请选择 进入手机版 | 继续访问电脑版
楼主: 人脉引爆点
11534 13

[数据挖掘理论与案例] 【自学也能变强】—商业数据分析师高薪就业课程!!! [推广有奖]

运营管理员

学术权威

27%

还不是VIP/贵宾

-

TA的文库  其他...

大数据 |SAS/SPSS数据统计分析师

威望
2
论坛币
939 个
通用积分
8023.2202
学术水平
357 点
热心指数
383 点
信用等级
313 点
经验
104290 点
帖子
932
精华
5
在线时间
8751 小时
注册时间
2012-3-28
最后登录
2021-9-18

人脉引爆点 在职认证  发表于 2021-9-15 14:15:33 |显示全部楼层

+2 论坛币
k人 参与回答

经管之家邀请您加入群聊

群内不定期有福利发放!

求职就业群
来和老师们一起学习吧~

经管之家送您一门免费课程

点击免费领取~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

【自学也能变强】

商业数据分析师高薪就业课程

课程简介

需求与概况:

为什么商业数据分析师是值得选择的方向?

     在竞争更激烈、对创新要求更高的现代商业环境中,企业需要更敏捷、更快、更有效、投入产出更高的运营。无论是战略层面还是策略层面,充分利用数据分析,都能够帮助企业找到新的增长机会,做出更好、更快的决策和更有反馈的创新,甚至颠覆自己在行业中的定位。

      人工智能、机器学习的普及极大的提高了对专业数据人才的需求。根据拉勾网数据,未来五年中国数据分析师的缺口将高达300 万,人才市场供不应求。另外产品、运营、市场和销售等职能岗位均需要通过数据支撑做客群划分、竞品分析、销售预测分析,为运营和销售策略提供依据。

      在本课程中,你将学习如何进行商业数据分析。从掌握理论知识,迈向实际应用,案例包括金融、零售业和互联网、财务等行业实际场景中的50%经典问题,让你轻松基于数据分析做出关键商业决策。学习将从 Excel表格结构分析和SQL数据库查询开始,然后使用商业智能工具 PowerBI 和 Tableau 创建仪表板,使用当前最流行的编程语言Python从零创建一个机器学习模型,解决特定领域的数据挖掘任务。更好地理解数据的奥义,提高决策效率,提升个人职场竞争力。


适合人群:

全日制在校生

产品与运营人员

销售与市场人员

业务办公人员

新媒体工作者

准数据分析师

各行各业人员


学习目标:

数据思维:搭建科学的数据指标体系,构建底层数据思维

数据技能:掌握数据存储、数据清洗、数据分析、可视化核心技能

软件技能:掌握Python、ExcelPower BI、SQL、Tableau等目前主流商业数据分析软件工具

业务经验实操金融业、零售业和互联网、财务、销售、产品、客户分析等实际行业案例


项目时长:

   《商业数据分析师》课程学习周期约为20周,平均每周近5~8小时学习时间,助您轻松利用职场碎片化时间自我提升。为了有效督促学习,课程均设有有效期。你可在开班后享受20周的训练营服务,包括助教辅导 + 班主任服务,亦可在开班后1年内访问班级的课程内容。


讲师团队:

李御玺

台湾大学博士,在其相关研究领域已发表超过 260 篇以上的研究论文,同时也是国科会与教育部多个相关研究计划的主持人。兼任厦门大学数据挖掘中心顾问, 中国人民大学数据挖掘中心顾问及IBM SPSS-China顾问。服务过的客户包括:中国工商局、中信银行、台新银行等


李奇

微软EXCEL MVP/中国电子表格应用大会主席

经管之家 CDA资深签约讲师,有丰富的数据分析线上及线下培训经验, 曾任 IBM 销售管理团队数据分析项目组长及德勤数据分析团队高级咨询顾问,曾有5年在日工作经验。在日时曾担任日本再就业支援中心的 Excel 讲师。专精于企业业务数据分析、制定及实施商业智能业务解决方案、SQL、Excel 相关数据分析课程培训等。


董雪婷(Yuki)

复旦大学数学科学学院/CDA Institute会员

拥有近10年的数据项目工作经验,曾就职于美资咨询公司Hay Group(现名为光辉合益),通过数据驱动帮助客户 提升组织效能。 后转为甲方企业资深数据挖掘工程师,曾就职于携程、饿了么、 陆金所。主要从事数据分析和挖掘工作。


