商业数据分析师

课程详情

课程目录

00 资料
  项目教辅
    01 业务知识学习.html
    02 需求分析与拆解.html
    03 统计学知识.html
    04 Excel.html
    05 SQL.html
    06 Tableau.pdf
    07 Power BI.html
    08 Python.pdf
    09 指标体系搭建.pdf
    10 数据采集与埋点.pdf
    11 对比分析.pdf
    12 异动数据分析.pdf
    13 漏斗分析.pdf
    14 归因分析.pdf
    15 用户行为分析.pdf
    16 留存分析.pdf
    17 购物篮分析.pdf
    18 AB测试.html
    19 神策数据分析平台.html
    20 时间序列分析.html
    21 13周聚类分析.pdf
    22 RFM模型.html
    23 用户生命周期.pdf
    24 LTV分析.pdf
    25 AARRR模型.pdf
    26 用户画像.html
    27 竞品分析.pdf
    28 药店经营分析.html
01 0基础入门数据分析必备业务基础知识
  01 数据分析入门指南：岗位解析、职业路径规划与基础思维构建
    01 走进数据分析
      01 走进数据分析
        01 导学
        02 数据分析的基本概述
        03 数据分析师的工作内容
        04 数据分析师能力要求
        05 数据分析流程
        06 数据分析学习路线
        07 作业
    02 基础业务知识学习
      01 基础业务知识
        01 业务知识的重要性
        02 行业知识
        03 行业知识学习方法论
        04 商业模式画布
        05 业务流程图
        06 用户旅程地图
        07 营销策略和运营策略
        08 业务知识学习方法论
        09 作业
  02 业务的需求分析与拆解
    01 需求分析与拆解
      01 需求分析与拆解
        01 需求的概述
        02 需求分析
        03 真伪需求识别
        04 需求优先级排序
        05 需求拆解
        06 需求变更与管理
        07 需求跟踪与沟通
        08 商品选品分析
        09 作业
  03 统计学基础知识
    01 统计学基础知识
      01 统计学基础知识
        01 数据的基本概述
        02 描述性统计分析
        03 缺失值的处理
        04 异常值处理
        05 概率的概述
        06 置信区间与置信度
        07 抽样调查
        08 假设检验
        09 作业
02 数据分析必备数据的清洗与处理、日常报表的制作，和取数等能力
  01 数据清洗与处理必会工具Excel与SQL
    01 Excel入门与实践
      01 Excel入门与实践
        01 Excel综述
        02 认识Excel
        03 Excel基础操作
        04 数据有效性与填充
        05 数据清洗与处理
        06 数据透视表
        07 Excel数据清洗函数
        08 Excel日期函数
        09 Excel 聚合函数
        10 Excel图表制作
        11 Excel数据保护
        12 电子产品销售仪表盘-1
        13 电子产品销售仪表盘-2
        14 电子产品销售仪表盘-3
    02 sql入门与实践
      01 sql入门与实践
        01 数据库的基础知识
        02 数据表的基础操作
        03 SQL基础查询
        04 SQL高级查询
        05 SQL连表查询
        06 SQL数据处理函数与日期函数
        07 SQL 窗口函数
        08 SQl 面试题
        09 SQL作业
03 数据分析之数据可视化图标制作与设计，掌握可视化工具，搭建业务的可视化看板。
  01 商业数据分析师必备可视化工具Tableau与Power BI
    01 可视化-Tableau入门与实践
      01 可视化-Tableau入门与实践
        01 Tableau的下载与安装
        02 Tableau界面介绍
        03 Tableau数据的导入
        04 Tableau数据清洗与处理
        05 Tableau图表的制作
        06 Tableau仪表板的制作
        07 Tableau 仪表板的发布与共享
        08 Tableau航空公司仪表板
        09 作业
    02 可视化-Power BI入门与实践
      01 可视化-Power BI入门与实践
        01 Power BI的下载与安装
        02 Power BI界面介绍
        03 Power bI 数据的导入
        04 Power BI 数据的清洗与处理
        05 Power BI 图表的制作
        06 Power BI 仪表板的制作
        07 Power BI的发布与共享
        08 直播带货仪表板
        09 作业
  02 Python-数据分析首选语言
    01 python入门与实践
      01 python入门与实践
        01 Python的下载与安装
        02 Python 基础语句
