學習目標

  掌握數據分析體系
  掌握用戶數據分析框架
  掌握EDIT模型在電商用戶數據分析場景的使用
  掌握AIPL以及4A用戶營銷分析方法
  掌握商品數據分析框架
  掌握EDIT模型在商品數據分析場景的使用
  掌握銷售分析、庫存分析、市場分析、促銷分析等常用分析診斷方法
  掌握商品數據分析常用數據挖掘模型
  掌握流量數據分析框架
  掌握流量分析的基本工具
  掌握流量異常檢測方法和常用的流量分析模型
  掌握基于Power BI的動態數據可視化報告制作

面向對象

  掌握基于Power BI的動態數據可視化報告制作
  缺少一線互聯網大廠數據分析與數字化決策的項目經驗，希望個人履歷能添光溢彩者
  希望了解一線互聯網大廠在數據資產變現思路者
  簡歷無亮點缺乏競爭優勢
  學習更多前沿項目思路的CDA老學員

培訓內容

  1章電子表格工具應用（錄播4課時）
  1-1Excel工具應用
  2章數據分析概念（3課時）
  2-1數據分析分類
  2-2數據分析目的及意義
  2-3數據分析方法與流程
  2-4數據分析角色與職責
  3章數據結構（9課時）
  3-1表格結構數據特征
  3-2表格結構數據獲取方法
  3-3表格結構數據引用、查詢與計算方法
  3-4表結構數據特征
  3-5表結構數據獲取
  3-6表結構數據加工與使用
  4章數據庫應用（錄播4課時）
  4-1數據庫基本概念
  4-2DDL數據定義語言
  4-3DML數據操作語言
  4-4查詢
  4-5函數
  5章數據庫應用（12課時）
  5-1?查詢應用案例1--電商多表查詢案例
  5-2?查詢應用案例2--零售進銷存監控分析儀的搭建
  6章描述性統計分析（錄播3課時）
  6-1統計學概述
  6-2描述性統計圖表
  6-3集中趨勢的描述
  6-4離散程度的描述
  6-5分布形態的描述
  6-6相關分析
  7章商業智能分析工具應用（錄播4課時）
  7-1Power BI工具應用
  8章多維數據透視分析（12課時）
  8-1多表透視分析邏輯
  8-2多維數據模型
  8-3透視分析方法
  8-4多表透視分析應用案例--服裝連鎖品牌商銷售分析儀的搭建
  9章財務指標分析（錄播4課時）
  9-1財務指標分析
  10章業務分析方法（12課時）
  10-1數據驅動業務管理
  10-2指標的應用
  10-3業務場景指標
  10-4指標的設計
  10-5指標的設計-多場景指標設計、使用及分析案例（績效、運營、銷售等）
  10-6業務指標綜合分析案例-互聯網運營業務指標綜合分析案例
  11章業務分析應用（12課時）
  11-1業務分析方法概述
  11-2客戶分析方法-客戶維度分析案例
  11-3產品分析方法-產品維度分析案例
  11-4運營分析方法-互聯網運營業務綜合分析案例
  11-5行為效果分析方法-電商運營活動效果評估分析案例
  11-6業務模型應用-銷售業務漏斗模型實戰案例
  11-6業務分析方法綜合應用-互聯網市場、運營綜合實戰案例
  12章工具先導課（錄播10課時）【好學AI】
  12-1Python基礎和數據清洗
  13章數據采集與處理（6課時）【面授】
  13-1數據采集方法
  13-2市場調研與數據錄入
  13-3數據探索與可視化
  13-4數據預處理
  14章數據模型管理（2課時）【面授】
  14-1數據分類基本概念
  14-2建模與數據倉庫
  15章標簽體系與用戶畫像（4課時）【面授】
  15-1標簽體系設計原理
  15-2標簽的加工方式
  15-3用戶畫像
  16章統計分析（錄播20課時）【面授】
  16-1數據分布
  16-2抽樣估計
  16-3假設檢驗
  16-4方差分析
  16-5一元線性回歸分析
  17章案例項目課（12課時）【面授】
