值不值得学?
数据分析是职场硬技能,但市面上很多课要么讲理论,要么堆砌工具,学完还是写不出报表。这门课解决的是“数据多到看不过来、Excel卡得死、图表做不出”的日常痛点。如果你需要在业务复盘、监控日报里快速输出结论,这门课能帮你把繁琐的表格处理和图表制作标准化,避免你在重复劳动中耗时间。
这门课解决什么问题
日常工作中,面对乱糟糟的数据表,你会不会觉得公式记不住、图表做不出、透视表不会用?这门课从Excel数据处理和可视化讲起,再到Python和MySQL的基础操作,帮你把从原始数据到业务报表的全链路打通。学完能独立完成数据分析监控日报的制作,把杂活变成标准化流程。
适合什么基础
零基础可学,但需要一点耐心。有Excel基础的人能快速上手数据处理和可视化部分;没基础的人需要跟着敲代码,从安装教程起步,逐步建立操作习惯。整体门槛不高,关键在于你是否愿意动手练习。
建议先看哪几块
不要贪多,建议按这个顺序看:先学Excel数据处理和常用函数,这是出活最快的基础;接着学查找引用函数,解决跨表匹配的痛点;然后是数据透视表,这是日常分析的核心工具;最后看Excel可视化,挑实用的图表学,别贪多。Python和MySQL的安装教程可作为前置准备,提前装好环境,后面实操时不会手忙脚乱。
学完能独立做什么
学完能独立完成业务数据分析监控日报的制作,掌握数据清洗、公式计算、透视汇总和图表呈现的全流程。Excel部分能熟练使用常用函数、查找引用、数据透视表和各类可视化图表;Python和MySQL部分能完成环境搭建和基础操作,为后续进阶打基础。
资料怎么配合练习
资料包含安装教程和实操文件,建议按顺序跟着敲。先装好环境和Excel,再看数据处理和函数,边看边在实操文件里改数据练手。可视化部分挑常用图表练,别贪多。最后跟着实操视频做一份完整的监控日报,把各环节串起来。资料是核心,光看不练等于白学。
课程目录
课程目录318 集
- 10_10-MySQL的安装教程.mp4 83.40M
- 11_11-Python的安装教程.mp4 122.82M
- 12_12-数据分析师为什么需要Excel.mp4 70.98M
- 13_13-重新认识Excel.mp4 253.31M
- 14_14.1-Excel的基本操作_01.mp4 446.82M
- 15_14.2-Excel的基本操作_02.mp4 169.77M
- 16_14.3-Excel的基本操作_03.mp4 365.01M
- 17_15.1-Excel的数据处理_01.mp4 580.73M
- 18_15.2-Excel的数据处理_02.mp4 281.20M
- 19_16-Excel的基本公式.mp4 182.71M
- 20_17.1-Excel的常用函数_01.mp4 348.09M
- 21_17.2-Excel的常用函数_02.mp4 204.31M
- 22_17.3-Excel的常用函数_03.mp4 209.63M
- 23_17.4-Excel的常用函数_04.mp4 193.80M
- 24_18-查找引用函数:VLOOKUP-OFFSET-MATCH-INDEX.mp4 617.98M
- 25_19.1-Excel可视化_饼图&折线图.mp4 378.92M
- 26_19.2-Excel可视化_条形图&散点图.mp4 248.27M
- 27_19.3-Excel可视化_气泡图&雷达图&组合图.mp4 151.45M
- 28_19.4-Excel可视化_对称比较图&瀑布图.mp4 226.00M
- 29_19.5-Excel可视化_漏斗图&增维分析&动态图表.mp4 550.87M
- 30_19.6-Excel可视化_商业图表.mp4 351.51M
- 31_20-数据透视表.mp4 307.09M
- 32_21【实操】使用Excel制作数据分析监控日报.mp4 181.14M
- 33_22.1-【案例】使用Excel进行零售分析_01.mp4 474.16M
- 34_22.2-【案例】使用Excel进行零售分析_02.mp4 466.41M
- 35_22.3-【案例】使用Excel进行零售分析_03.mp4 290.11M