        03 Pandas库数据清洗与处理
        04 Python -Numpy数组运算
        05 Python-Matplotlib库数据可视化
        06 Python作业
04 数据分析之0-1搭建指标体系，数据埋点及业务判断能力系统掌握与实践
  01 指标体系搭建、数据埋点与对比分析
    01 指标体系搭建
      01 指标体系搭建
        01 指标的概述
        02 指标的设计原则
        03 北极星指标的选择
        04 指标体系概述
        05 指标体系搭建的方法论
        06 指标体系的评估
        07 消费金融风控指标体系
        08 作业
    02 数据采集与埋点
      01 数据采集与埋点
        01 数据的来源与采集
        02 数据采集流程
        03 数据埋点的概述
        04 数据埋点的方法
        05 数据埋点流程
        06 数据埋点文档
        07 携程数据埋点
        08 作业
    03 对比分析
      01 对比分析
        01 对比分析的概述
        02 对比分析的分类
        03 定量对比分析方法
        04 对比分析的流程
        05 定性对比-SWOT分析
        06 定性对比-波特五力模型
        07 对比分析注意事项
        08 酒店间夜量对比分析
        09 作业
05 掌握数据分析流程中异常数据分析，漏斗分析，活动效果评估等能力，达到初级分析师水平
  01 异动分析与漏斗分析
    01 异动数据分析
      01 异动数据分析
        01 异动数据分析概述
        02 异动数据的识别
        03 异动数据分析方法
        04 异动数据分析流程
        05 保险赔付率异动分析
        06 作业
    02 漏斗分析
      01 漏斗分析
        01 漏斗分析的概述
        02 漏斗分析的特点
        03 常见的漏斗分析模型
        04 漏斗分析流程
        05 招聘漏斗分析
        06 作业
  02 归因分析与用户行为分析
    01 归因分析
      01 归因分析
        01 归因分析的概述
        02 末次归因分析
        03 首次归因分析
        04 线性归因分析
        05 时间衰退归因分析
        06 位置归因分析
        07 算法归因分析
        08 归因分析流程
        09 案例实战-活动效果分析
        10 作业
    02 用户行为分析
      01 用户行为分析
        01 用户行为分析概述
        02 行为事件分析
        03 页面点击分析
        04 用户行为路径分析
        05 漏斗分析与预测分析
        06 作业
06 数据分析之策略输出，达到中级数据分析水平能够发现问题并提出解决方案
  01 留存分析与购物篮分析
    01 留存分析
      01 留存分析
        01 留存分析概述
        02 留存率计算
        03 留存分析方法
        04 提升留存率的策略
        05 留存分析流程
        06 案例-在线音乐平台提升留存率
        07 作业
    02 购物篮分析
      01 购物篮分析
        01 购物篮分析概述
        02 购物篮分析原理
        03 Apriori算法
        04 FP-Growth算法
        05 购物篮分析流程
        06 python超市购物篮分析
        07 Power BI 超市购物篮分析
        08 作业
  02 AB测试与神策数据平台使用
    01 AB测试
      01 AB测试
        01 AB测试概述
        02 AB测试原理
        03 AB测试流程
        04 AB测试结果解读
        05 AB测试优缺点
        06 AB测试操作工具
        07 案例-用户界面优化AB测试
        08 作业
    02 神策数据分析平台
      01 神策数据分析平台
        01 神策数据分析平台概述
        02 神策数据分析平台界面介绍
        03 事件分析
        04 漏斗分析
        05 留存分析
        06 分布分析
        07 LTV分析
        08 session分析
        09 用户路径分析
        10 间隔分析
        11 归因分析
        12 网页热力图
        13 自定义查询
        14 用户分群
07 数据分析之通过算法模型解决业务问题，达到中高级数据分析水平
  01 相关分析与回归分析
    01 相关分析
      01 相关分析
        01 相关分析的概述
        02 相关关系分类
        03 皮尔逊相关分析
        04 斯皮尔曼相关分析
        05 相关矩阵
        06 相关关系与因果关系
        07 信用等级与逾期风险相关分析
        08 作业
    02 回归分析
      01 回归分析
        01 回归分析的概述
        02 一元线性回归
        03 多元线性回归
        04 非线性回归
        05 逻辑回归
