在线学习解决方案
使用先进强大的在线教育系统,您可根据自身时间自由学习,享有视频回放、在线作业、在线考试等一体化优质学习体验。
21周从零成长计划,平均每周学习及项目作业时间为10+小时,阶段性提升,步步为营。
全程专业的讲师答疑及教学辅导,更贴近每个学生的个性化学习需求
课程对象
0基础入门或在职转行人士的修炼之路
产品、市场、营销、财务等部门学习数据分析技能添砖加瓦
数据分析师系统拓展提升,升职加薪.

课程特色

CDA数据分析师人才教育品牌联合美库尔、GrowingIO及数据界具备成熟项目经验的大牛名师联合打造的新型在线学习产品。旨在打造DT时代“十字型”数据精英。

垂直的专业深度
遵循经典的“CDA Level”标准大纲,从数据库到统计概率到数据分析与挖掘垂直深入,扎实专业技能功底
向上创新力度
突破传统思维的局限,加入批判思维、概率决策思维、博弈思维、系统思维、先发影响力等“决策黑客”内容,创新突破。
横向知识宽度
加入行业跨界知识与来自零售电商、互联网、金融等领域的应用场景模块,如:客户关系管理、增长黑客、风险控制等。
课程服务体验
A+学位课程更加贴合学院在线碎片化学习的需求和习惯,加入在线练习功能和课后作业指导服务,为每一位立志于在数据科学领域有所建树的学员提供完美、贴心的在线学习解决方案。

业界师资

李御玺
台湾铭传大学教授
中华数据挖掘协会理事
台湾大学博士,在其相关研究领域已发表超过 260 篇以上的研究论文,同时也是国科会与教育部多个相关研究计划的主持人。兼任厦门大学数据挖掘中心顾问, 中国人民大学数据挖掘中心顾问及IBM SPSS-China顾问。服务过的客户包括:中国工商局、中信银行、台新银行等
李奇
微软Excel MVP
中国电子表格应用大会主席
有丰富的Excel数据分析线上及线下培训经验, 曾任IBM销售管理团队数据分析项目组长及德勤数据分析团队高级咨询顾问,有5年在日工作经验, 担任软件工程师及日本再就业支援中心的中文及Excel讲师。专精于企业业务数据分析、制定及实施商业智能业务解决方案等
王安
布本智能首席数据官
北京大学商务智能中心专家组
专注数据化决策,互联网金融风险管理与精准营销。在数据决策领域拥有十多年的实践经验,曾服务多家大中型银行、保险公司及互联网金融公司。 同时积极参与数据决策教育领域,为清华,北大、人大、北航、北理等院校机构提供相关课程和数据教育辅导
GrowingIO研发团队
全球领先的数据分析
服务提供商
GrowingIO作为全球领先的数据分析服务提供商,核心团队皆来自 LinkedIn、eBay微软、埃森哲、 BAT 等国内外顶级互联网及数据公司,具有强大的商业分析、数据产品、机器学习等的专业背景,先进的数据分析技术和丰富的实战经验。
美库尔
全美规模最大、私人控股的客户关系营销咨询公司
美库尔作为领先的整合客户关系营销解决方案供应商,具有成熟专业的咨询与数据分析团队。 授课讲师来自美库尔上海公司分析团队,拥有多年的企业项目经验,并会在课程中讲授成熟的成功案例,带领学生完成大型实战项目。

课程计划


本课程为数据分析在线学习解决方案,分为数据分析师(初级)和数据分析师(进阶)两大部分,
总共包含25个学习模块,分为21周学习阶段,其中初级部分学习周期为11周,进阶部分为10周。平均每周需要10+小时学习时间。

数据分析师(初级)