- 36_23.1【案例】使用Excel搭建RFM模型_01.mp4 661.69M
- 37_23.2【案例】使用Excel搭建RFM模型_02.mp4 609.25M
- 38_24-Tableau简介&工作区介绍.mp4 69.74M
- 39_25-Tableau简单图形绘制.mp4 416.57M
- 40_26-Tableau仪表板、故事的创建.mp4 168.67M
- 41_27.1【案例】进行靠谱投资01_投资概况.mp4 338.36M
- 42_27.2【案例】进行靠谱投资02_投资风向及回报分析.mp4 441.15M
- 43_27.3【案例】进行靠谱投资03_评估投资回报&探索投资模式.mp4 341.36M
- 44_28.1【案例】优秀电影的制作01.mp4 380.54M
- 45_28.2【案例】优秀电影的制作02.mp4 672.07M
- 46_28.3【案例】优秀电影的制作03.mp4 513.38M
- 47_29.1【案例】畅想世界旅行_01.mp4 348.71M
- 48_29.2【案例】畅想世界旅行_02.mp4 424.27M
- 49_30-数据库简介.mp4 79.60M
- 50_31-MySQL基础知识:数据类型.mp4 284.32M
- 51_32-MySQL基础知识:约束条件.mp4 170.83M
- 52_33-MySQL的数据写入:手工建表.mp4 146.11M
- 53_34-MySQL的数据导入:批量导入数据.mp4 422.84M
- 54_35.1-MySQL的数据查询功能_01.mp4 302.94M
- 55_35.2-MySQL的数据查询功能_02.mp4 321.03M
- 56_35.3-MySQL的数据查询功能_03.mp4 206.13M
- 57_36-基于CASE-WHEN的常用查询.mp4 394.79M
- 58_37-几种常见的嵌套查询(子查询).mp4 475.75M
- 59_38-开窗函数.mp4 519.14M
- 60_39-单表查询练习:彩票数据核对.mp4 355.51M
- 61_40-复杂的多表查询.mp4 627.65M
- 62_41-多表查询练习:电商数据查询.mp4 234.61M
- 63_42-数据库的增删改操作.mp4 257.26M
- 64_43【加餐1】高效查询方法.mp4 306.64M
- 65_44【加餐2】SQL进阶之路.mp4 138.61M
- 66_【SQL带刷】1-基础语法回顾和总结.mp4 129.49M
- 67_【SQL带刷】2-力扣7大题型精讲(上).mp4 98.64M
- 68_【SQL带刷】3-力扣7大题型精讲(下).mp4 104.91M
- 69_【SQL带刷】4-力扣进阶SQL查询精讲(上).mp4 87.01M
- 70_【SQL带刷】5-力扣进阶SQL查询精讲(下).mp4 112.85M
- 71_45-Python基础语法.mp4 154.25M
- 72_46-Python常用数据类型.mp4 563.48M
- 73_47-Python复合数据类型:列表、元组、字典、集合.mp4 377.23M
- 74_48-Python中的控制流语句.mp4 288.70M
- 75_49-Python中的函数.mp4 405.32M
- 76_50-异常与错误.mp4 228.58M
- 77_51-数据分析基础包Numpy.mp4 231.81M
- 78_52-Pandas读取外部数据的基本方法.mp4 115.92M
- 79_53-数据清洗:数据探索及数据处理.mp4 697.10M
- 80_54-数据清洗:文本数据的常用处理方法.mp4 379.93M
- 81_55-Python中的可视化图形绘制方法.mp4 160.17M
- 82_56【案例1】欧洲人口结构探索性分析.mp4 220.94M
- 83_57【案例2】熟食电商高价值用户挖掘.mp4 285.23M
- 84_58.1【案例3】QQ群聊天记录描述性分析.mp4 243.65M
- 85_58.2【案例3】QQ群聊天内容词云图.mp4 544.93M
