数据分析就业班针对想从事数据方面工作的零基础人群，致力于解决他们想从事数据分析工作，但苦于入行门槛高，有专业壁垒的种种问题，设计了专业化和系统化的学习计划。科学打磨课程，助学员从数据零基础小白蜕变为数据精英。 确保学员既能学到扎实的数据分析理论知识，又能熟练掌握工具操作和业务逻辑，在项目实操下掌握业务分析流程，快速掌握各行业数据分析岗所要求掌握的基本技能。
师资均来自学界、实务界相关领域的专家讲师、企业资深分析师以及行业大牛，代表了国内数据分析培训的专业水准，让学员既能学到扎实的数据分析理论知识，又能具备较强的实战动手能力。 在课程学习中以问题为导向，加强知识点的理解和应用，提高学员面对复杂问题的思考能力。并逐步培养学员的职场数据素养，能够具备准确读取、分析和应用数据的能力。
渐进式的课程内容涵盖数据分析所需工具及编程语言，重点教学常用分析技能，学完即可在多行业多场景完成数据分析工作。同时，从职场综合能力要求出发，紧密结合就业实际需求，学习数据分析相关岗位所要求的技能。 对数据科学岗位认知程度比较浅的学员，可在职业规划团队老师的帮助下选择适合学员的职业发展路线。进一步从职场综合能力要求出发，通过经验赋能快速提升岗位匹配度。
| 课程模块 | 课程阶段 | 课程内容 |
|---|---|---|
| 预习 | 预习（工具篇） | Excel预习视频、数据库预习视频、Power BI预习视频 Linux基础视频（需在Hive课程之前看完） 基础数学预习视频(选看) |
| 预习（业务篇） | 业务前台人员数据思维训练营 | |
| 业务数据分析 | 业务数据分析 (Excel) |
表格结构数据的特征、获取方法 表格结构数据引用、查询与计算方法 指标的应用 - 搭建营销运营指标体系 业务场景指标 - 多场景业务场景指标应用精讲（运营、客户、商品、活动等） 指标的设计 - 多场景指标设计、使用及分析（绩效、运营、销售等） 业务指标综合分析案例 - 互联网运营业务指标综合分析 可视化分析方法 业务分析方法应用 - 帕累托分析法、四象限分析法等 业务模型应用 - 价值模型、帕累托模型、漏斗模型、RFM模型 撰写业务分析报告方法 电商、互联网、零售行业的数据分析场景介绍 运营分析 - 电商运营分析驾驶舱（电商获客分析、营销漏斗模型监控分析） 客户分析 - 电商客户运营分析仪表板（潜在客户挖掘、电商运营效果监控、运营指标分析应用） 综合案例：银行贷款违约客户特征分析（报表+报告） |
| 业财融合与财务数据分析 (Excel) |
1. 业务和财务的联系 2. 三大财务报表指标介绍 3. 资产负债分析 4. 利润分析 5. 杜邦分析 6. 财务分析报告 综合案例：某地产行业务财务分析（报表+报告） |
|
| 人工智能基础 (caie) |
1. 人工智能理论基础 2. 人工智能的历史发展与重要人物 3. Prompt基本概念 4. 基础提示技术 5. 进阶提示技术 6. AI工具赋能商业业务 7. AI应用工具实践 |
|
| 统计学基础 | 1. 分析的基本概念 2. 描述性统计 2.1 集中趋势与离散趋势 2.2 数据标准化 3. 统计分布 3.1 二项分布及商业案例 3.2 正态分布 3.3 卡方, t, F分布 3.4 中心极限定理 4. 推断性统计 4.1 参数估计 4.2 假设检验 4.3 AB test 4.4 使用带检验的AB test分析运营方案 |
|
| 多维数据分析 （Power BI及其他BI软件） |
表结构数据的特征与获取 表结构数据加工与使用 多表透视分析逻辑 透视分析方法 多维数据模型 多表透视分析应用案例 -- 多维透视分析应用案例 产品分析 - 产品进销存追踪监控看板（进销存业务流程分析与监控） 销售分析 - 服装行业销售情况分析（销售情况监控看板制作方法） 综合实战案例 - 电商综合运营分析仪表板（流量、转化、客单相关指标分析监控） 帆软Fine BI案例：优衣库区域销售分析 永洪Yonghong BI案例：银行客户评价分析 |
|
| 数据分析案例 | 电子支付用户分析综合案例 1. 分析框架和思路 2. 数据与字段处理 3. 分析方法 4. 转化与用户画像 5. 分析结论与运营建议 |
|
| 大型项目 | 大型数据分析综合项目实战 (Power BI+SQL) |
跨国企业完整数据分析实战案例 学生探索性实操 制作分析报告 项目现场专家评审与1V1指导 |
