商业数据分析师_CDA Level I_CDA数据分析师_DVD 北京国富如荷网络科技有限公司-Peixun.net

课程章节详情

商业数据分析师

1章数据分析和商业智能

1-1 数据这个行业

1-2 数据分析的商业应用

1-3 数据分析思维

1-4 数据分析常用方法

1-5 实务中的数据分析师

2章数据化指标体系

2-1 数据化指标体系概述

2-2 获客类指标

2-3 营销类指标

2-4 预警类指标

2-5 产品类指标

2-6 运营指标体系设计

3章描述性统计分析技术

3-1 描述性统计分析概述

3-2 概率与频数

3-3 数据的度量

3-4 概率的分布

3-5 相关性分析

3-6 统计报表可视化

4章数据挖掘和模型导论

4-1 解读未知世界的工具

4-2 预测：未知≠一无所知（1）

4-3 预测：未知≠一无所知（2）

4-4 分类：灰姑娘的鞋子（1）

4-5 分类：灰姑娘的鞋子（2）

4-6 聚类：人以群分（1）

4-7 聚类：人以群分（2）

4-8 关联：比你更了解自己（1）

4-9 关联：比你更了解自己（2）

4-10 补充：几个容易忽略的小问题（1）

4-11 补充：几个容易忽略的小问题（2）

5章分分析师的基本功-Excel入门

5-1 数据分析概述视频

5-2 分析工具Excel概述视频

5-3 Excel基本数据类型

5-4 Excel数据加工-基本加工操作

5-5 Excel数据计算-公式功能

5-6 Excel数据透视功能

5-7 数据可视化-Excel条件格式

6章表结构数据入门

6-1 表结构概述

6-2 多表横向合并逻辑

6-3 多表纵向合并逻辑

7章分析师第一到面试题-SQL数据库

7-1 Windows系统下Mysql安装

7-2 序章视频

7-3 数据库操作视频

7-4 数据表操作视频

7-5 数据类型视频

7-6 约束条件视频

7-7 填充数据视频

7-8 修改数据表

7-9 SQL查询视频

7-10 操作符与子查询视频

7-11 SQL函数视频

7-12 查询练习视频

8章玩转EXCEL BI商业报表

8-1 Power Query概述及导入多源数据方法

8-2 Power Query合并数据

8-3 Power Query基本功能

8-4 Power Query M函数

8-5 Power Query数据处理案例

8-6 Power Pivot概述及导入数据

8-7 搭建多维数据分析模型

8-8 创建层次结构

8-9 DAX表达式

8-10 使用KPI

9章强大的桌面工具-Power BI DeskTop

9-1 筛选器类函数创建复杂汇总规则

9-2 时间智能函数

9-3 Power Query与非关系型表结构数据

9-4 Power Query使用非关系型表结构数据

9-5 爬取并处理网络数据-1

9-6 爬取并处理网络数据-2

10章 Power BI商业智能分析实战案例

10-1 销售管理分析仪业务背景说明

10-2 销售管理分析仪制作方法说明视频-1

10-3 销售管理分析仪制作方法说明视频-2

10-4 分析仪制作过程介绍

10-5 快消行业进销存管理分析仪

10-6 财务杜邦分析仪

10-7 Power BI DeskTop概述

10-8 创建驾驶舱业务部分介绍1

10-9 创建驾驶舱方法介绍

11章 Tableau商业智能分析实战案例

11-1 数据可视化+tableau介绍

11-2 tableau主要产品及安装

11-3 连接数据字段操作文件保存

11-4 数据类型合并分层分组

11-5 筛选器+集的应用

11-6 Tableau页面及功能区介绍

11-7 自定义形状+仪表盘操作应用

11-8 计算函数：数字字符串日期

11-9 计算函数：数字字符串日期

11-10 计算函数类型转换逻辑详细级别表达式

11-11 计算函数：用户函数表计算

12章 Tableau可视化

12-1 条形/柱状图、折线图

12-2 饼状图、散点图、直方图

12-3 文本表、盒须图、热图

12-4 气泡图树形图词云图甘特图

12-5 环形图嵌套饼图帕累托图

12-6 漏斗图哑铃图

12-7 雷达图标靶图

12-8 地图

12-9 趋势图预测线预测区间

12-10 参数

12-11 补充内容：自定义坐标轴排序

12-12 仪表盘介绍

12-13 故事

13章 Tableau综合实战案例

13-1 RFM客户价值模型

13-2 销售报表分析

13-3 金融投资分析

13-4 某购物中心销售仪表盘

14章商业分析之运营分析专题

14-1 数据是怎样帮你完成业务的

14-2 指标建模概述

14-3 常见的用户数据指标：日活&月活

14-4 常见的用户数据指标：新增用户

14-5 常见的用户数据指标：用户留存

14-6 常见的行为数据指标

14-7 常见的业务数据指标

14-8 课堂练习：数据指标概念考察

14-9 北极星指标

14-10 如何选择北极星指标

14-11 数据采集：埋点

14-12 埋点相关概念

14-13 案例：某Feed流产品的数据采集历程

14-14 全埋点

14-15 竞品数据采集

14-16 如何选择合适的数据工具

14-17 常见的数据分析“套路”