- 86_PART1-数据分析师为什么要懂算法.mp4 154.96M
- 87_PART2-初识机器学习算法库Scikit-Learn.mp4 282.65M
- 88_PART3.1-sklearn建模流程及KNN算法原理.mp4 119.21M
- 89_PART3.2-使用sklearn实现KNN算法建模.mp4 131.69M
- 90_PART3.3-KNN算法调优:选取最优的K值.mp4 116.83M
- 91_PART3.4-KNN中距离的相关讨论:常用距离衡量方式、数据归一化.mp4 114.19M
- 92_PART3.5-数据处理的先后顺序及KNN算法优缺点.mp4 146.18M
- 93_PART4.1-无监督聚类算法及其应用场景.mp4 97.22M
- 94_PART4.2-Kmeans基本原理与sklearn实现.mp4 245.01M
- 95_PART4.3-KMeans聚类算法重要参数详解.mp4 95.24M
- 96_PART4.4-聚类算法的评估指标:簇内平方和&轮廓系数.mp4 190.25M
- 97_PART4.5-对比RFM分组效果与聚类效果.mp4 123.90M
- 98_PART4.6-使用极坐标图绘制不同分组的分布情况.mp4 123.64M
- 99_PART4.7-使用python对原数据集进行清洗并建模.mp4 114.01M
- 100_PART4.8-聚类算法在实际应用的注意事项.mp4 151.03M
- 101_PART4.9-使用聚类算法进行图像压缩_代码讲解.mp4 118.66M
- 102_PART4.10-使用聚类算法进行异常检测_代码讲解.mp4 68.88M
- 103_PART5.1-决策树是如何工作的.mp4 60.01M
- 104_PART5.2-CART分类树的建模流程.mp4 203.18M
- 105_PART5.3-使用sklearn实现决策树建模.mp4 60.07M
- 106_PART5.4-CART分类树的参数详解.mp4 218.07M
- 107_PART5.5-实例:泰坦尼克号幸存者的预测.mp4 142.26M
- 108_PART6.1-学习曲线&交叉验证.mp4 158.14M
- 109_PART6.2-sklearn中的网格搜索.mp4 136.13M
- 110_PART7.1-线性回归及其基本原理.mp4 155.93M
- 111_PART7.2-多元线性回归的实现及回归类模型评估指标.mp4 174.15M
- 112_PART7.3-实例:使用线性回归预测鲍鱼年龄.mp4 72.50M
- 113_PART7.4-线性回归改进算法:岭回归.mp4 85.48M
- 114_PART7.5-线性回归改进算法:LASSO.mp4 81.35M
- 115_PART7.6-非线性问题:线性模型在非线性数据上的表现.mp4 122.22M
- 116_PART7.7-非线性问题:多项式回归.mp4 137.56M
- 117_PART8.1-名为“回归”的分类器:逻辑回归.mp4 112.73M
- 118_PART8.2-逻辑回归在实际中的应用场景&优势.mp4 121.77M
- 119_PART8.3-sklearn中的逻辑回归重要参数详解.mp4 172.09M
- 120_PART8.4-使用sklearn实现逻辑回归.mp4 124.61M
- 121_PART8.5-二分类中的样本不均衡问题.mp4 132.99M
- 122_PART8.6-混淆矩阵及其衍生指标.mp4 150.91M
- 123_PART8.7-ROC曲线&AUC面积.mp4 220.55M
- 124_PART8.8-利用ROC曲线找出最佳阈值.mp4 79.05M
- 125_PART8.9-【案例1】使用逻辑回归完成社交网络广告推荐的预测.mp4 274.99M
- 126_PART8.10.1【案例2】数据概览及预处理.mp4 86.95M
- 127_PART8.10.2【案例2】标签探索:离职员工状况概览.mp4 43.54M
- 128_PART8.10.3【案例2】特征探索:员工满意度与离职之间的关系.mp4 87.79M
