高端IT人才在线实训平台

当前位置:首页  /  课程  /  数据分析特训营

数据分析特训营

数据分析特训营

分享到:

新东方、搜狗、腾讯等名企一线实战讲师授课,技“高”一筹!重在培养数据分析方法及思路,而不仅仅是学习技术及工具。带教多个互联网及金融领域企业真实项目,而不仅仅是讲理论和小案例。

  • 原价  ¥7800

  • 特惠价  ¥6800

  • 试学价  ¥1

时长    16周           开班时间   随报随学,1对1服务

立即试学 全款购买 当前学习人数 1037 收藏

有效期:558天
有效期自支付成功后开始计算。

课程介绍

数据分析框架及思路是核心,技巧技术是关键。本课程重在培养学员数据分析逻辑及思路,并结合常用技术及工具,落实完善分析框架。简易便捷的教学帮助学员很快上手,并结合互联网平台实战经验,分享用户研究、用户精细化分析、产品精细化分析等专项案例。针对零基础或想转战数据分析/数据运营岗位的学员,培养数据分析思维及技巧;针对有一定分析水平的学员,提升分析及技巧水平;让学员在未来的工作中增光添彩。


产品偏好-定向推送分析

动态筛选图-渠道效果分析

动态筛选图-用户转化分析

用户精细化-用户成长路径

用户精细化-用户三维散点1

用户精细化-用户三维散点2


课程特色

1)课程围绕互联网平台的用户及产品精细化运营展开,揭开数据分析面纱,快捷上手数据分析;

2)课程包含数据分析常用技术和工具,包含excel数据分析、SPSS的数据分析、Python数据分析、R数据分析等,适用于普众学员;

3)本课程聚焦数据分析核心工具及核心内容的讲解,重在快速上手数据分析。

课程涉及哪些工具与技术

1)统计学相关原理

2)Excel:适用于大众学员的使用工具,充分发掘excel数据分析潜力

3)SPSS:统计分析软件,便于建模分析

4)Python:性能非常高效,使用简单的脚本能处理大量的数据

5)R:包含大量的统计函数,具有较强的可视化功能,简单易用

6)Tableau:数据可视化分析,简易教学便捷上手

课程适用人群

1)对数据分析零基础或有简单了解的学员;

2)想转行做数据分析或者数据运营的学员;

3)想提升数据分析项目经验的学员;

学习需要什么基础

零基础学员或有一定分析、统计基础的学员

课程学完后的目标

1)培养数据分析思维;

2)熟悉并会使用excel进行基本的数据分析;

3)熟悉并会使用SPSS进行统计及数据分析;

4)熟悉并会使用Python进行统计及数据分析;

5)熟悉并会使用R进行统计及数据分析;

6)熟悉并会使用数据可视化分析软件进行数据分析;

7)结合上述工具独立完成数据分析报告及专项建模研究。

讲师介绍

  • 杨倩

    北京理工大学数学与应用数学学士,北京工商大学计量经济学专业硕士

    曾供职于腾讯、万达集团数据中心、某在线黄金期货平台分析中心、某知名集团旗下金融平台数据运营中心。五年数据分析经验,擅长基于CRM的数据挖掘、数据可视化、大数据分析、用户运营及市场预测等相关工作。

  • 王旭

    搜狗资深数据分析师,大讲台特聘讲师

    搜狗资深数据分析师,曾供职于国内第三方征信公司,某知名集团旗下金融平台风控事业部。三年数据分析经验,主要从事用户客群分类、用户特征挖掘,自动信审模型及信用申请评分卡、催收评分卡等相关工作。

  • 孙斌

    大讲台数据分析高级讲师,某211大学数据分析课程客聘讲师

    北京理工大学数学系毕业,具有多年教学及数据科学领域工作经验。先后在新东方、弘成教育等多家教育机构从事教学及数据分析工作,熟悉统计学,擅长Excel、Python、R、SPSS等数据分析工具。擅用思维导图,讲课思路清晰,答疑及时细致,深受很多同学喜爱。

  • 张英普

    投资公司(世界500强)数据分析总监,擅长数据挖掘、分析预测

    世界500强某投资公司数据分析总监,10年数据分析挖掘经验,主要从事项目管理、量化分析(如,渠道有效性分析、ROI分析、时间序列预测、市场潜力预测、员工架构有效性分析等)和算法研究。