| 数据库SQL | SQL数据库(MySQL) | 数据库基本概念 1. DDL数据定义语言（创建、选用、删除数据/表） 2. DML数据操作语言（添加、修改、删除数据） 3. 单表查询 3.1 基本查询：去重查询、设置别名 3.2条件查询：多条件查询、空值查询、模糊查询 3.3分组查询：分组聚合、分组后筛选 4. 查询结果排序、限制查询结果数量" 5. 多表查询 5.1 连接查询：内连接、左连接、右连接 5.2 联合查询：去重、不去重" 6. 函数： 数学函数、字符串函数、日期时间函数、分组合并函数、逻辑函数" 7. SQL大厂面试题突击训练 8. 查询应用案例1 -- 电商查询案例 9. 查询应用案例2 -- 零售业多表查询案例 |
| 数据管理与数据治理简介 | 1.企业决策的四个层次：战略、管理、运营、操作 2.企业数据分析能力的演进 3.企业运营和操作数据应用 4.数据管理基础知识与DMBOK知识体系 5.企业数据能力建设 6.数据治理实操框架 |
|
| 企业架构与数据架构基础 | 1、数据架构的基本概念 2、数据模型介绍 3、数据建模基础 4、数据建模方法 5、数据建模规范化 6、数据建模案例 |
|
| Hive SQL | 1. Linux系统（复习） 2. Linux常用命令和文件系统（复习） 3. 分布式存储与计算(Hadoop) 4. 系统的安装与部署 5. Hive 架构原理 6. Hive 数据类型 7. HiveQL与应用 |
|
| Python基础与数据应用 | Python编程基础 | Python与Anaconda简介 Python标准数据类型 基本语法规则 控制流语句 自定义函数 |
| Python数据清洗与可视化 | Numpy数组分析 Pandas数表分析 Pandas数据清洗与可视化 Python数据可视化包-Matplotlib介绍 Python数据可视化包-Seaborn介绍与图形绘制 PythonBI包-Pyecharts介绍与图形绘制 分析案例(4选2)： 1. 轮船生存数据分析 2. 天猫白酒销售数据分析 3. 餐厅小费数据分析 4. 拉勾网招聘数据分析 |
|
| Python办公自动化 | SQL数据接入 Python连接SQL 多表数据自动提取 表格数据自动汇总 多表数据自动统计 Python发送测试邮件 Python计算数据指标 实现自动风控报表 |
|
| ETL数据接入与数仓 | 1. ETL基本概念与常用工具 2. 基于Python的ETL程序开发 3. 定时执行Python程序 4. ETL程序连接数仓 5. ETL之Pandas实现 |
|
| 数据挖掘 | 统计建模 | 1. 数据挖掘基础内容（有/无监督，交叉验证、网格/随机搜索，模型评估方法、过/欠拟合） 2. 相关分析 3. 线性回归（模型的建立与估计） 4. 统计模型的检验 5. 逻辑回归（模型的建立与估计） 6. 模型评估 7. L1和L2正则化以及这两种正则化下的回归算法应用 识别分析-用户支出影响因素分析案例 客户成交预测分析-客户成交与否案例分析 |
| 精准营销数据分析报告全流程 实战案例 |
实战案例 1. 背景研究与现状描述（现状，痛点，目标，范围） 2. 目标拆解与描述 3. 文献和案例分析（分析方法的理论依据） 4. 数据需求（数据范围，变量的定义与筛选，维度问题） 5. 分析方法与模型开发 6. 应用分析（模型的产出与应用） |
|
| 机器学习 | 决策树 1 决策树原理 2 信息熵和Gini 3 决策树处理分类型和数值型特征 聚类 1 客户分群业务知识 2 聚类的逻辑 3 Kmeans聚类建模流程 4 Kmeans客户分群应用 集成学习 1 集成算法原理 2 Bagging: 随机森林 3 Boosting: GBDT, XGBoost, LightGBM 案例：金融领域用户分群营销、欺诈识别 |
|
| 深度学习与人工智能 | 1. 深度学习之神经网络 2. AIGC生成式人工智能路线图 3. 编码器与迁移学习 4. Transformer架构 5. GPT技术架构与训练方法 6. Openai api 之python代码实践 7. 模型的本地部署代码实践 |
|
| 机器学习大型案例 | 实战项目-金融风控大型案例 | |
| 数据分析师职业规划课 | 职业规划、职场沟通力、团队协作力培养 | |
| 面试技巧一对一辅导 | 1V1面试技巧指导与简历修改 | |
| 选修课 | 1、互联网数字化运营【18课时】 2、何为数据产品经理？【1课时】 3、Python爬虫【15课时】 4、人工智能(深度学习)实战之图像识别【6课时】 5、Tableau多维可视化分析【3课时】 6、SPSS统计分析【12课时】 7、主成分分析与因子分析（数据降维）【6课时】 8、关联规则(机器学习)【6课时】 |