01~10 阶段,总共11周

  • 01

    深入浅出数据科学基础

    一. 数据分析与挖掘导论
    1. 数据科学的前世今生
    2. 数据分析与商业智能
    3.数据挖掘与人工智能
    二. 数据科学的理论基础
    1. 奇妙的统计学
    2. 数据模型与算法导论
    三、数据科学的思维基础
    1. 一个数据从业者的自我修养
    2. 数据思维与逻辑
    四、数据之路
    1. 案例:起死回生的百货商场
    2. 案例:只开3个小时的美食店(人流预测)
  • 02

    让数据说话-玩转EXCEL BI商业报表

    一. 数据分析概述及Excel基础
    1.数据分析与Excel工具概述
    2.Excel基本数据类型与基本操作
    3.Excel公式功能、条件格式
    4.Excel数据透视功能、图表功能
    二、Excel数据加工处理及基本公式介绍
    1. 常用函数介绍
    2. 基本数据加工处理方法
    3. Power Query大规模数据加工处理方法
    三、Excel多维数据透视分析方法
    1. 基础数据透视分析方法
    2. Power Pivot多维数据透视分析方法
    四、数据可视化分析方法
    1.数据可视化分析方法论
    2.图表创建及应用方法
    3.Power Map数据地图创建及应用方法
    4.Power View交互式仪表板创建方法
    五、商业智能分析报表初级案例
    1. 案例:财务杜邦分析仪
    2. 案例:基于销售漏斗模型搭建商机管理分析仪
  • 03

    分析师的第一道面试题-SQL数据库

    一、SQL入门及安装
    1. MySQL安装及调试
    2. 数据库概述
    3. 数据库操作
    二、数据表及字段操作
    1.数据表与字段概述
    2.约束条件介绍
    3.数据表填充数据
    4.检查与修改数据表
    三、SQL查询与链接
    1.查询语句与子查询
    2.了解ER图
    3. 聚合类和其他函数介绍
    4. 多表链接和操作符使用
    四、MySQL+Excel商业智能综合案例
    1. 案例:使用SQL处理及查询电商业务数据
    2. 案例:制作快消行业数据分析仪
  • 04

    增长黑客-产品、用户、网站的增长圣经

    一、数据分析思维与方法入门
    1. 产品经理的数据分析思维养成
    2. 商业分析的基本方法
    3. 搭建你的数据指标体系OSM模型
    二、数据分析三大场景实践
    1. 如何用数据分析提升转化率
    2. 以用户留存为目标的新用户激活
    3. 从产品功能迭代角度提升长期用户留存
    4. 案例:Pinterest 案例分析
    三、复杂的现实:优化点的定位与验证
    1. 案例:网页端向APP端用户导流的优化需求
    2. 重新定义转化流,找到隐含的转化必经步骤
    3. 提升留存的优化需求
    4. 用户增长的魔法数字
  • 05

    枯燥但不枯萎的专业理论-统计概率基础

    一、统计学的概率论基础
    1. 概率的性质
    2. 加法法则和乘法法则
    3. 全概率公式
    4. 贝叶斯公式
    二、描述性统计分析
    1. 集中确实的度量
    2. 离散程度的度量
    3. 偏态与峰态的度量
    三、统计量与抽样分布
    1. 统计量与次序统计量
    2. 抽样分布
    3. 四大统计学分布
    四、统计分析方法
    1. 参数估计
    2. 假设检验
    3. 方差分析
    4. 案例:电商平台销售额影响因素分析
  • 06

    数据分析的武器库-R语言编程与统计分析

    一、R语言基础知识
    1. R语言入门与安装
    2. R的数据类型与数据结构
    3. R的程序控制
    4. R的函数与数据导入
    二、利用R进行描述性统计分析
    1. 变量的分类
    2. 变量统计特征探索
    3. 变量的可视化探索
    三、利用R进行推断性统计分析
    1. 参数估计
    2. 假设检验与单样本T检验
    3. 两样本T检验
    4. 方差分析方法
  • 07