学习模式和上课安排

  • “三维立体”教学

    多手段保障学习效果

  • 不用东奔西跑

    在家在校在咖啡馆都能学习

  • 学习任务每日推送

    有效避免贪多嚼不烂

  • 随到随学

    1对1批改作业、项目指导

  • 每天自主学习2小时

    4个月可学完就业

  • 学习遇到问题

    微信一对一答疑

五大承诺,让你无后顾之忧

可先试学7天

先尝后买

跳槽换工作

免费推荐

一次不过瘾

免费复训

错过直播

可视频回看

没工作经验

4个月学6个项目

5

大承诺

无后顾之忧

数据分析课程大纲

1、开篇
初识数据分析
什么是数据分析师?
数据分析师职业方向
2、Excel数据分析
Excel常用公式与函数
数据清洗类
关联匹配类
逻辑运算类
计算统计类
时间序列类
Excel隐藏函数
Excel常见问题及解决方案
Excel日产工作使用技巧
Excel实战项目
互联网金融行业常用指标分析
互联网金融行业充值返现活动效果分析
某教育机构财务周报分析
Excel经典数据图表
柱形图、条形图、折线图、饼图
美化图表
漏斗图
XY散点图、面积图、组合图
Excel动态作图
函数OFFSET
自定义名称动态作图
各种控件(单选、多选、组合框、滚动条、双控件)动态作图
Excel数据图表实战
实战:互联网金融项目动态作图
Excel数据透视表
如何使用透视表
常用功能:报表布局、更改计算方式、套用样式、切片器及计算字段等
Excel数据透视表实战
实战:Excel数据透视表分析某教育公司招生情况
Excel VBA【选学】 从工资条说起
录制宏
Excel VBA编程环境——VBE介绍
Excel对象
Excel基础语法
实战:某教育机构非学历项目返款表处理
3、MySQL数据库
MySQL数据分析
数据库介绍:关系型数据库、网状数据库,HDFS、Hbase、Hive等
MySQL安装
使用Workbench连接MySQL
数据库操作
数据表操作
索引
常用查询语句
自定义函数
存储过程
触发器
事务
重复数据
导入导出
超时异常
MySQL实战
实战:电商销售数据综合查询
4、数据分析理论基础
微积分
导数与导数法则
多元函数求积分(求梯度)
链式求导法则
常用函数(logistic函数、softmax函数)
线性代数
向量
矩阵
行列式
矩阵的逆、秩及分块求逆
特征值及特征向量
概率论
概率定义、性质
随机变量及其分布
贝叶斯公式
条件概率
描述性统计分析
统计学基础概念
集中趋势的度量
离散程度的度量
偏态与峰度的度量
正态分布、t分布、卡方分布、F分布等
数据标准化
实战:Excel绘制标准正态分布概率密度曲线
参数估计
参数估计的基本原理与置信区间
点估计
参数估计的基本原理与置信区间
一个总体参数的区间估计
两个总体参数的区间估计
练习:参数估计经典题目训练
假设检验
假设检验的基本原理
利用P值进行决策
一个总体参数的检验
两个总体参数的检验
练习:假设检验经典题目训练
方差分析
方差分析的基本问题
单因素方差分析
双因素方差分析
实战:用Excel进行有交互作用的双因素方差分析
线性回归
变量间关系的度量
一元线性回归
利用回归方程进行估计和预测
残差分析
多元线性回归模型
回归方程拟合优度
多重共线性
利用回归方程进行估计和预测
变量选择与逐步回归
实战:利用回归分析预测某金融平台交易量
时间序列
时间序列的概念和种类
时间序列的描述性分析
时间序列预测的程序
时间序列预测的方法
实战:用Excel预测某水产公司加工量
聚类分析
聚类分析的基本原理
系统聚类
K-均值聚类
实战:利用不同的聚类方法对投资渠道进行分析
因子分析及主成分分析
主成分分析
因子分析
实战:对某金融在线平台的投资渠道进行因子分析
5、SPSS数据分析
实战:SPSS数据分析
描述性分析 & 案例
假设检验 & 案例
单因素方差分析 & 案例
双因素方差分析 & 案例
带有虚拟变量(哑变量)的线性回归分析
聚类分析 & 案例
因子分析 & 案例
说明:融入到统计学中
6、数据可视化 【学完以上,就业方向一:商业数据分析师】
Tableau
Tableau介绍及安装
Tableau数据源
Tableau计算
Tableau图表及仪表板
Tableau常用操作
Tableau常用函数
Tableau高级分析
Tableau可视化实战
实战:电商销售数据可视化
7、Python数据分析&机器学习【就业方向二:Python数据分析】
Python基础
Python安装
Python语法基础
Python介绍及特性
Python基本数据类型
运算符
Python常见数据结构
流程控制语句
函数
模块
输入和输出
异常
Numpy
Jupyter Notebook安装
ndarray
数组和标量之间的运算
基本的索引和切片
花式索引-Fancy indexing
常用数学和统计方法
通用函数(ufunc)
Pandas
Series
DataFrame
常用数学和统计方法