- 129_PART8.10.4【案例2】特征探索:最新考核评估&参与项目数.mp4 124.21M
- 130_PART8.10.5【案例2】特征探索:平均月工作时长&工作年限&工作事故.mp4 99.70M
- 131_PART8.10.6【案例2】特征探索:岗位&薪资水平.mp4 79.51M
- 132_PART8.10.7【案例2】特征工程&建模&模型调优.mp4 104.00M
- 133_PART9.1-集成学习主要研究领域及简单集成技术.mp4 115.62M
- 134_PART9.2-Bagging-VS-Boosting.mp4 109.08M
- 135_PART10.1-随机森林原理及sklearn实现.mp4 79.78M
- 136_PART10.2-弱评估器结构相关参数.mp4 95.93M
- 137_PART10.3-随机性相关参数及属性详解.mp4 261.07M
- 138_PART10.4-使用随机森林完成员工离职预测及调优.mp4 104.47M
- 139_PART11.1-Boosting算法的基本要素和基本流程.mp4 45.68M
- 140_PART11.2-梯度提升树的基本原理.mp4 46.94M
- 141_PART11.3-GBDT分类和回归的sklearn快速实现.mp4 124.80M
- 142_PART11.4-弱评估器数量相关参数及对模型的影响.mp4 126.71M
- 143_PART11.5-迭代过程相关参数:学习率&初始值参数.mp4 113.48M
- 144_PART11.6-GBDT的损失函数.mp4 103.68M
- 145_PART11.7-模型复杂度和不纯度衡量指标相关参数.mp4 170.02M
- 146_PART11.8-提前停止机制及相关参数.mp4 132.70M
- 147_PART11.9-GBDT的袋外数据.mp4 94.89M
- 148_PART11.10-GBDT的超参数优化.mp4 75.55M
- 149_PART12.1-学习XGBoost的四个层次.mp4 107.39M
- 150_PART12.2-XGBoost的安装与卸载.mp4 56.66M
- 151_PART12.3-XGBoost分类和回归的sklearn实现.mp4 198.85M
- 152_PART12.4-XGBoost重要参数详解:迭代过程相关参数.mp4 215.40M
- 153_PART12.5-XGBoost的弱评估器.mp4 127.08M
- 154_PART12.6-弱学习器的分枝&剪枝&随机性.mp4 101.78M
- 155_PART12.7-XGBoost性能相关参数及超参数优化.mp4 105.18M
- 156_PART13-机器学习算法的模型选择问题.mp4 73.48M
- 157_【业务模型】01-业务分析模型概览.mp4 16.17M
- 158_【业务模型】02-初学者如何学习业务分析方法.mp4 104.43M
- 159_【业务模型】3.1-对比分析法.mp4 83.53M
- 160_【业务模型】3.2-多维度拆解.mp4 31.11M
- 161_【业务模型】3.3-漏斗分析法.mp4 20.34M
- 162_【业务模型】3.4-公式拆解法.mp4 50.79M
- 163_【业务模型】3.5-矩阵分析法.mp4 28.09M
- 164_【业务模型】04-数据涨跌异动如何处理?.mp4 21.06M
- 165_【业务模型】5.1-用户行为序列分析.mp4 52.56M
- 166_【业务模型】5.2-用户行为路径分析.mp4 59.79M
- 167_【业务模型】5.3-用户行为分析常用工具.mp4 16.03M
- 168_【业务模型】5.4-用户留存分析.mp4 54.71M
- 169_【业务模型】5.5-同期群分析.mp4 43.54M
- 170_【业务模型】5.6【实操】使用python完成同期群分析.mp4 63.49M
- 171_【业务模型】5.7.1-用户画像的两种概念.mp4 30.82M
- 172_【业务模型】5.7.2-为什么要分析用户画像.mp4 18.72M
