商業數據分析師培訓

 

 

1章 數據分析和商業智能
1-1 數據這個行業

1-2 數據分析的商業應用

1-3 數據分析思維

1-4 數據分析常用方法

1-5 實務中的數據分析師

2章 數據化指標體系
2-1 數據化指標體系概述

2-2 獲客類指標

2-3 營銷類指標

2-4 預警類指標

2-5 產品類指標

2-6 運營指標體系設計

3章 描述性統計分析技術
3-1 描述性統計分析概述

3-2 概率與頻數

3-3 數據的度量

3-4 概率的分布

3-5 相關性分析

3-6 統計報表可視化

4章 數據挖掘和模型導論
4-1 解讀未知世界的工具

4-2 預測：未知≠一無所知（1）

4-3 預測：未知≠一無所知（2）

4-4 分類：灰姑娘的鞋子（1）

4-5 分類：灰姑娘的鞋子（2）

4-6 聚類：人以群分（1）

4-7 聚類：人以群分（2）

4-8 關聯：比你更了解自己（1）

4-9 關聯：比你更了解自己（2）

4-10 補充：幾個容易忽略的小問題（1）

4-11 補充：幾個容易忽略的小問題（2）

5章 分分析師的基本功-Excel入門
5-1 數據分析概述視頻

5-2 分析工具Excel概述視頻

5-3 Excel基本數據類型

5-4 Excel數據加工-基本加工操作

5-5 Excel數據計算-公式功能

5-6 Excel數據透視功能

5-7 數據可視化-Excel條件格式

6章 表結構數據入門
6-1 表結構概述

6-2 多表橫向合并邏輯

6-3 多表縱向合并邏輯

7章 分析師第一到面試題-SQL數據庫
7-1 Windows系統下Mysql安裝

7-2 序章視頻

7-3 數據庫操作視頻

7-4 數據表操作視頻

7-5 數據類型視頻

7-6 約束條件視頻

7-7 填充數據視頻

7-8 修改數據表

7-9 SQL查詢視頻

7-10 操作符與子查詢視頻

7-11 SQL函數視頻

7-12 查詢練習視頻

8章 玩轉EXCEL BI商業報表
8-1 Power Query概述及導入多源數據方法

8-2 Power Query合并數據

8-3 Power Query基本功能

8-4 Power Query M函數

8-5 Power Query數據處理案例

8-6 Power Pivot概述及導入數據

8-7 搭建多維數據分析模型

8-8 創建層次結構

8-9 DAX表達式

8-10 使用KPI

9章 強大的桌面工具-Power BI DeskTop
9-1 篩選器類函數創建復雜匯總規則

9-2 時間智能函數

9-3 Power Query與非關系型表結構數據

9-4 Power Query使用非關系型表結構數據

9-5 爬取并處理網絡數據-1

9-6 爬取并處理網絡數據-2

10章 Power BI商業智能分析實戰案例
10-1 銷售管理分析儀業務背景說明

10-2 銷售管理分析儀制作方法說明視頻-1

10-3 銷售管理分析儀制作方法說明視頻-2

10-4 分析儀制作過程介紹

10-5 快消行業進銷存管理分析儀

10-6 財務杜邦分析儀

10-7 Power BI DeskTop概述

10-8 創建駕駛艙業務部分介紹1

10-9 創建駕駛艙方法介紹

11章 Tableau商業智能分析實戰案例
11-1 數據可視化+tableau介紹

11-2 tableau主要產品及安裝

11-3 連接數據 字段操作 文件保存

11-4 數據類型 合并 分層 分組

11-5 篩選器+集的應用

11-6 Tableau頁面及功能區介紹

11-7 自定義形狀+儀表盤操作應用

11-8 計算函數：數字 字符串 日期

11-9 計算函數：數字 字符串 日期

11-10 計算函數 類型轉換 邏輯 詳細級別表達式

11-11 計算函數：用戶函數 表計算

12章 Tableau可視化
12-1 條形/柱狀圖、折線圖

12-2 餅狀圖、散點圖、直方圖

12-3 文本表、盒須圖、熱圖

12-4 氣泡圖 樹形圖 詞云圖 甘特圖

12-5 環形圖 嵌套餅圖 帕累托圖

12-6 漏斗圖 啞鈴圖

12-7 雷達圖 標靶圖

12-8 地圖

12-9 趨勢圖 預測線 預測區間

12-10 參數

12-11 補充內容：自定義坐標軸 排序

12-12 儀表盤介紹

12-13 故事

13章 Tableau綜合實戰案例
13-1 RFM客戶價值模型

13-2 銷售報表分析

13-3 金融投資分析

13-4 某購物中心銷售儀表盤

14章 商業分析之運營分析專題