    最快的数据获取方式-Python爬虫

    一、初始爬虫及必备知识
    1. Python安装及介绍
    2. Python编程基础
    3. HTML,HTTP,Chrome开发者工具
    二、网络爬虫核心知识
    1. 网络请求:Requests
    2. 解析HTML文档- BeautifulSoup
    3. 反爬虫及异常处理
    4. 数据存储- TEXT, CSV
    三、网络爬虫实战案例
    1. 案例:抓取多个网页头像
    2. 案例:抓取书籍简介
    3. 案例:利用API获取招聘信息
  • 08

    市场调研与数据处理技术(基于R)

    一、市场调研技术
    1. 市场调研方法与类型
    2. 定性调研与定量调研
    3. 数据抽样技术
    4. 分析调研数据
    5. 调研结构的交流与审查
    二、数据采集技术
    1. 数据的获取方法
    三、数据预处理技术
    1. 数据清理方法
    2. 数据变换
    3. 数据规约
  • 09

    透过现象看本质-回归分析预测

    一、回归分析模型原理
    1. 回归分析的理论基础
    二、回归分析模型的构建
    1.回归的建模
    2.回归建模的结果解读
    三、模型的诊断与问题处理
    1. 回归诊断
    2. 异常值处理
    3. 多重共线性处理
    4. 自相关处理
    5. 异方差性处理
    四、挑选最佳模型
  • 10

    期中项目实战作业

展开更多课程安排

数据分析师(进阶)

11~26模块,总共10周

  • 11

    深入洞察你的客户-客户画像

    一、聚类分析简介
    1.聚类分析的目的
    二、聚类分析模型建置
    1.相似性/相异性的衡量
    2.聚类算法的分类
    3.阶层式与分割式聚类方法
    4.群数的判断与描述
    三、R语言实作
    1.案例:银行客户聚类案例
  • 12

    最简单的机器学习算法 -K最近邻

    一、K最近邻简介
    1. K最近邻分类及数字预测的原理
    二、K最近邻模型建置
    1. 数据前处理
    2. 距离的计算
    3. 预测概率的推估
    4. 预测数值的推估
    三、K最近邻应用
    1. 案例:电影推荐实例
    四、R语言实作
    1.案例:疾病诊断案例
    2.案例:寿险推销案例
    3.案例:汽车油耗预测案例
  • 13

    数学与科学的反映-贝叶斯网络

    一、贝式网络简介
    1. 朴素贝式网络与贝式网络
    2. 贝式定理及属性权重
    二、朴素贝式网络模型建置
    1. 独立性假设
    2. 概率为0的处理
    3. 概率正规化
    4. 空值处理
    5. 数值型字段的处理
    三、贝式网络模型建置
    1. TAN模型原理
    四、R语言实作
    1.案例:银行信用评分卡案例
  • 14

    分而治之的算法模型-决策树

    一、决策树简介
    1.分类树与回归树
    二、以分类树建立分类模型
    1. 分类树的学习及测试阶段
    2. 分类树的种类及分类树的归纳学习原理
    3. 分类树的属性选择
    4. 分类树的砍树方法
    5. 分类树与分类规则
    三、以回归树建立分类模型
    1. 回归树的归纳学习原理
    2. 回归树的改进-模型树
    3. 回归树的属性选择方法
    四、R语言实作
    1. 医疗业乳癌预测案例
    2. 医疗业糖尿病预测案例
    3. 汽车业CPU效能预测案
    4. 汽车业油耗预测案例
  • 15

    人工智能的底层模型-神经网络

    一、类神经网络简介
    1. 生物神经网络的构造
    2. 倒传递神经网络的架构
    二、以倒传递神经网络建立分类模型
    1. 顺向数值传递
    2. 逆向权重及偏移植修正
    3. 神经网络逐步分类学习过程及CISPACE演示
    三、以倒传递神经网络建立数字预测模型
    1. 神经网络逐步数字预测学习过程及CISPACE演示
    四、数据前处理
    1. 数值型及类别型属性的数据前处理
    五、类神经网络总结
    1. 类神经网络的优缺点及与线性回归、罗吉斯回归、非线型回归间的关系
    六、R语言实作
    1. 案例:零售业便利超商选点案例
    2. 案例:房地产房价预测案例
  • 16

