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

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