14-18 借助Excel进行数据处理

14-19 数据分析概述

14-20 数据分析的价值

14-21 常用的数据分析方法：对比分析

14-22 常用的数据分析方法：多维度拆解

14-23 数据涨跌异动如何处理

14-24 案例：浏览量狂涨

14-25 常用的数据分析方法：漏斗观察

14-26 如何评估渠道质量

14-27 常用的数据分析方法：分布分析

14-28 常用的数据分析方法：用户留存

14-29 一个新产品上线后，如何评估价值

14-30 常用的数据分析方法：用户画像

14-31 标签从哪来

14-32 高质量拉新

14-33 常用的数据分析方法：归因查找

14-34 如何查出谁在薅羊毛

14-35 案例：分析某陌生人社交产品情况

14-36 数据分析的常见误区

14-37 抖音看见音乐计划概述

14-38 活动业务流程梳理

14-39 了解活动目的及核心事件

14-40 案例：活动指标监控体系搭建

14-41 案例：活动亮点及建议

15章 python编程基础

15-1 Anaconda的安装与使用

15-2 Jupter notebook页面功能介绍

15-3 Markdown 语言简介

15-4 内置函数的使用

15-5 python的变量

15-6 标准数据类型--数字类型

15-7 数学的计算-math科学计算库

15-8 符合运算符比较运算符逻辑运算符

15-9 字符串的定义字符串的拼接和重复

15-10 字符串的索引和切片

15-11 转义字符和原生字符串

15-12 字符串的常用方法

15-13 字符串格式化方法

15-14 if体哦阿健判断语句控制流语句的概念

15-15 input函数

15-16 判断语句

15-17 列表的使用

15-18 循环语句

15-19 其他数据类型转换成布尔类型

15-20 break+continue

15-21 列表、元组、字典

15-22 函数的定义、调用

16章 pytho数据整理

16-1 向量、矩阵和数组

16-2 加载数据

16-3 数据整理

16-4 处理数值型数据

16-5 处理分类变量

17章数据挖掘模型

17-1 贝式网络

17-2 线性回归

17-3 决策树

17-4 神经网络

17-5 逻辑回归

17-6 SVM

17-7 集成学习算法

17-8 聚类分析

17-9 关联规则

17-10 案例：如何利用发呢列技术来建立小额信贷的响应模型

18章客户购买行为分析

18-1 业务背景与客户需求

18-2 当前及历史销售情况分析

18-3 客户复购与回购分析

18-4 不同产品和客户画像分析

18-5 客户画像和桑葚图

19章客户转化分析

19-1 客户转化分析

20章 python文本分析和特征提取

20-1 基本概念-信息检索技术（全文扫描、关键词、关键词索引）

20-2 python实操（多篇文章TF,IDF)

20-3 文本挖掘的处理流程

20-4 N-Gram及分词-法则式分词法

20-5 N-Gram及分词-统计式分词法和词性标注

20-6 关键词提取及用python实作基本jieba分词

20-7 用python实作进阶jieba分析及TFIDF关键词提取

20-8 用pyhon实做jieba分词词性标注

20-9 非结构转结构数据-词袋模型

20-10 非结构转结构数据-PCA&矩阵分解

20-11 非结构转结构数据-Glove

20-12 非结构转结构数据-Word2Vec（Skip-Gram & CBOW)

20-13 用python实作Word2Vec（Skip-Gram & CBOW) 模型训练及使用

20-14 文本词云化

20-15 文本挖掘的应用-文本分类

20-16 文本挖掘的应用-情绪分析

20-17 文本挖掘的应用-文本聚类

20-18 文本挖掘的应用-文本摘要

【自学也能变强】

商业数据分析师高薪就业课程

课程简介

需求与概况：

为什么商业数据分析师是值得选择的方向？

在竞争更激烈、对创新要求更高的现代商业环境中，企业需要更敏捷、更快、更有效、投入产出更高的运营。无论是战略层面还是策略层面，充分利用数据分析，都能够帮助企业找到新的增长机会，做出更好、更快的决策和更有反馈的创新，甚至颠覆自己在行业中的定位。