- 173_【业务模型】5.7.3-不同行业的用户画像应用.mp4 23.92M
- 174_【业务模型】5.7.4-用户画像体系搭建流程.mp4 77.16M
- 175_【业务模型】6.1.1-什么是RFM模型.mp4 48.40M
- 176_【业务模型】6.1.2-如何应用RFM模型.mp4 31.80M
- 177_【业务模型】6.1.3-实操:RFM模型的实操项目.mp4 59.47M
- 178_【业务模型】6.2.1-AARRR模型.mp4 34.90M
- 179_【业务模型】6.2.2-使用AARRR模型实现用户增长(以网易云音乐为例).mp4 20.12M
- 180_【AB测试】01-AB测试的起源.mp4 30.41M
- 181_【AB测试】02-AB测试的基本定义.mp4 11.18M
- 182_【AB测试】03-AB测试在互联网巨头公司中的发展历程.mp4 51.94M
- 183_【AB测试】04-为什么互联网热衷于AB测试.mp4 18.81M
- 184_【AB测试】05-AB测试的实际应用场景.mp4 32.06M
- 185_【AB测试】06-字节跳动是如何应用AB测试的.mp4 96.76M
- 186_【AB测试】07【补充】AA测试.mp4 25.20M
- 187_【AB测试】08【补充】多变量测试.mp4 16.61M
- 188_【AB测试】09-AB测试基本流程:明确实验改动点、观测指标&计算样本量.mp4 136.50M
- 189_【AB测试】10-AB测试基本流程:流量的分割.mp4 51.59M
- 190_【AB测试】11-AB测试的基本流程:计算实验周期&灰度测试&结果评估.mp4 107.04M
- 191_【AB测试】12-AB测试的基本原理:假设检验.mp4 77.80M
- 192_【AB测试】13.1-AB测试面试常见角度.mp4 15.22M
- 193_【AB测试】13.2.1【面试题】请描述一下什么是AB-test.mp4 15.95M
- 194_【AB测试】13.2.2【面试题】AB测试的核心原理是什么?.mp4 30.88M
- 195_【AB测试】13.2.3【面试题】AB测试有哪些应用场景?.mp4 16.33M
- 196_【AB测试】13.2.4【面试题】有没有接触过AB-test,请说说你对AB测试的理解【滴.mp4 49.07M
- 197_【AB测试】13.2.5【面试题】你怎么理解AB测试中的第一、二类错误?你觉得哪个更严重【.mp4 23.25M
- 198_【AB测试】13.3.1【面试题】为什么要做AB测试?有什么科学依据?.mp4 20.08M
- 199_【AB测试】13.3.2【面试题】AB测试成本很高,每个调整都需要做AB测试么.mp4 40.74M
- 200_【AB测试】13.4.1【面试题】AB测试的主要流程是什么?.mp4 61.68M
- 201_【AB测试】13.4.2【面试题】选择AB实验的样本时,需要注意什么【滴滴】.mp4 39.48M
- 202_【AB测试】13.4.3【面试题】简要介绍AB测试,并给出样本量计算公式【拼多多、携程】.mp4 13.21M
- 203_【AB测试】13.4.4【面试题】AB测试的实验周期如何选择?需要考虑哪些因素?过长或过短.mp4 32.56M
- 204_【AB测试】13.4.5【面试题】如何进行合理的流量分割?.mp4 6.10M
- 205_【AB测试】13.4.6【面试题】如何验证你的改进办法有效果?如何确定此功能上线收益?【快.mp4 15.91M
- 206_【AB测试】13.4.7【面试题】请分析下AB测试的结果统计显著不等于实际显著,你怎么看?.mp4 23.43M
- 207_【AB测试】13.4.8【面试题】若在AB测试中发现实验组核心指标明显优于对照组,那么这个.mp4 12.77M
- 208_【AB测试】13.5-【场景类面试题示例】如何设计和分析一个AB测试来决定某项新功能是否上.mp4 252.87M
- 209_【AB测试】14.1-AB测试的完整业务流程.mp4 35.12M
- 210_【AB测试】14.2-AB测试的五大核心模块.mp4 119.84M
