飞豹客 · 课能看,资料也能带走
飞豹客体系课

人人都能学会数据分析

学习数据分析解决什么问题 这门课主要解决职场中用数据做决策的痛点和场景。适合需要用数据指导业务、优化运营,或想转向数据分析岗位的上班族和转行者。课程以“互联网商业模式”和“用户行为”分析为核心,通过案例演示如何用Excel、SQL、Python和Tableau解决实际问题。例如:如何分析销售数据调整

单课价¥38.00新品 上架
会员价¥7.60开通会员,全站课程按会员价下载套餐详情
224 人关注 更新于 2026-09-19 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥38.00

会员 A · 按档位折扣

永久¥15.204折
年¥19.005折
月¥22.806折
周¥26.607折

会员 B

VIP¥7.60低至
SVIP单买¥200 内可领

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

学习数据分析解决什么问题

这门课主要解决职场中用数据做决策的痛点和场景。适合需要用数据指导业务、优化运营,或想转向数据分析岗位的上班族和转行者。课程以“互联网商业模式”和“用户行为”分析为核心,通过案例演示如何用Excel、SQL、Python和Tableau解决实际问题。例如:如何分析销售数据调整运营策略,如何通过用户画像提升转化率,或如何用AB实验迭代产品功能。学完后能独立完成数据提取、清洗、分析、可视化到报告撰写的全流程工作,适用于市场、运营、产品等岗位的数据需求。具体来说,能独立完成业务指标监控、用户行为分析,以及基于数据的决策支持文档撰写。

适合什么基础及如何使用资料

课程对基础要求不高,关键是要会用Excel。没有编程基础的可以直接上手,但需要先快速掌握第2-3周的数据透视表和SQL基础操作,建立基本的数据处理能力。对于零基础者,建议先看第1周建立认知框架,再进入核心模块。其中第5-6周Python爬虫和第11-14周的用户行为分析可根据自身需求选择性学习,如果侧重工具应用,优先学习第4周的Tableau。资料配合练习建议:用第2-3周资料练习处理销售数据,第6周Python代码可直接套用或修改参数;第10-12周的用户画像和消费行为案例需要结合自身业务场景调整参数。完成第16周报告模板后,可以独立输出符合面试要求的成果。资料侧重工具实操和案例拆解,纯理论内容较少,适合通过任务驱动学习的人群。学习过程中遇到工具操作问题,可参考对应章节的案例步骤解决。

学习顺序与资料用法

建议的学习顺序是:先建立认知(第1周),掌握基础(第2-3周Excel和SQL),再进入核心分析(第4-7周Tableau、用户行为、数据可视化),最后学习进阶(第8-12周商业模式、用户引流、消费行为),最后完成报告和面试准备(第13-16周)。资料用法上,案例部分需要结合实际业务场景尝试,代码部分可直接运行或修改参数观察效果,报告模板可作为写作框架参考。学习时遇到工具操作问题,可回看对应章节的案例演示。