人工智能、机器学习的普及极大的提高了对专业数据人才的需求。根据拉勾网数据，未来五年中国数据分析师的缺口将高达300 万，人才市场供不应求。另外产品、运营、市场和销售等职能岗位均需要通过数据支撑做客群划分、竞品分析、销售预测分析，为运营和销售策略提供依据。

在本课程中，你将学习如何进行商业数据分析。从掌握理论知识，迈向实际应用，案例包括金融、零售业和互联网、财务等行业实际场景中的50%经典问题，让你轻松基于数据分析做出关键商业决策。学习将从 Excel表格结构分析和SQL数据库查询开始，然后使用商业智能工具 PowerBI 和 Tableau 创建仪表板，使用当前最流行的编程语言Python从零创建一个机器学习模型，解决特定领域的数据挖掘任务。更好地理解数据的奥义，提高决策效率，提升个人职场竞争力。

适合人群：

全日制在校生

产品与运营人员

销售与市场人员

业务办公人员

新媒体工作者

准数据分析师

各行各业人员

学习目标：

数据思维：搭建科学的数据指标体系，构建底层数据思维

数据技能：掌握数据存储、数据清洗、数据分析、可视化核心技能

软件技能：掌握Python、ExcelPower BI、SQL、Tableau等目前主流商业数据分析软件工具

业务经验：实操金融业、零售业和互联网、财务、销售、产品、客户分析等实际行业案例

项目时长：

《商业数据分析师》课程学习周期约为20周，平均每周近5~8小时学习时间，助您轻松利用职场碎片化时间自我提升。为了有效督促学习，课程均设有有效期。你可在开班后享受20周的训练营服务，包括助教辅导 + 班主任服务，亦可在开班后1年内访问班级的课程内容。

讲师团队：

李御玺

台湾大学博士，在其相关研究领域已发表超过 260 篇以上的研究论文，同时也是国科会与教育部多个相关研究计划的主持人。兼任厦门大学数据挖掘中心顾问，中国人民大学数据挖掘中心顾问及IBM SPSS-China顾问。服务过的客户包括：中国工商局、中信银行、台新银行等

李奇

微软EXCEL MVP/中国电子表格应用大会主席

经管之家 CDA资深签约讲师，有丰富的数据分析线上及线下培训经验，曾任 IBM 销售管理团队数据分析项目组长及德勤数据分析团队高级咨询顾问，曾有5年在日工作经验。在日时曾担任日本再就业支援中心的 Excel 讲师。专精于企业业务数据分析、制定及实施商业智能业务解决方案、SQL、Excel 相关数据分析课程培训等。

董雪婷（Yuki）

复旦大学数学科学学院/CDA Institute会员

拥有近10年的数据项目工作经验，曾就职于美资咨询公司Hay Group(现名为光辉合益)，通过数据驱动帮助客户提升组织效能。后转为甲方企业资深数据挖掘工程师，曾就职于携程、饿了么、陆金所。主要从事数据分析和挖掘工作。

陈梦雨

美库尔高级数据分析师

多年客户关系管理和数据分析经验，为北美500强企业提供数据营销分析。帮助客户整合CRM数据，充分了解其客户行为以提供有效的广告营销策略；擅长使用Tableau制作BI报表助力商业分析，挖掘数据背后的故事；

熟练使用主流数据处理和分析软件(Python, R等)。

开启课程大纲

以下是商业数据分析师课程的详细介绍，包括你将要学到的核心知识点，以及将会挑战到的商业实战项目。共分为三个阶段，14大学习模块，20周学习阶段，每周需投入5～8小时。

阶段一：商业数据分析师通识课 -2周

课程模块

课程章节

详细内容

一、数据分析和商业智能

数据分析概述

数据这个行业

数据分析的商业应用

数据分析思维

数据分析常用方法

实务中的数据分析师

案例1：2017年的云总结

案例2：你知道Wolfram Alpha吗

案例3：常见商业场景：战略制定、

案例4：客户理解、营销活动

数据化指标体系

数据化指标体系概述

获客类指标

营销类指标

预警类指标

产品类指标

运营指标体系设计

案例1：客户流失潜伏期识别

案例2：客户覆盖率及产品线竞争力分析

案例3：产品上下架业务影响预测

二、统计和数据挖掘

描述性统计分析

描述性统计分析概述

概率与频数

数据的度量

概率的分布

课程订阅

订阅课程

讲师介绍