- 211_【AB测试】14.3-业界流行的AB测试架构实现方案.mp4 91.71M
- 212_【AB测试】15.1-应用实战:背景&AB测试流程.mp4 30.52M
- 213_【AB测试】15.2-应用实战:设计AB-test实验.mp4 165.52M
- 214_【AB测试】15.3-应用实战:数据分析&假设检验的Python实现.mp4 190.89M
- 215_【游戏氪金】Ch-0-前言:数据概况与案例导读.mp4 73.55M
- 216_【游戏氪金】Ch-1-游戏行业概览与游戏岗位招聘概况.mp4 163.28M
- 217_【游戏氪金】Ch-2-从流量到用户到变现:手游的运营流程.mp4 238.01M
- 218_【游戏氪金】Ch-3-甜蜜陷阱:你是如何一步步走向氪金的?.mp4 130.12M
- 219_【游戏氪金】Ch-4-数据技术辅助游戏运营的6大典型场景.mp4 291.68M
- 220_【游戏氪金】Ch-5.1-游戏数据的初步探索.mp4 271.06M
- 221_【游戏氪金】Ch-5.2-标签探索:游戏的经营状况与关键经营指标.mp4 277.67M
- 222_【游戏氪金】Ch-5.3-特征探索(1):在线时长:用户流失状况监测.mp4 216.80M
- 223_【游戏氪金】Ch-5.3-特征探索(2):偏度:游戏对新手玩家的友好程度.mp4 284.35M
- 224_【游戏氪金】Ch-5.3-特征探索(3):游戏平衡性:氪金与战斗优势.mp4 107.98M
- 225_【游戏氪金】Ch-5.3-特征探索(4):左偏带来长尾:谁是异常玩家?.mp4 190.51M
- 226_【游戏氪金】Ch-6.1-数据预处理:注册时间与氪金状况的关联.mp4 148.61M
- 227_【游戏氪金】Ch-6.2-模型选择,benchmark的建立.mp4 121.81M
- 228_【游戏氪金】Ch-6.3-特征工程(1)-根据业务模式新增特征.mp4 169.57M
- 229_【游戏氪金】Ch-6.3-特征工程(2)-达成建模所需的统计假设.mp4 199.55M
- 230_【游戏氪金】Ch-6.4-模型融合(1)-分类算法解决数据的偏态问题.mp4 207.46M
- 231_【游戏氪金】Ch-6.4-模型融合(2)-GBDT回归的预测与调优.mp4 111.97M
- 232_【异常检测】Ch-0-数据概况与案例导读.mp4 51.51M
- 233_【异常检测】Ch-1-电商的核心价值:更高的交易效率.mp4 346.49M
- 234_【异常检测】Ch-2-辨析电商交易模式:开放平台vs价值链整合.mp4 352.39M
- 235_【异常检测】Ch-3-淘宝vs京东:迥然不同的盈利模式.mp4 298.90M
- 236_【异常检测】Ch-4-异常订单检测:商家的帮手,平台的抓手.mp4 139.22M
- 237_【异常检测】Ch-5.1-数据预处理(1):基本特征探索与缺失值处理.mp4 268.90M
- 238_【异常检测】Ch-5.2-数据预处理(2):重复值与异常值处理.mp4 258.62M
- 239_【异常检测】Ch-6.1-特征工程(1)-建立benchmark,分割训练集与测试集.mp4 205.29M
- 240_【异常检测】Ch-6.2-特征工程(2)-基于时间与城市构建编码函数与特征衍生函数.mp4 341.17M
- 241_【异常检测】Ch-6.3-特征工程(3)-简单变量的处理,连续型变量的处理方法.mp4 233.86M
- 242_【异常检测】Ch-6.4-特征工程(4)-复杂离散型变量的特征衍生与编码.mp4 288.19M
- 243_【异常检测】Ch-7.1-建模与调参(1)-验证特征工程效果,解决样本不均衡问题.mp4 219.74M
- 244_【异常检测】Ch-7.2-建模与调参(2)-树的数量、学习率、控制过拟合.mp4 243.15M
- 245_【异常检测】Ch-7.3-建模与调参(3)-基于软投票的模型融合.mp4 153.23M
- 246_【广告投放】Ch-1.1-广告&营销的本质.mp4 76.93M