    应用最广的模型之一-罗吉斯回归

    一、罗吉斯回归简介
    1. 罗吉斯回归与线性回归的异同
    2. 罗吉斯回归与类神经网络的关系
    二、以罗吉斯回归建立分类模型
    1. 罗吉斯回归的属性选择方法
    2. 属性共线性问题
    3. 罗吉斯回归逐步分类学习过程及CISPACE演示
    三、数据前处理
    1. 数值型属性的离散化处理
    四、R语言实作
    1. 电信业客户流失预警案例
  • 17

    最受欢迎的智能算法-支持向量机

    一、支持向量机简介
    1.线性可分与线性不可分
    2.坐标转换
    二、支持向量机模型建置
    1.支持向量
    2.决策边界
    3.线性支持向量机
    4.错误率与最大决策边界
    5.非线性支持向量机及核函数
    三、支持向量机总结
    1.支持向量机与线性回归、类神经网络、非线型回归间的关系
    四、R语言实作
    1.案例:医疗业细胞样本分类案例
  • 18

    预知未来的算法 - 时间序列分析

    一、时间序列分析简介
    1. 时间序列基本概念
    2. 时间序列特征捕捉
    二、时间序列模型介绍
    1 序列平稳的定义
    2 白噪声序列
    3 自回归模型
    4 移动平均模型
    5 自回归移动平均模型-ARMA 模型
    6 ARIMA 模型
    三、ARIMA 预测
    1 预测的评价指标
    四、BOX-JENKINS 建模流程
    1 BOX-JENKINS 建模流程
    2 平稳性检验与白噪声检验
    3 案例介绍
    五、时间序列R程序
    案例:电商渠道电脑销量的预测
  • 19

    发掘购物篮规则 - 关联分析

    一、关联规则概念与原理
    1. 本课程需要准备的软件与配置
    2. 推荐系统的基本概念与分类
    3. 如何评价一个推荐系统
    二、购物篮分析与关联规则
    1. 什么是购物篮分析--原理与基本概念
    2. 关联规则挖掘算法与其优缺点
    3. 案例:家居用品商店的营销策略
    4. 关联规则可视化
    三、相似性推荐与系统过滤
    1. 如何收集用户偏好
    2. 相似度如何计算
    3. 协同过滤
    4. 基于内容的推荐与混合推荐
    5. 案例2 :如何给用户推荐一部他喜欢的电影?
    四、基于矩阵分解(SVD)的推荐算法
    1. SVD推荐算法的原理
    2. 案例:SVD推荐算法
  • 20

    机器学习兵器谱的“屠龙刀”-集成学习算法

    一、集成学习简介
    1. 传统学习与集成学习
    2. 集成学习的分类
    二、集成学习模型建置
    1.袋装法原理
    2.提升法原理
    3.随机森林原理
    4.集成学习方法比较
    三、R语言实作
    1. 案例:电信业产品交叉销售案例
    2. 案例:银行业小额信贷营销案例
  • 21

    自然语言处理与机器学习结合 - 文本分析

    一、文本分析简介
    1.文本分析基本概念
    2.文本分析流程
    二、文本数据前处理
    1.中文分词与中文词性标注
    2.关键词提取与N-gram字组
    3.词频与词重要性计算计算
    4.关键词关联与文字云
    三、文本分析应用与R语言实作
    1.文件a分类 PO文声量预测案例
    2.文件集群 潜在舆情主题分析案例
    3.情感分析 舆情正负评分析案例
  • 22

    统计学的新兴领域 -社会网络分析

    一、社会网络简介
    1. 社会网络表示方式
    二、描述网络
    1. 网络密度
    2. 网络节点进出程度
    三、社会网络分析
    1. 扩散分析理论
    2. 群组分析
    3. 社会相似性
    4. 群组与群组成员描述(社群领袖分析)
    四、R语言实作
    1.案例:电信客户流失案例
  • 23

