成为数据分析师前的必修课

行业前沿导师基于岗位需求精心打磨,教践并重的一站式数据分析课程。

  • 模块一:Excel在数据分析中的强大功能
    • 1. Excel—数据分析高效神器
      • 1.1 掌握Excel数据分析函数技巧
      • 1.2 Excel数据分析神器:数据透视表
    • 2. 如何用Excel进行数据分析
      • 2.1 数据分析师不可不知的统计学知识
      • 2.2.1 利用AB测试进行广告营销活动效果分析
      • 2.2.2 酒店行业顾客终身价值预测
      • 2.2.3 IT产品服务商产品销量预测
      • 2.3 如何用Excel展示你的数据与案例分析
  • 模块二:“零基础”学会数据可视化—Tableau可视化教程
    • 1. Tableau初识
      • 1.1 Tableau是数据可视化的利器
      • 1.2 如何用Tableau进行数据处理
      • 1.3 Tableau主要功能介绍
      • 1.4 Tableau可视化的第一步
    • 2. 手把手教你使用Tableau
      • 2.1 单一图表的绘制:数据的动态展示
      • 2.2 主要功能模块的搭配:Tableau的仪表板
      • 2.3 可视化模块的整合及划分:仪表板与故事
    • 3. 描述性统计的可视化
      • 3.1 用Tableau实现描述性统计和分组计算
      • 3.2 Tableau中统计性指标的计算
      • 3.3 趋势图、饼图的绘制
      • 3.4 怎样用Tableau画直方图、盒须图和点图
    • 4. 如何用Tableau进行数据分析
      • 4.1 用Tableau进行区域可视化分析
      • 4.2 用Tableau为购买力进行排名
      • 4.3 用四象限分析为电商企业出谋划策
      • 4.4 运筹帷幄的地图动态分析
    • 5. Tableau进阶分析视图—不写代码也能分析数据
      • 5.1 如何快速展示各季度商品盈利情况
      • 5.2 怎样看清实际利润和目标利润的差距
      • 5.3 探究各个商品到底贡献了多少销售额
  • 模块三:SQL—成为数据分析师的必备技能
    • 1. 如何利用MySQL搭建数据库
      • 1.1 SQL工具学习入门
      • 1.2 MySQL表格的基本操作
    • 2. MySQL查询语句案例详解
      • 2.1 MySQL基础查询语句
      • 2.2 MySQL常用函数及操作
      • 2.3 MySQL分组和排序
    • 3. 如何用MySQL快速进行表单查询
      • 3.1 如何用MySQL进行表的连接
      • 3.2 MySQL表连接实战
    • 4. 跟数据分析专家学SQL在工作中怎样用
      • 4.1 零售行业数据运营与用户画像分析(一)
      • 4.2 零售行业数据运营与用户画像分析(二)
  • 模块四:大数据时代的必备武器—Python入门
    • 1. 无所不能的Python
      • 1.1 为什么是Python
      • 1.2 Python还可以这样安装
      • 1.3 Python开发环境初体验
    • 2. Python程序开发初体验
      • 2.1 ”Hello World!“
      • 2.2 Python的基础语法和你的第一个程序
      • 2.3 用Python进行工资的运算和比较
      • 2.4 Python变量的赋值和逻辑运算
    • 3. 与Python对话:Python的数据类型
      • 3.1 数据类型的定义和数字数据
      • 3.2 字符串数据及它的运算
      • 3.3 最常用的列表数据
      • 3.4 元组数据的运算
      • 3.5 集合和它的创建方法
      • 3.6 怎样在Python中使用字典
    • 4. Python程序开发的先提:条件与控制
      • 4.1 Python中的逻辑判断和条件控制
      • 4.2 For和While循环语句
    • 5. Python的翅膀:数据读取&模块与包
      • 5.1 用Python进行数据读写
      • 5.2 Python的模块与包
      • 5.3 模块与包的导入:斐波那契列数
    • 6. Python的数据可视化
      • 6.1 数据可视化前的准备和Matplotlib
      • 6.2 数据可视化实践
  • 模块五:学好Python进阶数据分析,领先一步
    • 1. 数据处理基础—Numpy
      • 1.1 Numpy是什么?
      • 1.2 Numpy数组基础
      • 1.3 Numpy计算和位操作
    • 2. 数据处理进阶—Pandas
      • 2.1.1 初识Pandas
      • 2.1.2 Pandas 基础统计实践
      • 2.2.1 Pandas怎样输入输出
      • 2.2.2 如何组合DataFrame
      • 2.2.3 一个案例教你4类常见数据处理问题
      • 2.2.4 NBA球星战况案例带你绘制数据透视表
    • 3. Python数据可视化进阶
      • 3.1 Seaborn初体验
      • 3.2 Seaborn实战—箱线图和小提琴图
      • 3.3 Seaborn实战—密度图和热力图
    • 4. 如何用Scikit-Learn建立机器学习模型
      • 4.1 Scikit-Learn介绍
      • 4.2 Scikit-Learn初体验
      • 4.3 逻辑回归算法介绍
      • 4.4 基于逻辑回归算法的社交网络广告购买预测
      • 4.5 聚类算法K-Means介绍
      • 4.6 基于K-Means算法的电商交易数据聚类
  • 模块六:简单好用的数据处理工具—R语言零距离接触(选修)
    • 1. 什么是R语言以及R语言环境搭建
      • 1.1 R语言简介
      • 1.2 R语言对象初识-向量
      • 1.3 手把手教你用R语言进行向量运算
      • 1.4 向量和它的函数
      • 1.5 如何运用R对向量进行修改
    • 2. R语言的数据是如何保存的?
      • 2.1 R语言中的矩阵介绍
      • 2.2 矩阵的函数
      • 2.3 R语言中的列表和因子
    • 3. R语言数据的从点到面:数组和数据框
      • 3.1 R语言中的数组
      • 3.2 数据框和它的常用函数
      • 3.3 数据框的运算
      • 3.4 R语言中的控制语句
    • 4. R语言程序包导入和数据可视化
      • 4.1 R语言中的自定义函数
      • 4.2 R语言的尖兵利刃:程序包&数据读取
      • 4.3 手把手教你R语言绘图
    • 5. R语言数据分析实战:跨境零售电商
      • 5.1 背景介绍及数据清洗
      • 5.2 零售销售数据分析
      • 5.3 消费者画像描绘
课程咨询