        06 lasso回归与岭回归
        07 回归分析流程
        08 品牌推广效果预测
        09 作业
  02 时间序列分析和聚类分析
    01 时间序列分析
      01 时间序列分析
        01 时间序列分析概述
        02 时间序列分析数据类型
        03 朴素法时间序列分析
        04 移动平均法
        05 指数平滑法
        06 自回归模型
        07 移动平均模型
        08 自回归移动平均模型
        09 自回归积分移动平均模型
        10 季节性自回归积分移动平均模型
        11 霍尔特-温特斯方法
        12 案例-贷款需求预测
        13 作业
    02 聚类分析
      01 聚类分析
        01 聚类分析概述
        02 距离计算方法
        03 KNN算法
        04 K-Means算法
        05 K-Means++
        06 K-Modes算法
        07 K-Prototype 算法
        08 层次聚类
        09 聚类结果评估
        10 心血管疾病聚类分析
        11 作业
08 数据分析中高级能力：通过运营模型解决企业的问题，并协助推动策略的落地
  01 RFM模型和用户生命周期
    01 RFM模型
      01 RFM模型
        01 RFM模型的概述
        02 RFM模型适用行业
        03 RFM模型-均值法
        04 RFM模型-定档法
        05 RFM模型-打分法
        06 RFM模型实战-OTA平台流失酒店召回
        07 作业
    02 用户生命周期
      01 用户生命周期
        01 用户生命周期的概述
        02 引入期
        03 成长期
        04 成熟期
        05 休眠期
        06 流失期
        07 作业
  02 LTV分析与AARRR模型
    01 LTV分析
      01 LTV分析
        01 LTV分析的概述
        02 LTV的计算
        03 LTV分析流程
        04 LTV预测
        05 预测电子商务平台新用户的LTV
        06 作业
    02 AARRR模型
      01 AARRR模型
        01 AARRR模型概述
        02 AARRR模型评估指标
        03 获取阶段问题和解决策略
        04 激活阶段问题和解决策略
        05 留存阶段用户流失原因及策略
        06 收入阶段提升付费策略
        07 自传播阶段存在问题和解决方案
        08 作业
09 数据分析之数据分析报告输出且独自完成分析项目
  01 用户画像、竞品分析及数据报告撰写
    01 用户画像
      01 用户画像
        01 用户画像概述
        02 用户画像的标签
        03 构建用户画像流程
        04 用户画像在产品设计中的应用
        05 用户画像在营销活动中的应用
        06 快手个护日百市场用户画像
        07 作业
    02 竞品分析
      01 竞品分析
        01 竞品分析的概述
        02 竞品分析维度
        03 竞品数据的收集
        04 竞品分析报告内容和分析方法
        05 竞品分析的注意事项
        06 夕阳红竞品分析报告
        07 作业
    03 数据分析报告
      01 数据分析报告
        01 数据分析报告的概述
        02 数据分析报告的类型
        03 数据分析报告撰写与呈现
        04 数据分析报告的注意事项
        05 药店经营分析报告
        06 作业
10 数据分析之不同业务场景下的分析方法的灵活运用和流程及就业面试核心指导
  01 数据分析综合实战
    01 综合项目实战
      01 渠道分析实战
        01 渠道分析-渠道分析概述
        02 在线医疗公司渠道分析
      02 APP迭代
        01 数据驱动APP版本迭代
        02 金融App版本迭代
      03 营销活动效果评估
        01 营销活动效果评估
        02 饥饿营销活动效果评估
      04 销售分析
        01 销售分析的概述
        02 数据驱动销售业绩提升
      05 业务流程优化
        01 业务流程优化概述
        02 数据分析驱动业务流程优化
      06 数据驱动目标业绩达成
        01 提升新增用户数
        02 提升留存用户和召回用户
        03 提升下单转化率
        04 作业
  02 从简历构建到面试技巧，全面提升求职竞争力
    01 超详细就业面试指导
      01 超详细就业面试指导
        01 工作经验复盘
        02 岗位JD的拆解
        03 自我评价
        04 工作经验的写法
        05 项目经验
        06 投递简历和邀约面试
        07 面试话术
    02 重点内容回顾与总结
      01 重点内容回顾与总结
        01 业务知识回顾
        02 分析工具
        03 指标体系搭建和异常数据分析
        04 分析方法
        05 分析算法
        06 运营模型与分析报告