北京大數(shù)據(jù)培訓分析

課程亮點：

朝九晚九全程跟班答疑、一對一督學、定期直播串講、五分鐘內(nèi)有問必答、出勤率和進度監(jiān)督、作業(yè)與測試

學習目標：

掌握使用Excel進行業(yè)務數(shù)據(jù)分析

掌握業(yè)務數(shù)據(jù)分析模型與分析方法

掌握使用Power BI進行商業(yè)智能分析

掌握使用Mysql進行數(shù)據(jù)庫增刪改查操作

通過制作和觀察Tableau儀表盤提供商業(yè)洞察

掌握開發(fā)自動化交互式報表能力

運用統(tǒng)計學分析方法構建實戰(zhàn)模型分析方法，并同結(jié)合SPSS軟件實現(xiàn)

掌握數(shù)理統(tǒng)計學基礎知識

精通基礎的分類、回歸、聚類方法，并結(jié)合案例應用

可以獨立完成數(shù)據(jù)報告

掌握數(shù)據(jù)分析在各行業(yè)的應用場景

課程內(nèi)容：

01章業(yè)務數(shù)據(jù)分析基礎

01-01數(shù)據(jù)分析概述

01-02數(shù)據(jù)加工方法

01-03數(shù)據(jù)計算方法

01-04數(shù)據(jù)透視分析方法

01-05業(yè)務數(shù)據(jù)可視化方法

01-06業(yè)務數(shù)據(jù)分析案例-財務分析

01-07作業(yè)練習：利用Excel實現(xiàn)多條件下的銷售額計算

02章業(yè)務數(shù)據(jù)分析模型與分析方法

02-01帕累托分析

02-02案例應用1-核心產(chǎn)品分析

02-03分類分析-RFM模型

02-04案例應用2-用戶忠誠度模型

02-05樹狀結(jié)構分析

02-06案例應用3-汽車行業(yè)分析報告

02-07作業(yè)練習：制作市場獲客數(shù)據(jù)分析報告

03章數(shù)據(jù)庫概述與SQL查詢

03-01數(shù)據(jù)庫概述與數(shù)據(jù)庫基礎

03-02數(shù)據(jù)類型和約束條件

03-03創(chuàng)建及使用數(shù)據(jù)庫

03-04創(chuàng)建、修改及刪除表

03-05插入、更新、刪除數(shù)據(jù)

03-06查詢數(shù)據(jù)：單表查詢、集合函數(shù)查詢、連接查詢、子查詢、合并查詢、多表查詢

03-07SQL運算符和函數(shù)

03-08SQL綜合案例：電商數(shù)據(jù)多表查詢練習

03-09作業(yè)練習：使用SQL匯總計算銷售類多表數(shù)據(jù)

04章Power BI商業(yè)智能分析基礎

04-01商業(yè)智能分析概述

04-02商業(yè)智能分析流程

04-03指標及指標體系

04-04商業(yè)智能可視化分析方法

04-05理解數(shù)據(jù)倉庫概念

04-06數(shù)據(jù)倉庫上的數(shù)據(jù)收集

04-07數(shù)據(jù)倉庫上的數(shù)據(jù)處理加工

04-08作業(yè)練習：結(jié)合自己的行業(yè)領域規(guī)劃產(chǎn)品/運營/獲客指標體系

05章Power BI搭建多維業(yè)務數(shù)據(jù)模型

05-01理解數(shù)據(jù)模型

05-02數(shù)據(jù)模型創(chuàng)建邏輯

05-03理解維度與度量

05-04掌握多條件下的透視規(guī)則

05-05時間維度透視分析

05-06作業(yè)練習：搭建銷售分析多維數(shù)據(jù)模型

06章Power BI商業(yè)智能實戰(zhàn)案例

06-01案例分析流程：業(yè)務背景介紹-理解數(shù)據(jù)-制作分析儀

06-02零售銷售情況監(jiān)控儀

06-03餐飲指標監(jiān)控儀

06-04電商流量分析儀

06-05快消行業(yè)銷售分析儀

06-06作業(yè)練習：制作金融業(yè)務數(shù)據(jù)分析報表

07章數(shù)據(jù)分析之統(tǒng)計學基礎-Part1

07-01數(shù)據(jù)分析方法概述：數(shù)據(jù)分析過程、數(shù)據(jù)分析的商業(yè)驅(qū)動

07-02概率論基礎：隨機事件、概率、概率分布

07-03描述性統(tǒng)計分析：集中程度、離散程度、偏度和峰度

07-04常見分布族：正態(tài)分布和中心極限定理

07-05多維隨機變量：聯(lián)合分布、協(xié)方差、相關系數(shù)