课程目录

人人都能学会数据分析 📁 第8周 初始互联网商业模式 📁 第2周 Excel从入门到表格分析 📁 第15周 使用AB实验迭代功能 📁 第4周 数据可视化利器 Tableau 📁 资料 📁 第16周 撰写数据报告、面试指导 📁 第13周 预售销售额、调整运营策略 📁 第9周 解析数据指标体系 📁 第6周 Python实现网络爬虫 📁 第11周 用户引流与转化 📁 第10周 构建用户画像 📁 第3周 从0开始学SQL 📁 第7周 更高效的数据处理与可视化绘图 📁 第5周 Python基础语法 📁 第14周 促进用户活跃度、提升用户留存 📁 第1周 走进数据分析 📁 第12周 分析消费行为 📄44 集
  • 2-4 数据透视表_.mp4
  • 📄 2-7 大数据岗人才需求分析报告_.mp4
  • 📄 1-1 Excel基本功能_.mp4
  • 📄 2-6 制作可视化图表_.mp4
  • 📄 2-5 认识图表_.mp4
  • 📄 2-3 查找与引用函数_.mp4
  • 📄 1-2 文本函数_.mp4
  • 📄 2-1 逻辑函数_.mp4
  • 📄 1-6 数据排序和筛选_.mp4
  • 📄 1-4 处理重复数据_.mp4
  • 📄 1-5 拆分列数据_.mp4
  • 📄 2-8 本章小结_.mp4
  • 📄 2-2 条件聚合函数_.mp4
  • 📄 1-3 数学函数_.mp4
  • 📄 1-9 本周小结_.mp4
  • 📄 1-1 什么是Tableau_.mp4
  • 📄 1-6 创建故事_.mp4
  • 📄 1-2 安装Tableau_.mp4
  • 📄 1-5 创建仪表板_.mp4
  • 📄 1-3 准备数据_.mp4
  • 📄 1-7 保存与发布_.mp4
  • 📄 1-4 构建图表_.mp4
  • 📄 1-8 可视化练习:美妆产品销售分析_.mp4
  • 📄 1-9 案例3:直播电商行业分析报告_.mp4
  • 📄 1-2 互联网行业简介_.mp4
  • 📄 1-7 价值链:直播生态产业图谱_.mp4
  • 📄 1-6 竞争分析:波特五力模型_.mp4
  • 📄 2-1 互联网岗位解析_.mp4
  • 📄 1-1 阶段引导:从数据分析工具,到商业分析思维_.mp4
  • 📄 1-5 市场规模:直播电商成交额_.mp4
  • 📄 2-3 本章小结_.mp4
  • 📄 1-8 趋势预测:PEST分析法_.mp4
  • 📄 1-3 如何做行业分析_.mp4
  • 📄 1-4 市场规模:直播电商发展时间线_.mp4
  • 📄 2-2 数据职能岗发展通道_.mp4
  • 📄 1-3 统计学基础:假设检验_.mp4
  • 📄 1-1 什么是AB测试_.mp4
  • 📄 1-6 案例13:利用AB测试优化产品设计_.mp4
  • 📄 2-2 练习:Python孤立森林异常检测_.mp4
  • 📄 2-1 什么是异常监测_.mp4
  • 📄 1-4 练习:Python计算点击率CTR_.mp4
  • 📄 1-2 AB测试的基本流程_.mp4
  • 📄 2-3 本章小结_ev(2)~1_.mp4
  • 📄 1-5 练习:Python计算p值_.mp4
第13周 预售销售额、调整运营策略 📄130 集
  • 1-2 18.2演讲技巧与PPT模板分享_.mp4
  • 📄 2-2 18.4面试经验分享_.mp4
  • 📄 1-1 18.1如何撰写数据分析报告_.mp4
  • 📄 2-1 18.3如何撰写简历_.mp4
  • 📄 2-1 互联网业务分析指标一览_.mp4
  • 📄 2-7 案例4:搭建商业化指标体系_.mp4
  • 📄 2-2 拉新(获客)指标_.mp4
  • 📄 2-4 留存指标_.mp4
  • 📄 2-6 传播指标:K因子_.mp4
  • 📄 1-3 SWOT、PEST、波特五力_.mp4
  • 📄 2-8 本章小结_.mp4
  • 📄 1-2 5W2H、逻辑树、AB测试_.mp4
  • 📄 2-3 活跃指标_.mp4
  • 📄 2-5 转化(变现)指标_.mp4
  • 📄 1-1 用户生命周期、AARRR、RFM_.mp4
  • 📄 人人都能学会数据分析.exe 📄 数据包.exe 📄 辅助材料.exe 📄 2-2 连续获取多个页面信息_.mp4
  • 📄 1-3 认识HTML网页结构_.mp4
  • 📄 2-1 获取目标信息_.mp4
  • 📄 1-1 什么是爬虫_.mp4
  • 📄 2-4 数据存储与代码优化_.mp4
  • 📄 1-2 Requests库入门_.mp4
  • 📄 3-1 通过API接口获取数据_.mp4
  • 📄 2-3 整合爬虫功能函数_.mp4
  • 📄 3-4 本章小结_.mp4
  • 📄 3-2 练习:爬取全部电影数据_.mp4
  • 📄 资料文档.url 📄 3-3 练习:爬取全部电影数据_.mp4