  17-1超市設計方案對銷量影響的方差與列聯檢驗比較
  18章數據分析模型（錄播6課時）【面授】
  18-1主成分分析
  18-2因子分析
  18-3多元線性回歸分析
  19章案例項目課（12課時）【面授】
  19-1金融客戶行為的特征分解
  19-2汽車銷售數據綜合回歸預測
  20章數據分析模型（錄播6課時）【面授】
  20-1分類分析
  20-2時間序列
  20-3聚類分析
  21章案例項目課（12課時）【面授】
  21-1收益率的系列預測
  21-2客戶行為的市場細分
  22章數字化工作方法（6課時）【面授】
  22-1業務探查與問題定位
  22-2問題診斷
  22-3業務策略優化和指導
  23章案例項目課（6課時）【面授】
  23-1數字化工作方法
  24章先導課（錄播12課時）【好學AI】
  24-1Python基礎和數據清洗與可視化
  25章Python數據挖掘預科（12課時）【面授/直播】
  25-1Python數據清洗與可視化案例
  26章數據挖掘概論（錄播6課時）【錄播】
  26-1數據挖掘概要
  26-2數據挖掘方法論
  26-3基礎數據挖掘技術
  26-4進階數據挖掘技術
  27章高級數據處理與特征工程（6課時）【面授/直播】
  27-1高級數據預處理
  27-2特征工程概要
  27-3特征建構
  27-4特征選擇
  27-5特征轉換
  27-6特征學習
  28章機器學習算法及案例（錄播48課時）【面授/直播】
  28-1樸素貝葉斯
  28-2決策樹（分類樹及回歸樹）
  28-3實戰項目：保險行業案例
  28-4神經網絡與深度學習
  28-5支持向量機
  28-6實戰項目：基于神經網絡的汽車燃油率預測
  28-7集成方法
  28-8聚類分析
  28-9實戰項目：航空客戶價值分析案例
  28-10關聯規則
  28-11序列模式
  28-12模型評估
  28-13實戰項目：推薦系統實戰
  29章自然語言處理與文本分析（7課時）【錄播】
  29-1自然語言處理概要
  29-2分詞與詞性標注
  29-3文本挖掘概要
  29-4關鍵詞提取
  29-5文本非結構數據轉結構
  30章項目案例（錄播12課時）【面授/直播】
  30-1實戰項目：文本挖掘實戰—電商標題關鍵詞分析
  31章機器學習實戰（12課時）【面授/直播】
  31-1自動機器學習
  31-1類別不平衡問題
  31-1半監督學習
  31-1模型優化
  32章數字化決策方法與數據行業賦能商業案例
  32-1基于消費者行為的資產模型的分析和應用
  32-2零售營銷資源投放策略分析
  32-3用戶關注度模型構建及運營
  32-4基于用戶搜索行為的商品推薦策略
  32-5品牌觸點分析與營銷資源投放策略
  32-6行業發展指數的構建與營銷策略的配置
  32-7金融反欺詐業務指標概述
  32-8金融反欺詐預測系統的搭建
  32-9探查與問題定位
  32-10問題診斷方法
  32-11策略優化和指導
  32-12構建基于LBS的線下實體運營決策支持
  32-13電商數據賦能線下實體行業的應用
  33章選修實戰項目
  33-1使用Python進行離網用戶預警案例
  33-2基于fbprophet算法的股價預測
  33-3基于深度學習的輿情監控系統的搭建
  33-4基于Xgboost的消費者購買意向預測
  33-5數據科學崗位調研
  33-6音樂推薦系統算法的搭建
  33-7用電敏感客戶分類
  33-8基于用戶搜索關鍵詞的用戶畫像
  33-9基于決策樹的通訊客戶滿意度分析
  33-10基于基站定位數據的商圈分析
  33-11基于客戶購買行為數據分析的的商業策略優化
  33-12醫療數據分析行業應用之糖尿病預測
  33-13房價預測案例