陈梦雨

美库尔高级数据分析师

多年客户关系管理和数据分析经验,为北美500强企业提供数据营销分析。帮助客户整合CRM数据,充分了解其客户行为以提供有效的广告营销策略;擅长使用Tableau制作BI报表助力商业分析,挖掘数据背后的故事;

熟练使用主流数据处理和分析软件(Python, R等)。


开启课程大纲

以下是商业数据分析师课程的详细介绍,包括你将要学到的核心知识点,以及将会挑战到的商业实战项目。共分为三个阶段,14大学习模块,20周学习阶段,每周需投入5~8小时。


阶段一:商业数据分析师通识课 -2周

  

课程模块





课程章节





详细内容





  
  
  

一、数据分析和商业智能

  





数据分析概述





数据这个行业

  

数据分析的商业应用

  

数据分析思维

  

数据分析常用方法

  

实务中的数据分析师

  

案例1:2017年的云总结

  

案例2:你知道Wolfram  Alpha吗

  

案例3:常见商业场景:战略制定、

  

案例4:客户理解、营销活动





数据化指标体系





数据化指标体系概述

  

获客类指标

  

营销类指标

  

预警类指标

  

产品类指标

  

运营指标体系设计

  

案例1:客户流失潜伏期识别

  

案例2:客户覆盖率及产品线竞争力分析

  

案例3:产品上下架业务影响预测





二、统计和数据挖掘

  





描述性统计分析





描述性统计分析概述

  

概率与频数

  

数据的度量

  

概率的分布

  

相关性分析

  

统计报表可视化

  

案例1:历投递成功率概率分布分析

  

案例2:月度收益率与

  

案例3:通货膨胀率相关分析

  

案例4:产品输送客户能力面积图





数据挖掘和模型导论





人类学习与机器学习

  

模型和算法

  

数据挖掘问题分类

  

数据挖掘任务确定

  

数据挖掘流程

  

综合案例

  

电商运营分析

  

电商行为分析

  

电商竞品分析



阶段二:商业数据分析实战(Excel BI+SQL) -10周

  

课程模块

  




课程章节





详细内容





  
  
  

一、Excel数据分析和表结构

  





Excel基础





数据分析概述视频

  

分析工具Excel概述视频

  

Excel基本数据类型

  

Excel数据加工-基本加工操作

  

Excel数据计算-公式功能

  

Excel数据透视功能

  

数据可视化-Excel条件格式

  

数据可视化-Excel基本图表功能





表结构数据入门





表结构概述

  

多表横向合并逻辑

  

多表纵向合并逻辑





二、数据库工具Mysql

  





SQL入门与安装





Windows系统下Mysql安装

  

序章视频





数据库和数据表操作





数据库操作

  

数据表操作

  

数据类型

  

约束条件

  

填充数据

  

修改数据表





SQL查询与函数





SQL查询

  

操作符与子查询

  

SQL函数

  

查询练习





三、Excel BI商业分析





Power Query数据加工处理





Power Query概述及导入多源数据方法

  

Power Query合并数据

  

Power Query基本功能

  

Power Query M函数

  

Power Query数据处理案例





Power Pivot数据建模





Power Pivot概述及导入数据

  

搭建多维数据分析模型

  

创建层次结构

  

DAX表达式

  

使用KPI





四、Power BI商业智能分析P1





Power BI Desktop





Power BI Desktop入门

  

PBD Power Query数据处理知识扩展

  

PBD Power Pivot数据汇总分析知识扩展

  

PBD 可视化界面应用方法精讲

  





五、Power BI商业智能分析P2





商业智能案例





1.案例: 创建销售情况分析仪

  

2.案例: 快消行业进存销分析案例

  

3.案例: 创建财务指标杜邦分析仪

  

4.案例: 创建电商运营管理驾驶舱





六、Tableau数据分析P1





Tableau基础





什么是数据可视化

  

Tableau相关产品及优势

  

Tableau Desktop安装及配置

  

Tableau 文件链接以及数据类型

  

Tableau数据连接方式(实时/提取)

  

Tableau多表数据连接

  

Tableau数据提取

  

Tableau编辑数据(更改数据类型/列隐藏/改名)

  

Tableau字段操作(合并/分层/分组)

  

Tableau计算字段函数介绍

  

Tableau计算字段数据演示

  

