当前，数据不仅是企业的核心资产和重要战略资源，也是重要的生产要素。数据资产已日益成为企业抢占未来发展主动权的前提和保障。国务院国资委在颁布的《关于加快推进国有企业数字化转型工作的通知》中强调要深入挖掘数据价值。用好数据，不仅能够帮助企业洞察市场变化和趋势，降低风险，还能提高决策效率，进一步提升企业核心竞争力。

 

本课程为 CDA数据分析师 LEVEL I 认证考试 配套学习视频，适用于企事业单位前、中台人员，包括从事产品、市场、运营、风控、管理、财务、咨询等岗位人员。掌握构建数字化运营指标体系、宏观业务根因分析、用户画像、数字运营策略制定的方法论和工具。

 

【CDA认证体系简介】

 

CDA数据科学研究院基于先进企业的实践，提出了企业数智化需要具备的数据人才能力模型。企业中的数据分析任务分为业务现状描述、问题归因分析、个体行为预测，这就要求数据人才具备能描述现状、分析原因、预测行为的能力。数据人才的范围也不限于数据分析师和数据挖掘工程师，还包括经营决策者和业务骨干。

 

 

业务问题归因分析和策略优化是企业中数据分析任务的核心，对上游的现状描述提出建立完备的指标体系和报表可视化需求，对下游的预测分析提供算法模型的应用场景。CDA数据分析能力认证体系根据归因分析和策略优化的应用深度，以及从宏观业务分析到微观个体预测的技术难度，设计了CDA一级至三级的学习内容，并对各类分析工具的掌握提出了相应的要求。通过分级课程来帮助数据人才全面掌握从业务问题归因到策略优化的能力。

 

 

CDA一级主要讲解商业分析所涉及的评价指标体系的构建、用户基础标签的构建与用户画像、定性和指标归因分析、战略及业务分析报告等商业数据分析技术；

 

CDA二级主要讲解客户运营、流程分析和策略优化所涉及的用户高级标签的构建、模型归因分析、预测模型等业务宏观分析与客户微观洞察相融合的技术；

 

CDA三级主要讲解企业数据挖掘体系构建，在机器学习运营（MLOps）的框架下设计、开发、落地数据挖掘模型，包括机器学习经典算法及案例、算法模型管理等技术。教材在工具实现上选择企业中应用最为广泛的数据库语言SQL和编程语言Python等。

 

【课程收益】

 

1、证明掌握从事产品、市场、生产、管理、风控、财务等业务工作的数据分析思路、分析技能、必备软件操作技能。

2、掌握量化分析的方法，能够构建指标体系、进行业务根因分析、制定业务优化策略。

 

【课程特点】

 

1、取材于业界标杆企业和顶级咨询公司的行业实践；

2、已经被证明是人人学的会、能上手的数据分析课程。

3、体系全面，兼顾理论和实操，在一个完整的分析框架下将电子表格、BI、SQL工具的使用融为一体。

 

【课程对象】

 

1、经营、运营等部门主管、骨干人员

2、数据分析师、数据管理人员

 

【讲师介绍】

 

常国珍老师，北京大学博士，CDA数据科学研究院院长，曾任毕马威咨询大数据总监。中国大数据产业生态联盟专家委员会委员，腾讯云最有价值专家（TVP）。

 

著有《CDA一级认证教材:商业数据分析》、《CDA二级认证教材:量化策略分析》、《CDA三级认证教材：敏捷数据挖掘》、《金融数据分析和数据挖掘案例实战》、《数字化管理师能力评价与培养》、《金融商业数据分析：基于Python和SAS》、《金融商业算法建模：基于Python和SASEM》、《Python 数据科学：技术详解与商业实践》、《用商业案例学 R 语言数据挖掘》、《胸有成竹：数据分析的SASEG 进阶》等多本著作。

 

【课程大纲】

第一篇 原理篇

第1章：数据分析思维

1.2 流程化企业数据分析需求

1.3 企业数字化转型的进展

1.4 企业需要的数据应用能力

1.5 数据分析的基本概念

 

第2章：数据分析方法

2.1 数据分析的基础范式

2.2 由基础分析范式引申出的六种分析方法

2.3 统计制图原理

2.4 分析原理的软件操作讲解

2.5 电子表格函数和数据查找

2.6 PowerBI基础操作和案例

 

第3章：商业数据分析框架

3.1 商业数据分析体系构建

3.2 商业数据分析总体流程

3.3 远景战略分析方法

3.4 财务视角分析方法

3.5 客户与市场视角分析方法

3.6 内部流程视角分析方法

 

第4章 战略数据分析

4.1  战略数据分析基础

4.2 战略数据分析关键步骤1：桌面研究

4.3 战略数据分析关键步骤2：调查研究

4.4 战略数据分析报告呈现

 

第5章 业务数据分析

5.1 业务数据分析基础

5.2 输入和资源需求

5.3 业务数据分析的步骤

5.4 报告呈现

5.5 业务归因分析案例（WPS电子表格）

5.6 数据看板案例(PowerBI)

 

第二篇 技术篇

第6章 描述性统计分析

6.1 变量度量类型与统计量

6.2 总体参数和样本统计量

6.3 参数估计方法

 

第7章 指标体系构建方法

7.1 指标概述

7.2 通用指标介绍

7.3 场景指标介绍

7.4 指标体系介绍

7.5 指标体系自上而下搭建方法

 

第8章 SQL语言基础与MySQL入门

8.1 SQL语言概况

8.2 SQL查询语句

8.3 SQL创建表或视图

 

第9章 用户标签体系与用户画像专题

9.1 案例：某企业基于用户标签的营销

9.2 标签的分类

9.3 用户画像

9.4 案例：用SQL和电子表格实现用户画像

 

第10章 简单时间序列分析方法

10.1 认识时间序列

10.2 效应分解法时间序列分析

10.3 案例：时间序列预测

 

第三篇 管理篇

第11章：数据治理

11.1 数据治理驱动因素

11.2 数据治理体系

11.3 如何开展数据治理

11.4 本章小结

 

第12章：数据模型与数据建模

12.1 数据分类

12.2 数据建模

12.3 数据仓库体系和ETL

 

第13章：指标体系管理

13.1 指标管理

13.2 企业级指标体系建设方法与步骤

13.3 指标体系管理的问题与挑战

13.4 指标体系管理

 

学习入口：https://edu.cda.cn/goods/show/3835?targetId=6744&preview=0