处理缺失数据
数据加载、存储
matplotlib
绘图基础:Figure和Subplot
常用图表绘制
绘制三维图形
可视化应用:随机漫步
数据预处理及基础统计分析
数据探索
数据预处理
利用Python做基础统计分析
案例:腾讯课堂数据基础统计分析
Python机器学习——绪论
机器学习概念及步骤
机器学习问题分类
基础术语
Python机器学习——监督学习
k近邻算法
逻辑回归
决策树
集成学习
SVM(支持向量机)
Python机器学习——无监督学习
聚类分析
案例:互金行业客户价值分析
8、R数据分析&挖掘【就业方向三:R数据分析】
R语言基础
R简介
R集成开发环境
条件判断
循环
数据类型和变量
定义函数
函数的参数
调用函数
递归函数
安装模块
使用模块
R绘图
ggplot概述
散点图、折线图
柱形图,点图,饼图,直方图
箱线图
数据预整理 
数据分析的一般流程
数据的输入输出
常用统计量计算
共线性与稀疏变量
缺失值填补
数据变换与处理离群点
名义变量
基础统计分析 区间估计
假设检验
回归模型
线性回归模型
广义线性回归
非线性回归
回归检验与方差分析
实战:预测25家银行分行的不良贷款
分类模型
logistic回归
决策树
随机森林
SVM(支持向量机)
分类模型的评估
实战:利用康斯威星州乳腺癌数据集预测患有乳腺癌的概率
关联分析
关联分析基本原理
apriori购物篮分析
聚类分析
层次聚类法
谱系图
k平均值法
实战:互金行业客户价值分析
数据降维 
主成分分析
因子分析
实战:对全国35个中心城市的综合发展水平作分析评价
9、大型数据仓库构建及大数据分析【选学】
数据仓库构建
大数据生态圈概述
MapReduce编程框架
数据仓库核心技术
数据仓库模型概述及构建
ETL概述及实战
Sqoop核心技术
Hive核心技术
Hadoop 工作流:Oozie 与 Azkaban
实战一:互联网平台用户精细化运营
互联网平台用户精细化运营
方法论
以RFM模型为基础的聚类测试
聚类过程、聚类结果呈现
主要类别用户分析
实战二:互联网金融产品区域化智能推送
互联网金融产品区域化智能推送
产品期限、担保机构偏好的区域化差异分析
利率偏好的区域化差异分析
基于区域的定向推送
实战三:互联网平台充值返现活动分析
互联网平台充值返现活动分析
用户的投资数据表,近8万条数据
流量:活跃用户拉伸
投资人数:
(1)老客复投人数比,新客拉新情况
(2)参与活动人数情况
投资力度:
(1)老客投资力度,新客投资力度
(2)投资结构影响
资金流向:回款复投率,新注入资金情况
成本:活动成本,费效比
实战四:红包敏感度分析
红包敏感度分析> 根据统计期间累计使用红包数量、红包使用率,进行K-均值聚类分析,将用户分成8类和4类
计算每个类别下的投资人数、投资金额及占比,红包使用率、个数等
根据聚类的结果及前面的计算结果,判断用户对于红包是否敏感
实战五:互联网金融行业投放渠道效果评估
效果评估模型-框架
为了什么:
(1)精细化管理
(2)精准投放
(3)成本管控
(4)效果评估
需要什么
(1)因子分析
(2)时间序列
(3)业务理解
(4)评估建模
(5)框架设计
怎么实现
(1)SPSS
(2)Tableau
(3)Excel
最终结果
(1)效果评估
(2)效果排名
(3)用户交互
业务指导
(1)有效成本利用
(2)核心项目锁定
(3)获取用户痛点
(4)拉升业务增长
效果评估模型-目的
效果评估
精准投放
成本管控
精细化管理
建模准备
结合业务
数据获取
选择方法
数据清洗
维度考量
(1)体量大小
(2)复投情况
(3)忠诚度
(4)复投力度
数据清洗及加工
(1)数据清洗
(2)数据加工
(3)框架设计
(4)数据评估
数据建模
SPSS建模
Tableau透视
Excel框架构建
业务指导
优质渠道
良好渠道
一般渠道
较差渠道
业务延伸
方案一:
分析平台核心渠道性质
探索和拓展优质渠道
提高优质投放渠道在公司的整体占比
方案二:
模型的不断优化迭代
根据业务发展系统化评估模型
帮助业务实施调整投放策略及后期运营策略
方案三:
运营策略的不断优化迭代
结合每期策略打发,实现AB-test策略实施方式,评估策略实施效果
方案四:
控制成本的有效投入
不断优化成本投入力度
控制公司成本支出,保证公司利润健康增长
实战六:市场及销售趋势预测
第一章:项目需求分析与设计 1. 需求背景及介绍
2. 项目目标及其对业务的影响
3. 项目流程及架构图
4. 方法及工具简介
第二章:预测工具需求与准备 1. SAS预测
2. SPSS预测
3. R预测
4. Excel预测
5. Prophet预测
第三章:时间序列介绍 1. 未来趋势的发展预估
2. 寻找数据之间的关系
3. 单个因素的预测分析
4. 多个因素的预测分析
5. 速度分析
第四章:预测因素及模型介绍 1. 趋势、季节/循环、节日及时间因素
第五章:趋势因素及其评估和预测 1. 趋势因素概念
2. 移动平滑法
3. 指数平滑法
4. 常用趋势变化

