)據(jù)

利用SQL完成數(shù)據(jù)的預(yù)處理

缺失值處理：對(duì)缺失數(shù)據(jù)行進(jìn)行刪除或填充

重復(fù)值處理：重復(fù)值的判斷與刪除

異常值處理：清除不必要的空格和極端、異常數(shù)據(jù)

利用SQL進(jìn)行業(yè)務(wù)數(shù)據(jù)查詢

利用SQL進(jìn)行簡單的業(yè)務(wù)數(shù)據(jù)查詢

利用SQL完成復(fù)雜條件查詢

利用多表關(guān)聯(lián)完成復(fù)雜業(yè)務(wù)查詢

利用嵌套子查詢完成復(fù)雜業(yè)務(wù)數(shù)據(jù)分析

高級(jí)SQL分析

聚合、分組、排序

函數(shù)

行列切換

視圖與存儲(chǔ)過程

業(yè)務(wù)指標(biāo)統(tǒng)計(jì)分析

業(yè)務(wù)數(shù)據(jù)表關(guān)聯(lián)查詢及查詢

結(jié)果縱向融合

日常業(yè)務(wù)需求數(shù)據(jù)寬表構(gòu)建

應(yīng)用子查詢處理復(fù)雜業(yè)務(wù)

實(shí)戰(zhàn)-1：利用SQL進(jìn)行某零售公司銷售業(yè)務(wù)分析

實(shí)戰(zhàn)-2：電商網(wǎng)站流量指標(biāo)SQL數(shù)據(jù)分析

數(shù)據(jù)分析的統(tǒng)計(jì)學(xué)基礎(chǔ)

基本統(tǒng)計(jì)量-1：均值、中位數(shù)、眾數(shù)、異常值 .......

概率論基礎(chǔ)-2：獨(dú)立事件、條件概率、全概率公式、貝葉斯定律 ......

數(shù)據(jù)分布-3：幾何分布、正態(tài)分布、二項(xiàng)分布、泊松分布.....

統(tǒng)計(jì)抽樣

置信區(qū)間

假設(shè)檢驗(yàn)

數(shù)據(jù)分析的數(shù)學(xué)基礎(chǔ)

極限的計(jì)算和連續(xù)函數(shù)的性質(zhì)

導(dǎo)數(shù)/微分的概念和運(yùn)算法則

積分的概念和運(yùn)算法則

冪級(jí)數(shù)、泰勒級(jí)數(shù)、傅里葉級(jí)數(shù)、傅里葉變換

向量的概念和運(yùn)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(jì)算和性質(zhì)

凸優(yōu)化

基于Numpy庫的Python數(shù)據(jù)科學(xué)計(jì)算

創(chuàng)建數(shù)組

切片索引

數(shù)組操作

字符串函數(shù)

數(shù)學(xué)函數(shù)

統(tǒng)計(jì)函數(shù)

......

案例-1：Numpy在金融領(lǐng)域中的分析應(yīng)用

案例-2：基于Numpy的股價(jià)統(tǒng)計(jì)分析應(yīng)用

基于Pandas庫的Python數(shù)據(jù)處理與分析

利用Pandas重成數(shù)據(jù)表

利用Pandas進(jìn)行數(shù)據(jù)查看

Pandas數(shù)據(jù)清洗

基于Pandas的數(shù)據(jù)預(yù)處理：數(shù)據(jù)表合并、數(shù)據(jù)表拆分與排序

利用Pandas進(jìn)行數(shù)據(jù)提取

Pandas數(shù)據(jù)統(tǒng)計(jì)

......

案例-1：抖音用戶行為分析

案例-2：淘寶天貓樂高的全國銷售情況分析

利用Matplotlib/Seaborn/pyechart進(jìn)行Python數(shù)據(jù)可視化

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(diǎn)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，極值，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(guān)系

熱力圖：表未數(shù)值的大小或者相關(guān)性的高低

案例-1：抖音用戶行為可視化分析

案例-2：淘寶天貓樂高的全國銷售情況可視化分析

實(shí)戰(zhàn)-1：基于Python實(shí)現(xiàn)的鏈家網(wǎng)業(yè)務(wù)數(shù)據(jù)分析

實(shí)戰(zhàn)-2：基于Python實(shí)現(xiàn)的51JOB簡歷分析

HIVE大數(shù)據(jù)查詢平臺(tái)搭建 大數(shù)據(jù)概述

?數(shù)據(jù)集群 Hadoop 架構(gòu)

Hive開發(fā)環(huán)璄搭建

HIVE與MySQL進(jìn)行數(shù)據(jù)交換

從MySQL中導(dǎo)入數(shù)據(jù)到Hive

從Hive導(dǎo)出數(shù)據(jù)到MySQL

HQL 海量業(yè)務(wù)數(shù)據(jù)需求查詢

Hive數(shù)倉

HQL 數(shù)據(jù)查詢基礎(chǔ)語法

HQL 海量業(yè)務(wù)數(shù)據(jù)需求查詢

從MySQL中導(dǎo)入數(shù)據(jù)到Hive

從Hive導(dǎo)出數(shù)據(jù)到MySQL

HQL 業(yè)務(wù)數(shù)據(jù)指標(biāo)統(tǒng)計(jì)分析

分區(qū)表

分桶表

關(guān)聯(lián)表

數(shù)據(jù)查詢

HQL 海量數(shù)據(jù)查詢優(yōu)化

常?內(nèi)置函數(shù)及開窗函數(shù)

