cda數(shù)據(jù)分析就業(yè)技能周末訓(xùn)練營課程介紹:
課程簡介
降低入行門檻,文科商科背景也能學(xué)
業(yè)務(wù)數(shù)據(jù)分析相關(guān)崗位是數(shù)據(jù)科學(xué)崗位中對專業(yè)背景、學(xué)歷背景要求的崗位,但是入職后工作經(jīng)驗越長,薪資待遇提高越快的崗位。數(shù)據(jù)分析就業(yè)班所培訓(xùn)的技能,對口業(yè)務(wù)數(shù)據(jù)分析相關(guān)崗,學(xué)員只需要在培訓(xùn)過程熟練掌握工具操作和業(yè)務(wù)邏輯,在導(dǎo)師的項目實操下掌握業(yè)務(wù)分析流程,可獲得進(jìn)入業(yè)務(wù)數(shù)據(jù)分析崗所要求掌握的基本技能。
常用技能重點教學(xué),針對就業(yè)夯實基礎(chǔ)
為了快速學(xué)習(xí)業(yè)務(wù)數(shù)據(jù)分析相關(guān)崗位所要求的技能,除了優(yōu)質(zhì)的師資團隊,CDA還提供優(yōu)質(zhì)的學(xué)員服務(wù),包括班主任和助教答疑服務(wù),為學(xué)員快速掃除知識障礙,提升學(xué)習(xí)效率提供。
培養(yǎng)職場數(shù)據(jù)素養(yǎng),直通企業(yè)就業(yè)
對數(shù)據(jù)科學(xué)崗位認(rèn)知程度比較淺的學(xué)員,可在CDA職業(yè)規(guī)劃團隊老師的幫助下選擇適合學(xué)員職業(yè)發(fā)展路線。

學(xué)習(xí)目標(biāo)
熟練掌握Excel、MySQL、Power BI等數(shù)據(jù)分析軟件
熟練掌握數(shù)據(jù)清洗,可以完成缺失值填補、異常值處理等
精通數(shù)據(jù)可視化,制作可視化分析報表
可以獨立撰寫業(yè)務(wù)分析報告
SQL數(shù)據(jù)庫應(yīng)用基礎(chǔ)
大型數(shù)據(jù)分析綜合項目現(xiàn)場實戰(zhàn)
掌握數(shù)據(jù)分析在各行業(yè)的應(yīng)用場景
掌握業(yè)務(wù)數(shù)據(jù)分析模型與分析方法

學(xué)習(xí)對象和基礎(chǔ)
零基礎(chǔ)學(xué)生、轉(zhuǎn)行人士,低門檻無憂就業(yè)
基礎(chǔ)薄弱數(shù)據(jù)類崗位從業(yè)者,系統(tǒng)提升專業(yè)技能
產(chǎn)品、運營、營銷、財務(wù)等業(yè)務(wù)在職者,提升數(shù)字化工作效率
研發(fā)、中臺、技術(shù)類在職者,數(shù)字化賦能支持業(yè)務(wù)發(fā)展
企業(yè)創(chuàng)始人、經(jīng)理人、管理咨詢類崗位從業(yè)者,把握數(shù)字化轉(zhuǎn)型方案及流程

內(nèi)容升級:
1章預(yù)科學(xué)習(xí)(工具篇)
1-1Excel 預(yù)習(xí)視頻
1-2數(shù)據(jù)庫預(yù)習(xí)視頻
1-3Power BI 預(yù)習(xí)視頻
2章預(yù)科學(xué)習(xí)(業(yè)務(wù)篇)
2-1業(yè)務(wù)前臺人員數(shù)據(jù)思維訓(xùn)練營
3章業(yè)務(wù)數(shù)據(jù)分析(Excel)
3-1表格結(jié)構(gòu)數(shù)據(jù)的特征、獲取方法
3-2表格結(jié)構(gòu)數(shù)據(jù)引用、查詢與計算方法
3-3數(shù)據(jù)驅(qū)動型業(yè)務(wù)管理(數(shù)據(jù)埋點、數(shù)據(jù)治理、數(shù)據(jù)應(yīng)用等)
3-4指標(biāo)的應(yīng)用 - 搭建營銷運營指標(biāo)體系
3-5財務(wù)指標(biāo)的分析與應(yīng)用