07-06數(shù)據(jù)簡化原理：似然函數(shù)和輔助函數(shù)

07-07參數(shù)估計：點估計和區(qū)間估計

07-08作業(yè)練習：對于消費者調(diào)研數(shù)據(jù)進行描述并進行特征分析

08章數(shù)據(jù)分析之統(tǒng)計學基礎-Part2

08-01匹配樣本

08-02樣本量的確定

08-03統(tǒng)計學二類錯誤

08-04T檢驗和F檢驗方法

08-05分類變量的相關性分析

08-06方差分析方法

08-07一元線性回歸分析

08-08多元線性回歸分析

08-09作業(yè)練習：運用調(diào)研數(shù)據(jù)進行資產(chǎn)價格預測

09章SPSS數(shù)據(jù)分析實戰(zhàn)-Part1

09-01數(shù)據(jù)分析全過程 - 綜合績效案例講解

09-02SPSS軟件綜合特征 - 軟件綜合功能

09-03SPSS軟件介紹 - 數(shù)據(jù)與變量設置

09-04如何理解描述數(shù)據(jù)— 統(tǒng)計和描述性分析

09-05如何理解描述數(shù)據(jù)— 可視化圖形探索

09-06樣本設計與執(zhí)行

09-07SPSS進行線性回歸分析

09-08SPSS進行Logistic回歸分析

09-09實戰(zhàn)1：員工績效管理之線性回歸

09-10實戰(zhàn)2：銀行客戶信用行為特征分類與違約預測

09-11作業(yè)練習：使用線性回歸進行汽車貸款用戶價值預測

10章SPSS數(shù)據(jù)分析實戰(zhàn)-Part2

10-01特征篩選流程

10-02DB特征篩選方法步驟

10-03主成分分析原理

10-04主成分分析的判斷標準和應用場景

10-05主成分分析與因子分析

10-06主成分回歸

10-07客戶畫像的商業(yè)場景及應用

10-08商業(yè)報告歸納需求

10-09聚類算法：K-均值聚類、系統(tǒng)聚類和二階聚類

10-10市場細分和應用

10-11時間序列原理介紹：AR模型、MA模型和ARIMA模型

10-12時間序列數(shù)據(jù)的預處理

10-13時間序列的建模與預測

10-14實戰(zhàn)1：降維在消費行為中的應用

10-15實戰(zhàn)2：電商客戶行為標簽標定及異常監(jiān)測

10-16實戰(zhàn)3：不同市場訂戶信息的序列預測

10-17作業(yè)練習：使用時間序列分析進行產(chǎn)品收益預測

11章選修：Tableau商業(yè)智能分析與案例實戰(zhàn)

11-01數(shù)據(jù)可視化和Tableau產(chǎn)品安裝與配置

11-02Tableau數(shù)據(jù)獲取及數(shù)據(jù)操作

11-03Tableau字段操作和計算字段函數(shù)

11-04Tableau頁面及功能區(qū)介紹

11-05Tableau排序及篩選器演示

11-06初級數(shù)據(jù)可視化：條形圖/折線圖/餅圖/散點圖/直方圖/文本表/盒須圖/熱力圖/環(huán)形圖/詞云圖/樹形圖/氣泡圖

11-07高級數(shù)據(jù)可視化：甘特圖/帕累托圖/漏斗圖/標靶圖/啞鈴圖/雷達圖/地圖

11-08趨勢線/預測線原理及制作和參數(shù)應用

11-09儀表盤和故事制作

11-10綜合案例1：客戶留存之漏斗分析

11-11綜合案例2：產(chǎn)品A/B測試分析

11-12綜合案例3：金融投資數(shù)據(jù)分析