4.1. 线性趋势

4.2. Log转换

4.3. S型转换

4.4. 平方根转换

4.5. 多项式转换

第六章:季节/循环因素及其评估和预测 1. 季节/循环因素概念
2. Holt-Winter季节模型
3. 哑变量多元回归
第七章:节日因素、突发事件及其评估和预测 1. 节日因素、突发事件概念
2. 哑变量多元回归及预测
3. Prophet工具介绍
第八章:综合因素评估和预测 1. 趋势预测的多因素影响
2. 因素分解、整合及预测
3. Holt-Winter季节模型
第九章:报告展现 1. 报告制作方式及流程
2. 模型及预测结果选择和展现方式
3. 业务洞察展现及建议
第十章:初探高级预测 1. ARMA及ARIMA模型介绍
2. 非均匀变化趋势处理方式及其预测介绍
3. 各个模型的对比及其优劣介绍
实战七:信贷用户逾期分类模型
项目背景
某互联网金融公司提供了近6万贷款用户的基本身份信息、用户浏览器行为、银行卡账单等数据信息,需要数据分析师以此建立准确的风险控制模型,来预测用户是否会逾期还款。
数据集
用户的基本属性:近6万条记录
银行流水记录:900+万条记录
用户浏览行为:2500+万条记录
信用卡账单记录:540+万条记录
放款时间信息:近6万条记录
顾客是否发生逾期行为的记录:近6万条记录
数据预处理
数据录入
数据统计
从银行交易记录推测工资
用款率 = 本期账单金额/信用卡额度
还款能力 = 上期还款金额 / 上期账单金额 (能看出是否分期)
银行卡种类
还款状态
用户浏览历史
二次数据处理
数据划分
变量筛选
主成分分析
数据建模
建模公式
建模数据
概率分布
学习率
每次模型训练抽取的特征量
学习多少颗树
交叉验证
运算调用多少CPU核心
模型评价及调优
模型评价
模型调优
数据预测
模型输出

你可能还喜欢的课程

  • 年薪200w+的大数据架构师全程直播,4个月时间带你玩转大数据技术栈热门组件,并完成两个大型项目的开发:1)Flink实时数仓,2)Spark个性化推荐。

    查看详情 立即试学

    大数据实战精英+架构师班

    ¥6800 4个月

  • 技术大牛组团授课,专讲大数据核心知识和大型项目实战,多台物理服务器数十个节点现场直播演示!企业级实战项目让你四个月掌握2年的项目经验!

    查看详情 立即试学

    大数据特训营

    16周

  • 干货多:15案例 + 3实战 + 2项目;
    提升快:滴滴出行一线架构师传授实战经验,30小时多方位讲解数据仓库构建相关理论及实战内容
    技术全:综合运用Hive/Flume/Kafka/Azkaban/Oozie/SparkSQL等技术;

    查看详情 立即试学

    基于大数据体系构建数据仓库

    ¥599 35小时

  • 本课程基于某电商公司运营实时分析系统(2B),对Flink进行系统讲解。通过本课程的学习,既能获得Flink企业级真实项目经验,也能深入掌握Flink的核心理论知识,还能获得Flink在生产环境中安装、部署、监控的宝贵经验,从而深入掌握Flink技术。

    查看详情 立即试学

    【精品课】Flink大数据项目实战

    ¥399 37.9小时

他们在学

  • 185****5879

  • 150****3964

  • 矮大胖

  • 159****2917

  • 24678

  • 176****2345

  • 六哥哥

  • 测试

  • 0020

  • 静静

  • 波波

  • Dear paranoia

  • xiao脚鱼

  • 小圆

  • 天问24560

  • 177****7562

客服
咨询