    人脑工作机制的模拟器 -深度学习

    一、深度学习算法简介
    1. 深度学习算法的历史
    二、深度学习应用案例
    1.案例:物体侦测、语言处理
    三、卷积神经网络
    1.网络架构
    2.卷积层和池化层
    3.联结卷积层及池化层
    4.卷积神经网络可视化
    四、R语言实作
    1.物体侦测案例
  • 24

    就业技能直通车 – 大型项目实作案例

    一、策划某跨国电脑公司的营销活动
    二、零售业忠诚客户预测案例大型实际案例(数据大小超过20G)
    三、金融业银行信用卡评分项目实作
  • 25

    突破传统思维局限 -决策黑客

    一、批判性思维
    1.批判性思维概述
    2.什么是价值观假设和描述性假设
    3.推理过程中有没有谬误
    4.证据的效力如何
    5.批判性思维概述
    6.能得出哪些合理的结论
    二、概率决策思维
    1.决策的定义和种类
    2.不确定性下决策方法
    3.贝叶斯决策方法
    4.全信息价值
    5.信息的成本衡量
    6.合理的决策框架
    三、博弈思维
    1.博弈论与管理学
    2.博弈论的要素和基本方法
    3.囚徒困境与智猪博弈
    4.重复剔除的占优均衡
    5.混合策略
    6.混合策略案例分析
    四、系统思维
    1.系统思维定义和重要性
    2.系统的组成要素
    3.调节回路和增强回路
    4.单存量系统与多存量系统
    5.系统延迟造成的影响
    6.非线性在系统的作用
    五、先发影响力
    1.互惠原理
    2.承诺和一致原理
    3.社会认同原理
    4.喜好原理
    5.权威原理
    6.短缺原理
  • 26

    期末项目实作+期末考试

展开更多课程安排

课程选择与报名


本课程可以进行全程报名,也可单独选择“初级”或“进阶”部分。
您可根据时间、基础、预期的情况,合理选择相关课程。当然全程课是最全面且最优惠的选择。

finish the course ,you will get ...

完成学习计划后,你将获得...

学位证书  certificate
含金量 来自行业领袖的认可与经管之家、MERKLE、GrowingIO企业共同背书认证
用   途 可用于就业上岗、升职加薪、参与数据分析商业项目,永久有效
就业推荐  employment
新人入职   通过毕业项目设计成果获得企业的认可,CDA就业服务团队为您解决就业难题。
转行跳槽    CDA OfferHere服务团队为您解决通往更高职业发展阶梯的需求。
会员服务  VIP service
社群活动   成为CDA俱乐部社群会员,可免费参与一切CDA线下交流活动与行业峰会。
特权资质   可参与全国各地CDA相关数据分析项目合作,业余时间实战提升,赚取酬劳。

优益生计划



我们为支持热爱学习的困难生,并激发他们的学习动力,面向在读学生群体(硕士及以下学位)推出“优生公益计划”。

该计划具有 10个免费席位,只要您热爱学习并满足条件皆可申请,我们会通过相应的测试进行席位筛选。 被录取的优益生在学习过程中必须完成每个阶段的学习并通过考试,才能继续学习下一个阶段。若某阶段未考过会进行一次补考, 补考不过将取消优益生资格。

在线申请优益生

讲师访谈

陈孚

美库尔数据解决方案部经理
您如何评价A+学位课程?
    
A+学位课程用最真实的商业案例去诠释科学数据分析,沉浸式学习方法让学员更准确的掌握最前沿的数据分析方法和工具。高真实度的模拟场景让学员体验互联网+时代的教学改革与创新。
您在A+中负责哪些模块的授课?
    