3-6業(yè)務(wù)場景指標(biāo) - 多場景業(yè)務(wù)場景指標(biāo)應(yīng)用精講(運營、客戶、商品、活動等)
3-7指標(biāo)的設(shè)計 - 多場景指標(biāo)設(shè)計、使用及分析案例(績效、運營、銷售等)
3-8業(yè)務(wù)指標(biāo)綜合分析案例 - 互聯(lián)網(wǎng)運營業(yè)務(wù)指標(biāo)綜合分析案例
3-9可視化分析方法
3-10業(yè)務(wù)分析方法應(yīng)用 - 杜邦分析法、帕累托分析法、四象限分析法
3-11業(yè)務(wù)模型應(yīng)用 - 價值模型、帕累托模型、漏斗模型、RFM模型
3-12撰寫業(yè)務(wù)分析報告方法
3-13電商、互聯(lián)網(wǎng)、零售行業(yè)的數(shù)據(jù)分析場景介紹
3-14客戶分析 - 電商客戶維度綜合分析案例(用戶生命周期、用戶特征、用戶行為分析)
3-15產(chǎn)品分析 - 電商產(chǎn)品維度綜合分析案例(商品畫像、商品標(biāo)簽、商品定位策略分析)
3-16運營分析 - 互聯(lián)網(wǎng)運營業(yè)務(wù)綜合分析案例(運營效果分析、電商漏斗模型分析應(yīng)用)
3-17市場分析 - 汽車行業(yè)市場分析案例(市場分析報告撰寫方法)
3-18銀行綜合分析案例 - 銀行綜合業(yè)務(wù)分析報告
4章數(shù)據(jù)管理與數(shù)據(jù)治理簡介
4-1企業(yè)決策的四個層次:戰(zhàn)略、管理、運營、操作
4-2企業(yè)數(shù)據(jù)分析能力的演進(jìn)
4-3企業(yè)運營和操作數(shù)據(jù)應(yīng)用
4-4數(shù)據(jù)管理基礎(chǔ)知識與DMBOK知識體系
4-5企業(yè)數(shù)據(jù)能力建設(shè)
4-6數(shù)據(jù)治理實操框架
5章企業(yè)架構(gòu)與數(shù)據(jù)架構(gòu)基礎(chǔ)
5-1企業(yè)架構(gòu)(EA)基本理論
5-2數(shù)據(jù)架構(gòu)基本理論
6章統(tǒng)計基礎(chǔ)與數(shù)據(jù)預(yù)處理(Excel)
6-1分析的基本概念
6-2描述性統(tǒng)計與數(shù)據(jù)預(yù)處理
6-3統(tǒng)計分布
7章多維數(shù)據(jù)分析與可視化分析(Power BI)
7-1表結(jié)構(gòu)數(shù)據(jù)的特征與獲取
7-2表結(jié)構(gòu)數(shù)據(jù)加工與使用
7-3多表透視分析邏輯
7-4透視分析方法
7-5多維數(shù)據(jù)模型
7-6多表透視分析應(yīng)用案例 -- 多維透視分析應(yīng)用案例
7-7客戶分析 - 電商客戶運營分析儀表板(潛在客戶挖掘、電商運營效果監(jiān)控、運營指標(biāo)分析應(yīng)用)
7-8產(chǎn)品分析 - 產(chǎn)品進(jìn)銷存追蹤監(jiān)控看板(進(jìn)銷存業(yè)務(wù)流程分析與監(jiān)控)
7-9運營分析 - 電商運營分析駕駛艙(電商獲客分析、營銷漏斗模型監(jiān)控分析)
7-10銷售分析 - 服裝行業(yè)銷售情況分析(銷售情況監(jiān)控看板制作方法)
7-11財務(wù)分析 - 地產(chǎn)企業(yè)盈利分析(企業(yè)利潤結(jié)構(gòu)構(gòu)成及盈利能力分析看板)
7-12綜合實戰(zhàn)案例 - 電商綜合運營分析儀表板(流量、轉(zhuǎn)化、客單相關(guān)指標(biāo)分析監(jiān)控)
8章SQL數(shù)據(jù)庫(MySQL)
8-1DDL數(shù)據(jù)定義語言(創(chuàng)建、選用、刪除數(shù)據(jù)/表)
8-2DML數(shù)據(jù)操作語言(添加、修改、刪除數(shù)據(jù))
