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
-
在线IT就业课程
混合式自适应学习
-
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
-
平台课随到随学
直播课定期开班统一讲授
-
每天自主学习2小时
4个月可学完就业
-
点击咨询
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
现在报名
学费减免1000元
5
大承诺
无后顾之忧
数据分析课程大纲
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
