课程类目：数据分析

课程类型：正式课

课程最低价：8800-10800

提前一个月报名优惠1000

授课形式：现场+远程

是否支持免费试听：是

适合基础：零基础学员

上课人数：40

班级名称：基础班

上课时间：周末8-17点

开班时间：每月开课

数量：192

朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试

1、掌握使用Excel进行业务数据分析

2、掌握业务数据分析模型与分析方法

3、掌握使用Power BI进行商业智能分析

4、掌握使用Mysql进行数据库增删改查操作

5、通过制作和观察Tableau仪表盘提供商业洞察

6、掌握开发自动化交互式报表能力

7、运用统计学分析方法构建实战模型分析方法，并同结合SPSS软件实现

8、掌握数理统计学基础知识

9、精通基础的分类、回归、聚类方法，并结合案例应用

10、可以独立完成数据报告

11、掌握数据分析在各行业的应用场景

01章业务数据分析基础

01-01数据分析概述

01-02数据加工方法

01-03数据计算方法

01-04数据透视分析方法

01-05业务数据可视化方法

01-06业务数据分析案例-财务分析

01-07作业练习：利用Excel实现多条件下的销售额计算

02章业务数据分析模型与分析方法

02-01帕累托分析

02-02案例应用1-核心产品分析

02-03分类分析-RFM模型

02-04案例应用2-用户忠诚度模型

02-05树状结构分析

02-06案例应用3-汽车行业分析报告

02-07作业练习：制作市场获客数据分析报告

03章数据库概述与SQL查询

03-01数据库概述与数据库基础

03-02数据类型和约束条件

03-03创建及使用数据库

03-04创建、修改及删除表

03-05插入、更新、删除数据

03-06查询数据：单表查询、集合函数查询、连接查询、子查询、合并查询、多表查询

03-07SQL运算符和函数

03-08SQL综合案例：电商数据多表查询练习

03-09作业练习：使用SQL汇总计算销售类多表数据

04章Power BI商业智能分析基础

04-01商业智能分析概述

04-02商业智能分析流程

04-03指标及指标体系

04-04商业智能可视化分析方法论

04-05理解数据仓库概念

04-06数据仓库上的数据收集

04-07数据仓库上的数据处理加工

04-08作业练习：结合自己的行业领域规划产品/运营/获客指标体系

05章Power BI搭建多维业务数据模型

05-01理解数据模型

05-02数据模型创建逻辑

05-03理解维度与度量

05-04掌握多条件下的透视规则

05-05时间维度透视分析

05-06作业练习：搭建销售分析多维数据模型

06章Power BI商业智能实战案例

06-01案例分析流程：业务背景介绍-理解数据-制作分析仪

06-02零售销售情况监控仪

06-03餐饮指标监控仪

06-04电商流量分析仪

06-05快消行业销售分析仪

06-06作业练习：制作金融业务数据分析报表

07章数据分析之统计学基础-Part1

07-01数据分析方法概述：数据分析过程、数据分析的商业驱动

07-02概率论基础：随机事件、概率、概率分布

07-03描述性统计分析：集中程度、离散程度、偏度和峰度

07-04常见分布族：正态分布和中心极限定理

07-05多维随机变量：联合分布、协方差、相关系数

07-06数据简化原理：似然函数和辅助函数

07-07参数估计：点估计和区间估计

07-08作业练习：对于消费者调研数据进行描述并进行特征分析

08章数据分析之统计学基础-Part2

08-01匹配样本

08-02样本量的确定

08-03统计学二类错误

08-04T检验和F检验方法

08-05分类变量的相关性分析

08-06方差分析方法

08-07一元线性回归分析

08-08多元线性回归分析

08-09作业练习：运用调研数据进行资产价格预测

09章SPSS数据分析实战-Part1

09-01数据分析全过程 - 综合绩效案例讲解

09-02SPSS软件综合特征 - 软件综合功能

09-03SPSS软件介绍 - 数据与变量设置

09-04如何理解描述数据— 统计和描述性分析

09-05如何理解描述数据— 可视化图形探索

09-06样本设计与执行

09-07SPSS进行线性回归分析

09-08SPSS进行Logistic回归分析

09-09实战1：员工绩效管理之线性回归

09-10实战2：银行客户信用行为特征分类与违约预测

09-11作业练习：使用线性回归进行汽车贷款用户价值预测

10章SPSS数据分析实战-Part2

10-01特征筛选流程

10-02DB特征筛选方法步骤

10-03主成分分析原理

10-04主成分分析的判断标准和应用场景

10-05主成分分析与因子分析

10-06主成分回归

10-07客户画像的商业场景及应用

10-08商业报告归纳需求

10-09聚类算法：K-均值聚类、系统聚类和二阶聚类

10-10市场细分和应用

10-11时间序列原理介绍：AR模型、MA模型和ARIMA模型

10-12时间序列数据的预处理

10-13时间序列的建模与预测

10-14实战1：降维在消费行为中的应用

10-15实战2：电商客户行为标签标定及异常监测

10-16实战3：不同市场订户信息的序列预测

10-17作业练习：使用时间序列分析进行产品收益预测

11章选修：Tableau商业智能分析与案例实战

11-01数据可视化和Tableau产品安装与配置

11-02Tableau数据获取及数据操作

11-03Tableau字段操作和计算字段函数

11-04Tableau页面及功能区介绍

11-05Tableau排序及筛选器演示

11-06初级数据可视化：条形图/折线图/饼图/散点图/直方图/文本表/盒须图/热力图/环形图/词云图/树形图/气泡图

11-07高级数据可视化：甘特图/帕累托图/漏斗图/标靶图/哑铃图/雷达图/地图

11-08趋势线/预测线原理及制作和参数应用

11-09仪表盘和故事制作

11-10综合案例1：客户留存之漏斗分析

11-11综合案例2：产品A/B测试分析

11-12综合案例3：金融投资数据分析