我主要负责推荐算法课程。这门课程主要讲解了三种主流的推荐算法,以及在算法中应该注意的事情,应用和表现评估。课程比较贴近大家的生活,比如我们平时使用的当当,亚马逊,豆瓣等网站都不同程度的采用了各种推荐算法, 对新老用户进行个性化的产品推荐。在这门课程中,我会带大家一起探索,个性化推荐是如何做到的?在什么场景下适合哪种推荐?以及我们如何对推荐进行优化?在学完本次课程后, 各位不仅应该有能力独立建立一个简单的个性化推荐系统,并且有能力对其进行优化,以及与其他推荐方式组合,使之成为一个真正能够独立使用的推荐系统。
对学员有何寄语?
    
你们生活在一个信息和技术爆炸时代,这个时代充满机遇与挑战,这个时代给了你们更大的机会去变成自己想要成为的那个人。所以把握住机会,迎接属于自己的未来。

李奇

微软EXCEL MVP
您如何看待A+学位课?
    
我认为A+学位课有全面性、系统性、实用性三大特点,是数据分析学习课程中难得一见的精品课程。首先内容的全面性体现在A+学位课包括了从工具使用技能到企业实战案例、从数理统计理论到数据分析成果落地等在数据分析工作中涉及到的不同维度上的各个重要知识点, 能帮助学员全面了解及掌握数据分析技能。第二点内容的系统性体现在课程体系按照由浅入深、环环相扣、层层递进的形式展开,即便是数据分析零基础学员也能够轻松入门并最终达到深入进阶的学习效果。最后内容的实用性体现在课程中安排了大量企业实战案例内容, 而且在每章课程后还有结合实际应用场景的课后实操练习,这些内容可以帮助学员快速理解数据分析的实际价值及应用方法,帮助学员完成学以致用的目的。
除上述三个特点外,A+学位课还聘请了有丰富实战经验及培训经验的行业内专家讲师负责课程内容的录制工作。讲师录制好的内容在和大家见面之前还要经过层层审核把关才能最终上线。所以课程内容是有绝对保证的。
综上所述,我向大家推荐A+学位课。我保证尽我所能为大家奉上最优质的学习内容,谢谢。
您所负责的授课是那些?
    
我是CDA资深签约讲师、微软认证Excel最有价值专家李奇,我在A+学位课中负责《让数据说话-玩转EXCEL BI商业报表》与《分析师的第一道面试题-SQL数据库》两个模板的内容, 无论是Excel还是SQL语言都是我们进入数据分析领域必不可少的基础技能。这些技能不仅是数据分析工作的敲门砖更是将来在团队工作中能够与其他人拉开差距、充分体现出个人差异化价值的切入点。 所以我负责的这两部分内容不止是帮助大家掌握Excel与SQL的基础使用技能,更希望帮助大家理解及掌握这两个工具在实际业务数据分析工作中的作用及高级使用方法,学习完我的这部分课程内容后, 大家将具有使用Excel+SQL独立创建能够解决业务问题的商业智能可视化分析报表的能力。
您有什么话对学员说吗?
    
数据分析是大势所趋,在大数据时代下数据分析技能已经成为了职场生存中的必备技能。所以希望大家珍惜课程资源,努力学习并最终能够学以致用。现在的付出一定会为我们将来的发展带来意想不到的好处。 感谢大家对CDA的关注及对A+课程的兴趣,希望能和您在课上相遇。

董雪婷

复旦大学数学科学学院/CDA协会会员
您对A+学位课有何看法?
    
随着数据科学行业的快速发展,一门系统的、帮助同学们从入门到进阶的课程也是应需而生。A+学位课从设计之初就是秉承着系统全面、深入透彻的理念,因此无论是从课程框架和内容安排都很好地兼顾了初学入门, 和进阶提高的需求。特别是授课的老师也都是我非常尊敬的同业和前辈,相信一定会让同学们对这么科学有更深更准确的理解。学海无涯,如果有一艘更好的领路船,才能更快更稳地驶入最前沿的领域, 探索更加奇妙的知识。所以我会推荐不知道如何入门,或者认为自己在某些方面还存在疑惑的同学,可以尝试用这门系统的课程查缺补漏,夯实基础。
您负责哪些模块的授课?
    