Tableau页面及功能区介绍

  

Tableau排序及筛选器演示

  

Tableau其他功能应用





七、Tableau数据分析P2





Tableau数据可视化





初级图形-条形/柱状图

  

初级图形-折线图

  

初级图形-饼状图

  

初级图形-散点图

  

初级图形-直方图

  

初级图形-文本表

  

初级图形-盒须图

  

初级图形-热图

  

初级图形-甘特图

  

进阶图形-空心饼图(环形图)

  

进阶图形-帕累托图

  

进阶图形-雷达图

  

进阶图形-漏斗图

  

进阶图形-词云图

  

进阶图形-哑铃图

  

进阶图形-关系网图

  

高阶图形-地图

  

补充图形





八、Tableau数据分析P3





Tableau案例





销售报表分析

  

客户留存与回购分析

  

金融投资分析

  

房价数据分析报表





九、运营分析





运营分析





数据分析驱动业务增长

  

活动策划数据分析

  

内容运营数据分析

  

用户运营数据分析

  

渠道运营数据分析

  

案例1:用数据将内容打开率提升70%

  

案例2:正确构建用户画像

  

案例3:渠道运营效果增长20倍



阶段三:商业数据分析实战(Python) -8周

  

课程模块

  




课程章节





详细内容





  
  
  
  
  
  
  

一、Python语言入门

  
  
  
  
  
  





向量、矩阵和数组





向量、矩阵、稀疏矩阵

  

选择元素、展示矩阵属性、对多个元素同时运算

  

找最大值和最小值、计算平均值、方差和标准偏差

  

矩阵变形、 转置向量或矩阵、展开一个矩阵

  

计算矩阵的秩、计算行列式、获取矩阵的对角线元素、计算矩阵的迹

  

计算特征值和特征向量、计算点积、矩阵的加/减

  

矩阵的乘法、计算矩阵的逆、生成随机数





加载数据





加载样本数据集

  

创建仿真数据集

  

加载CSV文件

  

加载Excel文件

  

加载JSON文件

  

查询SQL数据库

  

案例1:手写数字识别案例

  

案例2:套件产生之仿真案例





数据整理





创建数据帧、描述数据、浏览数据帧

  

根据条件语句来选择行、替换值、重命名列

  

计算最小值、最大值、总和、平均值与计数值、查找唯一值

  

处理缺失值、删除一列、删除一行、删除重复行

  

根据值对行进行分组、按时间段对行进行分组、遍历一个列的数据

  

对一列的所有元素应用函数、对所有分组应用函数

  

连接多个数据帧、合并两个数据帧

  

案例:泰坦尼克号客户案例





处理数值型数据





特征缩放、特征标准化、归一化观察值

  

生成多项式和交互特征、转换特征

  

识别异常值、处理异常值、特征离散化

  

使用聚类的方式将观察值分组、删除带有缺失值的观察值

  

填充缺失值





处理类别型数据





对nominal型分类特征编码

  

对ordinal分类特征编码

  

对特征字典编码

  

填充缺失的分类值

  

处理不均衡分类

  

案例:鸢尾花案例





  
  
  
  
  

二、Python文本分析和特征提取





  
  
  
  

文本分析





清洗文本

  

解析并清洗HTML

  

移除标点

  

文本分词

  

删除停止词

  

提取词干

  

词性标注

  

将文本编码成词袋

  

按词的重要性加权





处理日期和时间





把字符串转换成日期

  

处理时区

  

选择日期和时间

  

将日期数据切分成多个特征

  

计算两个日期之间的时间差

  

对一周内的各天进行编码

  

创建一个滞后的特征

  

使用滚动时间窗口

  

处理时间序列中的缺失值





利用特征提取进行特征降维





使用主成分进行特征降维

  

对线性不可分数据进行特征降维

  

通过最大化类间可分性进行特征降维

  

使用矩阵分解法进行特征降维

  

对稀疏数据进行特征降维





使用特征选择进行降维





数值型特征方差的阈值化

  

二值特征的方差阈值化

  

处理高度相关性的特征

  

删除与分类任务不相关的特征

  

递归式特征消除





  
  
  
  
  
  
  
  
  

三、Python机器学习实战Part1





模型评估





交叉验证模型

  

创建一个基准回归模型

  

创建一个基准分类模型

  

评估二元分类器

  

