为运营、产品、市场打造的”专业“课程
为程序员转型产品经理打造的“破圈”课程
从0到1,从工具到思维,系统掌握业务实操型数据分析知识体系

数据分析正变的越来越重要,已经渗透到互联网的各个岗位中

数据分析不再是某一岗位的专有技能,而是每个互联网从业者入行必学,在职必会,升职必备的标配技能

四大维度,16周,全面锻造你的数据分析知识体系,理顺数据分析工作流程

实用、精炼、高效,纯干货,一切为实际应用服务,一切以解决实际业务问题为导向

〖课程目录〗:

  • 阶段一:快速掌握数据分析必备技能
  • 第1周   走进数据分析
  • 开课第一周先带大家对数据分析定义,行业需求及数据分析意图所在,基于这个出发,结合实际的业务应用场景,老师讲带着大家先从认识数据开始,进一步了解数据的不同特性如何为解决不同的问题而存在。
  • 课程安排:
  • 1、走进数据分析
    2、多种多样的的数据类型
    3、统计指标:集中趋势
    4、统计指标:离散趋势
    5、统计指标:分布形态
    6、异常值的识别与处理
    7、数据分析6大步骤
  • 第2周   Excel从入门到表格分析
  • Excel作为最常用的数据分析工具之一,本周我们将从Excel入手数据分析,会更容易被接受。用一个简单的业务场景,教会学员从0到1的使用数据,展如 示数据并讲解数据。
  • 课程安排:
  • 1、Excel功能介绍
    2、核心函数库:文本函数、数学函数、逻辑函数、条件聚合函数
    3、使用函数对数据进行预处理
    4、数据去重、拆分、排序与筛选
    5、查找与引用函数
    6、使用数据透视表快速汇总
    7、认识图表、创建图表
    8、实战:大数据人才需求分析报告
  • 第3周   从0开始学SQL
  • 实际业务场景中,企业大部分会使用数据库存储数据,因而SQL成为了主流的数据提取语言,本周通过讲解SQL基础概念和操作,教会学员如何快速提取并清理本地数据,以供后续业务分析
  • 课程安排:
  • 1、什么是SQL
    2、认识表、字段、记录
    3、MySQL、Navicat的安装与使用
    4、基础语法:增删改查
    5、数据筛选和排序:like、not、in、order by
    6、使用函数计算数据
    7、对数据进行分类汇总
    8、联表查询
    9、存储数据
  • 第4周   数据可视化利器 Tableau
  • Tableau 是最主流的数据可视化工具,通过托拉拽的方式,能将纷繁复杂的表与数据,快速整合为精美的可交互式图表。
  • 课程安排:
  • 1、什么是Tableau
    2、Tableau安装
    3、如何获取数据?常用网站介绍
    4、准备数据
    5、构建图表
    6、创建仪表板
    7、创建故事
    8、保存与发布
    9、可视化练习:美妆产品销售分析
  • 阶段二:Python实现数据分析
  • 第5周   Python基础语法
  • 以学习自然语言的方式,带你轻松运用Python,并成功编写你的第一个Python程序。
  • 课程安排:
  • 1、学习编程的几个建议
    2、什么是Python
    3、安装运行环境、开发环境
    4、运算符:算术运算、变量赋值
    5、数据类型:字符、数字
    6、数据容器:列表、集合、字典
    7、条件判断语句、循环语句
    8、编写一个函数
    9、练习:计算销售总额
  • 第6周   Python实现网络爬虫
  • 通过对Python网络库Request、爬虫库BeautifulSoup的讲解,快速掌握网页结构与爬虫原理,成功运行你的第一个网络爬虫脚本。
  • 课程安排:
  • 1、什么是爬虫
    2、Request库介绍
    3、BeautifulSoup简介
    4、尝试改写网页
    5、遍历单个页面
    6、登录问题
    7、爬取整个网站
    8、解析JSON
    9、存储数据到CSV
    10、练习:爬取销售数据
  • 第7周   更高效的数据处理与可视化绘图
  • 通过对Python数据分析库Pandas、可视化绘图库Matplotlib的讲解,实现对大数据的快速处理、统计分析与可视化,真正体验到编程带来的高效与便捷。
  • 课程安排:
  • 1、Pandas介绍
    2、读取数据
    3、清理数据:缺失、重复、异常、空值
    4、数据运算、排序与筛选
    5、练习:预处理销售数据
    6、Matplotlib介绍
    7、什么是画布
    8、绘制直方图、折线图、散点图