我在本次A+学位课程中负责第一部分,也就是深入浅出数据科学基础。其实数据科学是一门实用性很强,而且应用非常广泛的学科。但是由于它本身包含的理论种类繁多,又一直处于蓬勃发展的状态, 所以让很多同学望而生畏,浅尝辄止。这次我们的A+学位课程特别设计了第一个模块,就是希望能够通过生动、有趣的场景和系统高效的分析思维方法,帮助大家克服一开始的陌生, 不知不觉中对这么科学产生兴趣。因为只有兴趣,才是最好的老师。在这部分的最后,我们也有一个专门的版块是关于数据行业的职业发展。相信各位同学既然选择了这门课程, 对这个行业一定也是关注和感兴趣的。希望通过这个部分,也能够助力大家在未来的职业生涯一路前行,实现自己的小目标。在热爱的岗位,做喜欢的事情。
对学员有何寄语?
    
正如我在讲义最后引用的一段话,“用数据说谎很容易,但是用数据说出真相却很难。” 希望各位同学们,能够在数据探索的道路上,坚定前行,用数据解读生活,也用数据科学,把我们的生活变得更加美好。

李御玺

数据挖掘专家/CDA命题委员会主席
请问您如何看待A+学位课?
    
A+学位课程的目的在培养大数据时代的十字型人才,拥有最专业及最完整课程设计,从简单的数据库处理、统计分析到复杂的数据挖掘、 文本挖掘、社群网络分析、机器学习及深度学习,循序渐进,辅以企业的实务案例,让大家从入门到进阶,成为专业的数据分析人才。 我认为A+学位课程的亮点在于「完整」、「精通」、「跨域」及「创新」,值得大家花时间进行学习提升。
您在A+学位课中负责哪一些模板?
    
我负责数据分析师(进阶)大部分的模板,包含传统基础的客户画像、K最近邻、贝式网络、决策树、神经网络、罗吉斯回归、支持向量机等, 也包含一些最新较热门的模板,像是集成学习、社会网络分析、文本分析、深度学习等。此外,我也负责一个零售业大型实作项目的讲解。 由于我与企业进行数据及文本挖掘的合作已将近18年,因此我会在我教授的模板中,大量引进一些实务的案例来辅助理论的讲解,让大家能从「做中学、学中觉、觉中悟」, 达到融会贯通的目的。在零售业大型实作项目上,它的数据大小就高达23G,让大家体会大数据分析的实际场景。
有什么话想对学员说?
    
对数据分析来说,现在是最好的时代,也是最佳的机会。一是未来数据分析已是各行各业不可逆的趋势,二则是现在CDA已将最好的老师及企业聚集, 现在不学更待何时。因此我想对学员说,好好保握优质资源,集中全力往最专业的数据分析师道路前进。

王安

布本智能首席数据官
请问您如何看待A+学位课?
    
A+学位课程的内容涵盖了数据分析师的不同技能项,有理论有案例,更适合同学们在练中学,更好的掌握相关的知识和技能。
请问您在A+学位课中负责哪一模块的讲授?
    
我负责课程最后的决策黑客的部分,这部分内容是在多年的数据相关工作后提炼的。
因为作为分析师在学好数据分析方法技能职能之后,让数据产生价值还需要很多数据之外的知识和能力。比如在寻找有价值的问题,评估决策场景价值观的过程中需要批判性思维, 概率决策思维,在推动数据结果在业务中落地过程中,需要博弈思维,系统思维,同时需要建立自己的影响力,引导各方,推广数据驱动的理念。
决策黑客这部分内容就是围绕从数据到价值的更广泛的环节展开的,希望能够给同学们一个相关知识的入门引导,通过课程的推荐阅读和扩展阅读,更深入的了解相关的知识和技能。
对学员的寄语
    
希望学员们通过课程的学习,更全面的了解数据分析的各个环节,能把技能应用的业务实践,推动各个公司业务的更好发展,同时也能建立个人品牌,增加自己的影响力,推广数据驱动的理念, IN DATA WE TRUST!