8-3單表查詢
8-4查詢結(jié)果排序、限制查詢結(jié)果數(shù)量
8-5多表查詢
8-6函數(shù)
8-7SQL大廠面試題突擊訓(xùn)練
8-8查詢應(yīng)用案例1 -- 電商多表查詢案例
8-9查詢應(yīng)用案例2 -- 零售業(yè)多表查詢案例
9章Hive SQL
9-1Linux系統(tǒng)
9-2Linux常用命令和文件系統(tǒng)
9-3分布式存儲與計算(Hadoop)
9-4系統(tǒng)的安裝與部署
9-5Hive 架構(gòu)原理
9-6Hive 數(shù)據(jù)類型
9-7HiveQL與應(yīng)用
10章大型數(shù)據(jù)分析綜合項目實戰(zhàn)(Power BI+SQL)
10-1跨國企業(yè)完整數(shù)據(jù)分析實戰(zhàn)案例
10-2學(xué)生探索性實操制作分析報告
10-3項目現(xiàn)場評審與1V1指導(dǎo)
11章數(shù)據(jù)產(chǎn)品設(shè)計
11-1數(shù)據(jù)產(chǎn)品概述
11-2數(shù)據(jù)產(chǎn)品設(shè)計
11-3產(chǎn)品管理
11-4數(shù)據(jù)產(chǎn)品演練
12章Python編程基礎(chǔ)
12-1Python 與 Anaconda 簡介
12-2Python 標(biāo)準(zhǔn)數(shù)據(jù)類型
12-3基本語法規(guī)則
12-4控制流語句
12-5自定義函數(shù)
13章Python 數(shù)據(jù)清洗與可視化
13-1Numpy 數(shù)組分析
13-2Pandas 數(shù)表分析
13-3Pandas 數(shù)據(jù)清洗與可視化
13-4Python 數(shù)據(jù)可視化包-Matplotlib 介紹
13-5Python 數(shù)據(jù)可視化包-Seaborn 介紹與圖形繪制
13-6Python BI包-Pyecharts 介紹與圖形繪制
13-7分析案例—斯德哥爾摩氣候可視化分析
13-8分析案例—餐飲訂單數(shù)據(jù)清洗與分析
13-9分析案例—文本數(shù)據(jù)分析之QQ聊天信息可視化分析
14章Python+SQL 及 Python 自動化
14-1Python 連接SQL
14-2Python 辦公自動化
14-3實現(xiàn)自動風(fēng)控報表
15章Python 統(tǒng)計與綜合案例
15-1參數(shù)估計與假設(shè)檢驗基礎(chǔ)
15-2相關(guān)分析
15-3回歸分析
15-4回歸模型的診斷與調(diào)優(yōu)
15-5用戶行為顯著影響因素分析案例
15-6大型案例:用戶復(fù)購預(yù)測分析案例
16章數(shù)據(jù)分析師職業(yè)規(guī)劃課
16-1職業(yè)規(guī)劃
16-2職場溝通力
16-3團隊協(xié)作力培養(yǎng)
17章面試技巧一對一輔導(dǎo)
17-11V1面試技巧指導(dǎo)與簡歷修改
18章技能拓展(選修課)
18-1互聯(lián)網(wǎng)數(shù)字化運營【18課時】
18-2何為數(shù)據(jù)產(chǎn)品經(jīng)理?【1課時】
18-3Python 爬蟲【15課時】
18-4人工智能(深度學(xué)習(xí))實戰(zhàn)之圖像識別【6課時】
18-5采銷、物流與供應(yīng)鏈數(shù)據(jù)分析應(yīng)用實戰(zhàn)【10課時】 (需額外付費)
18-6Tableau 數(shù)據(jù)可視化視頻【1.5課時】(需額外付費)
18-7SPSS Modeler 數(shù)據(jù)挖掘?qū)崙?zhàn)【34課時】(需額外付費)
18-8增長黑客入門【2.5課時】(需額外付費)

硬核服務(wù):