400-050-6600

数据分析零基础集训营

方式:面授   时间:

价格:9600元/面授

分享至:
  • 第12章 撰写完整数据分析报告&课程总结

    一. 数据分析报告撰写

    (1)报告撰写流程
    (2)报告撰写注意事项
    二. 优秀数据分析报告展示

    三. 数据分析实战项目
    (1)小组展示
    (2)讲师点评
    四. 数据分析集训营结课总结


  • 第11章 数据可视化

    . 可视化技术
    1)基本图表
    2)根据数据维度和类型选择图表
    3)设计原则
         a.
    颜色、形状、大小
         b.
    避免冗余
         c.
    诚信
    . Tableau可视化工具应用
    1)数据链接与数据合并
    2)汇总和粒度
    3)标记、层级和组图
    4)过滤器、组和集合
    5)计算字段和表格计算

    . Tableau综合案例——基础篇
    1)特征筛选:国内生产总值分析
    . Tableau综合案例——中级篇
    1)词云:肥胖分析
    2)时间轨迹:中国电影票房走势分析
    3)动态交互:新闻热点事件分析
    . Tableau综合案例——高级篇
    1)地图可视化:500所高校办学信息可视化分析
    2)综合技能:热门技能排名轨迹


  • 第10章 企业高管数据分析 & 决策分享


  • 第9章 场景实训(六)市场销量预测 & 竞品分析典型应用场景

    一. 市场销量预测的模型选择

    二. 巴斯扩散模型
    (1)创新系数
    (2)模仿系数
    三. 竞品分析
    (1)产品特性的分析描述
    (2)对应分析
    四. 场景应用
    (1)新产品市场销量长期走势预测分析
    (2)智能手机的用户好评率分析


  • 第8章 场景实训(五)产品价格 & 销量预测典型应用场景

    一. 相关与回归分析

    (1)相关关系与函数关系
    (2)线性回归
         a. 一元线性回归
         b. 多元线性回归
    二. 时间序列分析
    (1)指数平滑
    (2)分解预测
    三. 场景应用
    (1)企业广告支出与销售收入预测
    (2)金融产品不良贷款预测
    (3)酒厂销量预测的季节性分析


  • 第7章 场景实训(四)产品功能属性设计 & 价格敏感度测试典型应用场景

    一. 产品功能属性设计

    (1)收集用户偏好
    (2)产品属性设计
              a. 魅力属性
              b. 期望属性
              c. 必备属性
              d. 无差异属性
    二. 价格敏感度测试PSM模型
    三. 场景应用
    (1)利用KANO模型挖掘电子产品的必备属性
    (2)商品设计阶段定价策略分析


  • 第6章 场景实训(三)精准用户画像典型应用场景

    一. 寻找用户相似度

    (1)如何定义相似
    (2)相似度测量
    二. 降维算法
    (1)因子分析
    (2)主成分分析
    三. 聚类算法
    (1)迭代聚类
    (2)层次聚类
    (3)密度聚类
    四. 场景应用
    (1)航空公司用户价值识别
    (2)电信用户精准画像与营销策略分析


  • 第5章 场景实训(二)风险识别 & 用户流失预警典型应用场景

    一. 分类器构造

    (1)分类精度
    (2)样本选取
    (3)过拟合与欠拟合
    二. 分类算法
    (1)逻辑回归算法
    (2)朴素贝叶斯算法
    (3)决策树算法
    (4)SVM算法
    (5)KNN算法、集成学习算法、神经网络算法
    三、场景应用
    (1)预测移动APP用户付费行为
    (2)构建金融风控模型


  • 第4章 场景实训(一)智能推荐系统典型应用场景

    一. 关联规则Apriori算法

    (1)寻找有效的强关联规则
    (2)Apriori算法分类和剪枝
    二. 协同过滤算法
    (1)基于用户的协同过滤
    (2)基于物品的协同过滤
    三. 场景应用
    (1)超市购物篮分析
    (2)刑事案件共性提取
    (3)创建热门电影推荐系统


  • 第3章 数据探索&数据处理

    一. 数据探索

    (1)描述性统计(集中趋势、离散趋势)
    (2)相关性探索
    二. 数据ETL处理与Python & Datahoop实操
    (1)评估数据质量和整洁度
    (2)用NumPy和Pandas库处理缺失值和异常值
    (3)数据结构转换
         a. 数据标签
         b. 名义化处理
         c. 变量标准化
         d. 变量离散化


  • 第2章 数据获取

    一. 数据获客与埋点策略实现

    二. 数据库系统与SQL基础语句
    (1)关系型数据库与非关系型数据库
    (2)数据库与数据仓库
    (3)SQL基础语句
    三. Python网络爬虫实操
    (1)HTML文件结构
    (2)Requests
    (3)Beautiful Soup
    (4)保存数据
    四. 八爪鱼网络爬虫实操


  • 第1章 数据分析思维

    一. 数据分析集训营开课导读

    1)数据分析价值 & 应用前景
    2)数据分析师应用技能要求
    3)数据分析核心思维模式与技巧
    . 加强业务理解,定位分析问题
    1)行业市场需求分析
    2)行业发展机遇
    3)数据驱动决策
    4)确定核心指标

    . 数据分析流程简介
    1)收集数据
    2)数据处理
    3)数据探索
    4)数据可视化
    5)数据建模
    . 排查分析结果
    1)幸存者偏差
    2)自选择偏差
    3)社会期望偏差等
    . 数据分析报告撰写与执行反馈



课程简介

为期8天的集训营会教给你数据分析常用工具,例如:Excel、Python、Tableau,这些工具涉及数据分析的每个步骤,配合大量案例实操和课后大型分析项目实践。学完课程,你就可以独立承担数据分析基本工作。


不只于此,集训营还注重数据分析思维以及数据分析在不同领域内的应用,例如:客户流失预警、精准营销、用户画像等等,帮助你快速定位问题并解决问题,超过大部分只会做表格的数据分析员。


集训营课程依照数据分析行业就业要求而设计,学员学完后能快速达到企业用人标准,在大数据时代找准工作定位。学员毕业后,能够独立完成商业数据分析项目。