专业荣誉 由A+学院授予在某一专业领域的学力荣誉称号,持证人具备此专业的相关技能,达到企业 上岗要求

企业认证 来自行业领袖的认可与经管之家、MERKLE、GrowingIO、DataCastle企业共同背书认证

真实有效 证书绑定每位学习者的实名信息,永久有效,可通过网址和二维码进行验真查询

课程优惠活动

1. 一键快速获取价值500元优惠券。下单立享优惠。

2. 参与过CDA相关培训课的老学员及CDA持证人,购课可抵扣800元,需联系我们的课程顾问获取优惠券喔。

¥500 下单立减 联系客服

更多问题 请看这里

  • Q:我可以从这个课程中获得什么?

    A:在CDA A+学位中,可以让你在家就能学习全栈数据分析课程,零基础入门,学习知名企业领先技术, 挑战行业成熟实战项目,在【垂直专业深度】, 【横向知识宽度】和【纵上创新力度】(十字型)三个方向发力, 从零掌握DT与AI时代前沿技术,获得行业领袖的认可与认证,成为当今和未来的抢手人才。
  • Q:课程是录播还是直播?

    A:CDA A+学位课程是录播视频课程,您可以自主安排时间学习教学视频,但需在规定的学习周期内完成学习和考试。
  • Q:A+学位课程的学习周期是多久呢?

    A:CDA A+学位课程学习周期预计21周,平均每周近10+小时内容,某些模块的学习所花时间会更多。为了有效督促学习,课程均设有有效期,课程有效期为一年。 课程有效期是远大于我们课程所需要的完成时间的,已经将大部分意外的情况包含在内,足够完成该课程。(所以请务必努力学习)
  • Q:我是在职工作的,学习中每周的学习时间不够怎么办?

    A:本课程内容较多,选择学习就必须要严格要求自己,才能达到相应的效果。平均每周10+小时的课程,在职人士可以这样安排:周一到周五下班后平均每天学习1个小时,周末两日集中学习剩下部分,是完全可以handle每周课程的。
  • Q:课程结束之后,如何获取证书?

    A:学习并完成CDA A+学位项目实战者可获得由经管之家CDA数据分析研究院与美库尔、Growing IO等企业颁发的学位认证证书。
  • Q:有多少企业认可A+学位证书?就业前景如何?

    A:CDA A+学位项目是由CDA数据分析研究院与美库尔、Growing IO等企业共同打造,课程内容针对目前国内数据分析岗位需求量身打造,从理论,到实战, 到案例,到思维,全面系统,顺应大数据潮流,满足企业招聘所需全面技能。课程后期的项目实战,会成为向企业展示你技能的最好证明。
  • Q:学习过程中有问题怎么咨询呢?

    A:购买课程后,我们的班主任会邀请您加入课程班级群,并且每个人拥有自己的课程中心,可以做笔记,提问等,老师和助教都会解答大家的疑问。同时您也可以看到课程中其他同学提出的问题,进行学习。
  • Q:学习后是否有工作推荐以及其他福利?

    A:新人入职,可以通过毕业项目设计成果获得企业的认可,CDA就业服务团队为您解决就业难题。转行跳槽者,CDA OfferHere服务团队为您解决通往更高职业发展阶梯的需求。 您还可以成为CDA俱乐部社群会员,可免费参与一切CDA线下交流活动与行业峰会。可参与全国各地CDA相关数据分析项目合作,业余时间实战提升,赚取酬劳。

填写个人信息

确认

提交成功


信息已成功提交, 3秒后返回上一页