特殊類型數(shù)組查詢?式

HQL 查詢語句優(yōu)化技巧

實(shí)戰(zhàn)-1：基于Hive的電商日志點(diǎn)擊流量分析案例

實(shí)戰(zhàn)-2：基于Hive的企業(yè)員工行為大數(shù)據(jù)分析

數(shù)據(jù)挖掘與分析算法

描述統(tǒng)計(jì)

相關(guān)分析

判別分析

方差分析

時(shí)間序列分析

主成分分析

信度分析

因子分析

回歸分析

對(duì)應(yīng)分析

列聯(lián)表分析

聚類分析

數(shù)據(jù)挖掘工具——SPSS

課程規(guī)劃與簡介

數(shù)據(jù)挖掘項(xiàng)目生命周期

簡單必備的統(tǒng)計(jì)學(xué)基礎(chǔ)

用Modeler試手挖掘流程

數(shù)據(jù)挖掘的知識(shí)類型

商業(yè)分析基礎(chǔ)簡介

回歸模型

決策樹模型

支持向量機(jī)

聚類模型

關(guān)聯(lián)規(guī)則

數(shù)據(jù)挖掘工具——SAS 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(chǔ)

SAS編程基礎(chǔ)7-循環(huán)

SAS數(shù)據(jù)集操作1-合并

SAS數(shù)據(jù)集操作2-排序與對(duì)比

SAS數(shù)據(jù)集操作3-查重與篩選

練習(xí)-斐波那契數(shù)列

練習(xí)-百元百雞問題

實(shí)戰(zhàn)：證券業(yè)市場績效與市場結(jié)構(gòu)關(guān)系的實(shí)證分析

人工智能：實(shí)戰(zhàn)十大預(yù)測數(shù)據(jù)算法

機(jī)器學(xué)習(xí)入門

sk-learn機(jī)器學(xué)習(xí)庫

十大預(yù)測算法原理與使用場景

算法調(diào)用、參數(shù)設(shè)置

特征選擇、特征工程

回歸預(yù)測模型實(shí)戰(zhàn)

分類預(yù)測試模型實(shí)戰(zhàn)

聚類模型實(shí)戰(zhàn)

集成學(xué)習(xí)

模型優(yōu)化

實(shí)戰(zhàn)-1：天池大賽之天貓用戶重復(fù)購買行為分析及預(yù)測

實(shí)戰(zhàn)-2：天池大賽之O2O優(yōu)惠券使用預(yù)測

商業(yè)智能與可視化分析實(shí)戰(zhàn)

案例-1：BI電商數(shù)據(jù)市場分析項(xiàng)目實(shí)戰(zhàn)

案例-2：BI電商數(shù)據(jù)客戶分析項(xiàng)目實(shí)戰(zhàn)

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

案例-4：基于Tableau的客戶主題對(duì)客戶進(jìn)行合理分群

案例-5：基于Tableau實(shí)現(xiàn)的營銷主題分析

案例-6：基于Tableau的保公司索賠情況分析

數(shù)據(jù)可視化報(bào)告撰寫

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(duì)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(yīng)用領(lǐng)域

數(shù)據(jù)可視化步驟

數(shù)據(jù)可視化工具梯度

圖標(biāo)呈現(xiàn)流程

數(shù)據(jù)報(bào)告撰寫

實(shí)戰(zhàn)：O2O電商平臺(tái)功能優(yōu)化效果評(píng)估及可視化數(shù)據(jù)分析報(bào)告撰寫

了解電商業(yè)務(wù)背景

基于客戶分析場景的數(shù)據(jù)加載、清洗、分析及模型建立

以貨品分析為應(yīng)用場景，針對(duì)品類銷售及商品銷售進(jìn)行分析

以流量分析為應(yīng)用場景，針對(duì)流量渠道及關(guān)鍵詞做有效分析

根據(jù)業(yè)務(wù)實(shí)際背景做輿情分析

將分析結(jié)果及建議制成報(bào)告進(jìn)行發(fā)布

五大商業(yè)項(xiàng)目實(shí)戰(zhàn)

商業(yè)項(xiàng)目實(shí)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(xiàng)目實(shí)戰(zhàn)02：電商用戶行為與營銷模型實(shí)戰(zhàn)

商業(yè)項(xiàng)目實(shí)戰(zhàn)03：金融風(fēng)控模型的構(gòu)建與分析實(shí)戰(zhàn)

商業(yè)項(xiàng)目實(shí)戰(zhàn)04：展會(huì)電話邀約項(xiàng)目數(shù)據(jù)分析實(shí)戰(zhàn)

商業(yè)項(xiàng)目實(shí)戰(zhàn)05：零售行業(yè)數(shù)據(jù)分析