评估二元分类器的阈值

  

评估多元分类器

  

分类器性能的可视化

  

评估回归模型

  

评估聚类模型

  

创建自定义评估指标

  

可视化训练集规模的影响

  

生成对评估指标的报告

  

可视化超参数值的效果





模型选择





使用穷举搜索选择最佳模型

  

使用随机搜索选择最佳模型

  

从多种学习算法中选择最佳模型

  

将数据预处理加入模型选择过程

  

用并行化加速模型选择

  

使用针对特定算法的方法加速模型选择

  

模型选择后的性能评估





线性回归





拟合一条直线

  

处理特征之间的影响

  

拟合非线性关系

  

通过正则化减少方差

  

使用套索回归减少特征

  

案例:波士顿房价预测案例





树和森林





训练決策树分类器

  

训练決策树回归模型

  

可视化決策树模型

  

训练随机森林分类器

  

训练随机森林回归模型

  

识别随机森林中的重要特征

  

选择随机森林中的重要特征

  

处理不均衡的分类

  

控制決策树的规模

  

通过boosting提高性能

  

使用袋外误差(Out-of-Bag Error)评估随机森林模型

  

案例:波士顿房价案例





  
  
  

四、Python机器学习实战Part2





KNN





找到一个观察值的最近邻

  

创建一个KNN分类器

  

确定最佳的邻域点集的大小

  

创建一个基于半径的最近邻分类器





逻辑回归





训练二元分类器

  

训练多元分类器

  

通过正则化来减小方差

  

在超大数据集上训练分类器

  

处理不均衡的分类





支持向量机





训练一个线性分类器

  

使用核函数处理线性不可分的数据

  

计算预测分类的概率

  

识别支持向量

  

处理不均衡的分类





朴素贝叶斯





为连续的数据训练分类器

  

为离散数据和计数数据训练分类器

  

为具有二元特征的数据训练朴素贝叶斯分类器

  

校准预测概率





五、Python机器学习实战Part3





神经网络





为神经网络预处理数据

  

设计一个神经网络

  

训练一个二元分类器

  

训练一个多元分类器

  

训练一个回归模型做预测

  

可视化训练历史

  

通过权重调节减少过拟合

  

通过提前结束来减少过拟合

  

通过Dropout来减少过拟合

  

保存模型训练过程

  

使用k折交叉验证评估神经网络

  

调校神经网络

  

可视化神经网络

  

图像分类

  

通过图像增强来改善卷积神经网络的性能

  

文本分类

  

案例:IMDB案例





聚类





使用K-Means聚类算法

  

加速K-Means聚类

  

使用Meanshift聚类

  

使用DBSCAN聚类

  

使用层次合并算法聚类





关联规则与序列模式





关联规则的评估指针(支持度与置信度)

  

Apriori算法(暴力法的问题、Apriori算法的理论基础、候选项目组合的产生、候选项目组合的删除)

  

提升度指标

  

关联规则的延伸(虚拟商品的加入、负向关联规则)、相依性网络

  

序列模式的评估指针(支持度与置信度)

  

AprioriAll算法(暴力法的问题、AprioriAll算法的理论基础、候选项目组合的产生、候选项目组合的删除)

  

状态移转网络





保存和加载训练后的模型





保存和加载一个scikit-learn模型

  

保存和加载Keras模型





六、

  

产品营销+客户分析案例





产品营销模型之建置及预测





案例公司背景说明

  

项目特点(以利润导向之模型建置)

  

解题思路

  

模型评估

  

Python实作:电商产品营销案例





客户流失模型之建置及预测





案例公司背景说明

  

项目特点(半监督式之模型建置)

  

解题思路

  

模型评估

  

Python实作:客户流失案例





找出有资金需求的中小企业借贷户并销售其贷款产品





案例公司背景说明

  

项目特点(数据预处理及目标字段类别不平衡之模型建置)

  

解题思路

  

模型评估

  

Python实作:银行产品营销案例





七、

  

产品分析综合案例





产品分析





产品分析基本思路

  

产品需求分析

  

产品分析数据获取方法

  

产品分析指标体系及BI设计

  

测试AB

  

产品分析与建模

  

案例1:构建一个简单的产品RFM模型

  

案例2:产品运营过程中的异常值分析与监测

  

案例3:互联网产品上线效果预测





八、

  

客户分析综合案例





客户分析





客户分析概述

  