14-1 數據是怎樣幫你完成業務的

14-2 指標建模概述

14-3 常見的用戶數據指標：日活&月活

14-4 常見的用戶數據指標：新增用戶

14-5 常見的用戶數據指標：用戶留存

14-6 常見的行為數據指標

14-7 常見的業務數據指標

14-8 課堂練習：數據指標概念考察

14-9 北極星指標

14-10 如何選擇北極星指標

14-11 數據采集：埋點

14-12 埋點相關概念

14-13 案例：某Feed流產品的數據采集歷程

14-14 全埋點

14-15 競品數據采集

14-16 如何選擇合適的數據工具

14-17 常見的數據分析“套路”

14-18 借助Excel進行數據處理

14-19 數據分析概述

14-20 數據分析的價值

14-21 常用的數據分析方法：對比分析

14-22 常用的數據分析方法：多維度拆解

14-23 數據漲跌異動如何處理

14-24 案例：瀏覽量狂漲

14-25 常用的數據分析方法：漏斗觀察

14-26 如何評估渠道質量

14-27 常用的數據分析方法：分布分析

14-28 常用的數據分析方法：用戶留存

14-29 一個新產品上線后，如何評估價值

14-30 常用的數據分析方法：用戶畫像

14-31 標簽從哪來

14-32 高質量拉新

14-33 常用的數據分析方法：歸因查找

14-34 如何查出誰在薅羊毛

14-35 案例：分析某陌生人社交產品情況

14-36 數據分析的常見誤區

14-37 抖音看見音樂計劃概述

14-38 活動業務流程梳理

14-39 了解活動目的及核心事件

14-40 案例：活動指標監控體系搭建

14-41 案例：活動亮點及建議

15章 python編程基礎
15-1 Anaconda的安裝與使用

15-2 Jupter notebook頁面功能介紹

15-3 Markdown 語言簡介

15-4 內置函數的使用

15-5 python的變量

15-6 標準數據類型--數字類型

15-7 數學的計算-math科學計算庫

15-8 符合運算符 比較運算符 邏輯運算符

15-9 字符串的定義 字符串的拼接和重復

15-10 字符串的索引和切片

15-11 轉義字符和原生字符串

15-12 字符串的常用方法

15-13 字符串格式化方法

15-14 if體哦阿健判斷語句 控制流語句的概念

15-15 input函數

15-16 判斷語句

15-17 列表的使用

15-18 循環語句

15-19 其他數據類型轉換成布爾類型

15-20 break+continue

15-21 列表、元組、字典

15-22 函數的定義、調用

16章 pytho數據整理
16-1 向量、矩陣和數組

16-2 加載數據

16-3 數據整理

16-4 處理數值型數據

16-5 處理分類變量

17章 數據挖掘模型
17-1 貝式網絡

17-2 線性回歸

17-3 決策樹

17-4 神經網絡

17-5 邏輯回歸

17-6 SVM

17-7 集成學習算法

17-8 聚類分析

17-9 關聯規則

17-10 案例：如何利用發呢列技術來建立小額信貸的響應模型

18章 客戶購買行為分析
18-1 業務背景與客戶需求

18-2 當前及歷史銷售情況分析

18-3 客戶復購與回購分析

18-4 不同產品和客戶畫像分析

18-5 客戶畫像和桑葚圖

19章 客戶轉化分析
19-1 客戶轉化分析

20章 python文本分析和特征提取
20-1 基本概念-信息檢索技術（全文掃描、關鍵詞、關鍵詞索引）

20-2 python實操（多篇文章TF,IDF)

20-3 文本挖掘的處理流程

20-4 N-Gram及分詞-法則式分詞法

20-5 N-Gram及分詞-統計式分詞法和詞性標注

20-6 關鍵詞提取及用python實作基本jieba分詞

20-7 用python實作進階jieba分析及TFIDF關鍵詞提取

20-8 用pyhon實做jieba分詞詞性標注

20-9 非結構轉結構數據-詞袋模型

20-10 非結構轉結構數據-PCA&矩陣分解

20-11 非結構轉結構數據-Glove

20-12 非結構轉結構數據-Word2Vec（Skip-Gram & CBOW)

20-13 用python實作Word2Vec（Skip-Gram & CBOW) 模型訓練及使用

20-14 文本詞云化

20-15 文本挖掘的應用-文本分類

20-16 文本挖掘的應用-情緒分析

20-17 文本挖掘的應用-文本聚類

20-18 文本挖掘的應用-文本摘要