    9、调整视觉标签、设置多图并列
    10、练习:销售数据可视化
  • 阶段三:建立互联网数据分析框架
  • 第8周   初始互联网商业模式
  • 培养对互联网行业、商业模式、用户行为等基础认知,并以用户生命周期为线索,有针对性地搭建数据分析思维框架。
  • 课程安排:
  • 1、互联网行业简介
    2、行业研究方法
    3、企业研究方法
    4、B2C/C2C商业模式
    5、O2O/B2B商业模式
    6、B2B2C商业模式
  • 第9周   解析数据指标体系
  • 以用户生命周期为线索,解析各环节业务指标,帮助你快速定位与拆分数据分析目标。
  • 课程安排:
  • 1、什么是用户生命周期
    2、用户指标
    3、留存指标
    4、时长指标
    5、渠道指标
    6、功能指标
    7、销售指标
    8、直播类指标
  • 第10周   构建用户画像
  • 通过对用户属性、行为及群体标签的创建,洞察用户画像,并基于此深入理解用户需求,明确目标用户。
  • 课程安排:
  • 1、什么是用户画像
    2、创建用户标签
    3、构建用户画像
    4、什么是RFM模型
    5、使用Excel实现RFM模型
    6、实战:消费者用户画像分析
  • 阶段四:销售、市场与运营数据分析
  • 第11周   用户引流与转化
  • 对标用户生命周期「获客」环节,以电商网站流量分析为例,带你快速了解如何判断渠道推广有效性,并针对流失点完成优化,提高利润比。
  • 课程安排:
  • 1、什么是网站流量
    2、什么是漏斗分析
    3、AARRR用户增长模型
    4、用户下单基本流程
    5、分析下单路径中的关键优化点
    6、利用Excel绘制漏斗图
    7、实战:电商推广渠道分析
  • 第12周   分析消费行为
  • 基于对用户下单数据的统计分析,尝试挖掘用户消费行为与营销渠道、用户画像之间的相关性,进一步优化营销渠道与推荐系统。
  • 课程安排:
  • 1、计算复购率
    2、计算回购率
    3、分析男女用户消费频次是否有差异
    4、分析头部用户贡献了多少成交
    5、分析哪类商品最畅销
    6、相关性分析
    7、聚类分析
    8、实战:电商零售数据 vs 消费者偏好
  • 第13周   预售销售额、调整运营策略
  • 基于以往销售数据的表现,以及对销售因子的统计分析,预测并制定未来销售业绩目标。
  • 课程安排:
  • 1、认识销售数据
    2、什么是线性回归模型
    3、利用线性回归预测数据
    4、销售额影响因素
    5、确认销售额优化方向
    6、实战:预测电商双十一销售额?
    7、共享单车为什么要推广红包车
    8、红包策略引导用户再分布
    9.、成本优化解决方案
  • 阶段五:基于数据驱动迭代产品设计
  • 第14周   促进用户活跃度、提升用户留存
  • 通过产品策略或运营策略,实现全生命周期的用户管理,达成用户促活与留存的业务目标。
  • 课程安排:
  • 1、什么是用户活跃度
    2、影响活跃度的因素
    3、签到功能、积分体系
    4、实战:如何提升用户活跃度
    5、使用Excel计算留存率
    6、使用aha Moment提升留存
    7、如何寻找流失点
    8、实战:留存率下降原因分析
  • 第15周   使用AB实验迭代功能
  • 以分组测验的方式,对用户进行差异化引导,找到最佳设计模式或功能点,完成运营目标。并学会对异常数据进行监控、预警和解读
  • 课程安排:
  • 1、AB实验的基本概念、应用场景
    2、AB实验的统计学原理:假设检验
    3、AB实验的业务基础:流量分层
    4、AB实验的基本流程
    5、AB实验结果的分析与解读
    6、实战:AB实验真的有用吗?
    7、寻找异常下单行为
    8、什么是杜邦分析法
    9、实战:识别电商异常数据
  • 第16周   撰写数据报告、面试指导
  • 数据报告是必不可少的环节,从框架,构思,讲解思路到演讲技巧都会映射。此外,还将解析数据分析岗的面试要点。
  • 课程安排:
  • 1、数据分析报告结构
    2、数据报告的分析思路与框架
    3、图表展示
    4、ppt排版设计
    5、图文排版技巧
    6、数据报告演讲技巧
    7、常见面试题串讲
    8、面试经验分享
人人都能学会数据分析
人人都能学会数据分析
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。