客户生命周期管理

  

客户画像

  

精准营销

  

客户购买行为分析

  

客户转化分析

  

案例1:大型零售品牌客户购买行为分析

  

案例2:电商客户归因分析模型



课程案例节选


实战案例1:创建零售业销售情况监控仪

在这个案例中,我们将使用零售业多维数据表,结合零售业关注指标及业务模式,为您讲解使用数据库处理数据以及使用商业智能工具创建零售业销售情况监控仪的方法。


实战案例2:金融业务分析

在这个案例中,您将掌握企业级敏捷 BI 快速搭建业务分析系统,可视化监控与预警,业务效率有效提升,数据分析师精力更聚焦于数据建模与挖掘。


实战案例3:零售公司客户留存与回购分析

在这个案例中,您将掌握客户生命周期和RFM分析方法,精准识别重要价值客户、重要深耕客户、重要挽留客户、重要唤回用户、一般维持客户、流失客户等,从而为企业识别、挑选、获取、发展和保持客户的整个商业过程提供洞察和建议,为企业提高核心竞争力。


实战案例4:财务杜邦分析仪

在这个案例中,您将学会利用杜邦分析方法来综合地分析企业财务状况,清晰地洞察业务,为公司决策提供支持。

了解更多

想要成为商业数据分析师,需要稳扎稳打、循序渐进:

1、 系统学习数据分析思维、指标体系和统计分析方法;

2、 扎实技能,精通Excel、掌握SQL熟练进行数据库查询操作、熟练使用商业智能 Power BI和Tableau的应用,掌握主流的数据分析工具;

3、掌握一门编程语言如Python,解决特定领域的机器学习问题。

3、 业务赋能,产品、运营、市场和销售等职能岗位均需要通过数据支撑来做产品分析、营销响应、客群划分、竞品分析、销售预测等,为运营和市场策略提供依据;

4、 案例实战,一线数据分析师贴合企业人才需求模型研发出10余个大项目实战案例,从掌握理论知识到实际应用,场景化进阶能力。

报名方式

立即报名

学习费用: 4999元 (全日制在校生报名3999元)

折扣优惠:三人团报9折,五人团报8折。

学习服务:

学习督导——组班学习/统一进度/循序渐进

互助交流——学员群互助交流,问答社区,不是一个人在战斗

答疑指导——每周定时答疑3小时(持续12周)

职业规划——职业规划指导、优秀学员分享、猎头服务

岗位推荐——数据分析师岗位定向推荐

行业人脉——引领进入数据分析师校友人脉圈


联系方式

樊老师

联系电话:18611083334

微      信:fanyuliang_CDA


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:数据分析师 高薪就业 数据分析 商业数据 分析师

已有 3 人评分经验 收起 理由
kychan + 80 精彩帖子
remlus + 100 精彩帖子
wwqqer + 100 精彩帖子

总评分: 经验 + 280   查看全部评分




CDA数据分析交流群 217748971
stata SPSS
安格鸥 在职认证  发表于 2021-9-15 14:34:28 |显示全部楼层

回帖奖励 +2

报名报名
已有 1 人评分经验 收起 理由
kychan + 80 精彩帖子

总评分: 经验 + 80   查看全部评分

回复

使用道具 举报

脑仁疼 在职认证  发表于 2021-9-15 14:34:45 |显示全部楼层
感谢分享
回复

使用道具 举报

风起天 在职认证  发表于 2021-9-15 14:35:00 |显示全部楼层
回复

使用道具 举报

15611220596 发表于 2021-9-15 15:45:25 |显示全部楼层
老师都很牛啊
已有 1 人评分经验 收起 理由
kychan + 100 我很赞同

总评分: 经验 + 100   查看全部评分

回复

使用道具 举报

512661101 发表于 2021-9-15 16:13:15 |显示全部楼层
回复

使用道具 举报

redflame 发表于 2021-9-15 17:16:27 |显示全部楼层
支持支持
回复

使用道具 举报

piiroja 发表于 2021-9-15 17:41:09 |显示全部楼层
thx for sharing~
回复

使用道具 举报

三重虫 发表于 2021-9-15 19:50:10 |显示全部楼层
回复

使用道具 举报

1jian.fun 企业认证  学生认证  发表于 2021-9-16 09:00:00 |显示全部楼层
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 我要注册

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2021-9-23 12:58