- 247_【广告投放】Ch-1.2-4P营销理论:产品.mp4 97.56M
- 248_【广告投放】Ch-1.3-4P营销理论:价格.mp4 118.29M
- 249_【广告投放】Ch-1.4-4P营销理论:渠道与推广.mp4 58.12M
- 250_【广告投放】Ch-1.5-互联网公司如何靠流量致富?.mp4 124.09M
- 251_【广告投放】Ch-1.6-以抖音为例聊聊互联网企业的变现之路.mp4 226.76M
- 252_【广告投放】Ch-2.1-广告投放的目的、渠道、形式及计费方式.mp4 159.89M
- 253_【广告投放】Ch-2.2-如何衡量广告效果及优化广告策略.mp4 227.08M
- 254_【广告投放】Ch-3.1-在线教育发展历程.mp4 56.50M
- 255_【广告投放】Ch-3.2-在线教育已死?No,加时赛已开启.mp4 76.39M
- 256_【广告投放】Ch-3.3-行业洗牌:数据从业者机会何在?.mp4 88.47M
- 257_【广告投放】Ch-3.4-流量为王:在线教育的财富密码.mp4 81.46M
- 258_【广告投放】Ch-3.5-在线教育的广告投放流程.mp4 184.14M
- 259_【广告投放】Ch-3.6-在线教育广告投放案例分享(K12领域).mp4 72.73M
- 260_【广告投放】Ch-4.1-数据指标体系的重要性及判断标准.mp4 108.89M
- 261_【广告投放】Ch-4.2-搭建指标体系的起点:理解业务.mp4 45.55M
- 262_【广告投放】Ch-4.3-搭建指标体系:定目标&理流程.mp4 70.62M
- 263_【广告投放】Ch-4.4-搭建指标体系:选指标&搭体系.mp4 65.83M
- 264_【广告投放】Ch-5.1-案例基本背景及数据情况.mp4 35.67M
- 265_【广告投放】Ch-5.2-【选学】互联网巨头们的数据库演变之路.mp4 54.99M
- 266_【广告投放】Ch-5.3-【选学】创建python与数据库之间的连接.mp4 58.14M
- 267_【广告投放】Ch-5.4【选学】将python中的DF数据导入数据库.mp4 73.06M
- 268_【广告投放】Ch-5.5【选学】使用pandas完成数据库数据的读取和更新.mp4 125.11M
- 269_【广告投放】Ch-5.6-数据分布情况及特征相关性分析.mp4 142.97M
- 270_【广告投放】Ch-6.1-特征探索:各渠道流量基本情况.mp4 63.49M
- 271_【广告投放】Ch-6.2-特征探索:渠道流量Top20分析.mp4 143.59M
- 272_【广告投放】Ch-6.3-特征探索:渠道质量Top20分析.mp4 94.77M
- 273_【广告投放】Ch-6.4-特征探索:投放总时间越长引流效果越好?.mp4 49.06M
- 274_【广告投放】Ch-6.5-特征探索:不同投放时间下,渠道的流量和质量表现.mp4 140.02M
- 275_【广告投放】Ch-6.6-特征探索:用户注册行为分析.mp4 44.44M
- 276_【广告投放】Ch-6.7-特征探索:用户停留时间分析.mp4 69.21M
- 277_【广告投放】Ch-6.8-特征探索:用户搜索行为分析.mp4 37.91M
- 278_【广告投放】Ch-6.9-特征探索:用户访问深度分析.mp4 49.45M
- 279_【广告投放】Ch-6.10-特征探索:广告卖点分析.mp4 91.83M
- 280_【广告投放】Ch-6.11-特征探索:广告物料分析.mp4 50.76M
- 281_【广告投放】Ch-6.12-特征探索:广告预算分析.mp4 92.52M
- 282_【广告投放】Ch-6.13-特征探索总结.mp4 43.40M
- 283_【广告投放】Ch-7.1-特征工程:数据预处理&编码&数据归一化.mp4 112.82M
- 284_【广告投放】Ch-7.2-聚类分析在实际工作中的应用.mp4 83.15M
- 285_【广告投放】Ch-7.3-建模分析:使用Kmeans聚类完成渠道分组.mp4 125.59M
- 286_【广告投放】Ch-7.4-分组结果的可视化展示.mp4 81.18M
- 287_【广告投放】Ch-7.5-业务应用:建模结果对业务的指导意义.mp4 55.55M
- 288_【用户流失】Part-1.1-业务背景与Kaggle平台使用方法介绍.mp4 193.18M
- 289_【用户流失】Part-1.2-数据字段解释与数据质量检验.mp4 84.99M
- 290_【用户流失】Part-1.3-字段类型转化与缺失值填补.mp4 189.39M
- 291_【用户流失】Part-1.4-异常值检测.mp4 62.11M
- 292_【用户流失】Part-1.5-相关性分析.mp4 104.75M
- 293_【用户流失】Part-1.6-数据探索性分析与可视化呈现.mp4 86.79M
- 294_【用户流失】Part-2.1-数据重编码:OrdinalEncoder过程-.mp4 110.72M
- 295_【用户流失】Part-2.2-数据重编码:OneHotEncoder过程.mp4 127.14M
- 296_【用户流失】Part-2.3-转化器流水线:ColumnTransformer过程.mp4 118.03M
- 297_【用户流失】Part-2.4-特征变换:数据标准化与归一化.mp4 53.20M
- 298_【用户流失】Part-2.5-连续变量分箱:等宽、等频与聚类分箱.mp4 147.77M
- 299_【用户流失】Part-2.6-连续变量分箱:目标编码与有监督分箱.mp4 96.88M
- 300_【用户流失】Part-2.7-逻辑回归机器学习流构建与训练.mp4 165.07M
- 301_【用户流失】Part-2.8-逻辑回归机器学习流超参数搜索调优.mp4 180.65M
- 302_【用户流失】Part-2.9-自定义sklearn评估器网格搜索.mp4 219.62M
- 303_【用户流失】Part-2.10-逻辑回归模型解释与特征系数解读.mp4 124.74M
- 304_【用户流失】Part-2.11-决策树模型训练与优化.mp4 87.17M
- 305_【用户流失】Part-2.12-决策树模型解释与结果解读.mp4 124.98M
- 306_【数分报告】01-了解数据分析报告.mp4 86.59M
- 307_【数分报告】02-数据分析报告类型——日常分析报告.mp4 79.59M
- 308_【数分报告】03-数据分析报告类型——专题型分析报告.mp4 60.68M
- 309_【数分报告】04-数据分析报告类型——综合性分析报告.mp4 41.80M
- 310_【数分报告】05-数分报告元素——整体架构.mp4 27.06M
- 311_【数分报告】06-数分报告元素——标题.mp4 45.71M
- 312_【数分报告】07-数分报告元素——目录.mp4 14.50M
- 313_【数分报告】08-数分报告元素——分析背景&目的&思路.mp4 16.61M
- 314_【数分报告】09-数分报告元素——报告正文部分.mp4 74.01M
- 315_【数分报告】10-数分报告元素——结论与建议&附录.mp4 29.70M
- 316_【数分报告】11-数据分析报告制作流程.mp4 103.14M
- 317_【数分报告】12-数据分析竞赛信息【加餐】.mp4 15.85M
- 318_【数分报告】13-从0到1制作数据分析报告.mp4 153.53M
- 1_01-数据分析思维是什么.mp4 22.53M
- 2_02-拥有数据分析的具体表现.mp4 361.36M
- 3_03-如何培养自己的数据思维.mp4 501.82M
- 4_04-数字、数据、数据分析.mp4 28.82M
- 5_05-数据分析在企业中的地位.mp4 110.14M
- 6_06-数据分析师的日常工作.mp4 197.23M
- 7_07-数据分析的价值及必备能力.mp4 127.11M
- 8_08-Excel2016的安装教程.mp4 68.76M
- 9_09-Tableau安装教程.mp4 26.60M
- 【九天菜菜】数据分析实战/