  • 📄 1-4 BeautifulSoup库入门_.mp4
  • 📄 1-1 什么是用户画像_.mp4
  • 📄 2-6 RFM评分卡优化:使用K-Means进行数据分组_.mp4
  • 📄 2-3 设置R、F、M评分标准_.mp4
  • 📄 2-8 案例5:基于RFM的用户精细化管理_.mp4
  • 📄 1-6 数据标签系统:构建商品画像_.mp4
  • 📄 2-9 本章小结_.mp4
  • 📄 2-7 模型展示与可视化_.mp4
  • 📄 2-4 计算R、F、M得分_.mp4
  • 📄 1-3 数据标签系统:数据采集、埋点_.mp4
  • 📄 1-4 数据标签系统:构建用户画像_.mp4
  • 📄 2-2 利用Excel计算R、F、M分值_.mp4
  • 📄 1-2 数据标签系统:背景介绍_.mp4
  • 📄 1-5 练习:使用SQL提取用户数据_.mp4
  • 📄 2-5 给用户贴标签_.mp4
  • 📄 2-1 什么是RFM模型_.mp4
  • 📄 1-7 练习:使用SQL提取商品数据_.mp4
  • 📄 1-4 安装Navicat_.mp4
  • 📄 2-2 对数据进行分类汇总_.mp4
  • 📄 1-6 数据排序与筛选_.mp4
  • 📄 1-5 基础语法_.mp4
  • 📄 2-3 联表查询_.mp4
  • 📄 2-4 导出数据_.mp4
  • 📄 2-5 本章小结_.mp4
  • 📄 1-1 什么是SQL_.mp4
  • 📄 1-3 MySQL安装及配置_.mp4
  • 📄 1-2 认识数据表结构_.mp4
  • 📄 3-1 什么是漏斗分析模型_.mp4
  • 📄 3-2 漏斗分析有哪些应用场景_.mp4
  • 📄 2-3 计算相关性指标_.mp4
  • 📄 2-6 KMeans建模:利用轮廓系数确定K_.mp4
  • 📄 2-7 练习:最佳KMeans聚类模型_.mp4
  • 📄 2-5 字符串分类:OneHot编码_.mp4
  • 📄 2-8 聚类结果分析:样本量与占比_.mp4
  • 📄 3-5 本章小结_.mp4
  • 📄 2-9 聚类结果分析:特征均值、众数_.mp4
  • 📄 1-3 大流量分析模型:波动、特征、预测_.mp4
  • 📄 2-11 案例6:基于Kmeans的广告效果聚类分析_001_.mp4
  • 📄 2-4 数据标准化:Min-Max_.mp4
  • 📄 2-1 案例:背景与目标_.mp4
  • 📄 1-2 拓展:流量数据指标_.mp4
  • 📄 3-4 案例7:利用Excel绘制转化漏斗图_.mp4
  • 📄 1-1 什么是流量_.mp4
  • 📄 2-2 利用Python预处理数据_.mp4
  • 📄 3-3 用户下单流程分析_.mp4
  • 📄 2-10 数值特征对比:雷达图_.mp4
  • 📄 2-2 练习:使用Excel计算用户留存率_.mp4
  • 📄 1-3 练习:使用Excel构建RFE模型_.mp4
  • 📄 2-3 练习:使用Excel计算用户生命周期_.mp4
  • 📄 资料1.url 📄 1-2 用户活跃度模型(RFE)_.mp4
  • 📄 2-5 本章小结_.mp4
  • 📄 1-1 如何提升产品活跃度?_.mp4
  • 📄 2-1 什么是产品的 Aha Moment?_.mp4
  • 📄 2-4 案例8补充:基于电商的用户留存与价值分析_.mp4
  • 📄 1-2 从互联网数据分析说起~1_.mp4
  • 📄 2-5 统计指标:分布形态~1_.mp4
  • 📄 2-3 统计指标:集中趋势~1_.mp4
  • 📄 2-4 统计指标:离散趋势~1_.mp4
  • 📄 2-6 识别异常值~1_.mp4
  • 📄 2-7 处理异常值~1_.mp4
  • 📄 2-1 什么是数据~1_.mp4
  • 📄 2-9 本章小结~1_.mp4
  • 📄 2-8 数据分析流程~1_.mp4
  • 📄 1-1 互联网数据分析通用课程-导学~1_.mp4
  • 📄 2-2 什么是统计指标~1_.mp4
  • 📄 1-1 学习编程的几个建议_.mp4
  • 📄 2-8 本章小结_ev(2)~1_.mp4
  • 📄 2-2 数据容器_.mp4
  • 📄 2-1 数据类型_.mp4
  • 📄 1-4 开发环境_.mp4
  • 📄 1-3 运行环境_.mp4
  • 📄 1-5 运算符_.mp4
  • 📄 2-5 循环中止:break,continue_.mp4
  • 📄 2-3 条件判断语句:if、else、elif_.mp4
  • 📄 1-2 什么是Python_.mp4
  • 📄 2-7 练习:计算销售额_.mp4
  • 📄 2-6 编写一个函数_.mp4
  • 📄 2-4 循环语句:for、while_.mp4
  • 📄 5-6 箱线图:每年电影评分变化_.mp4
  • 📄 5-3 饼图:电影语种统计_.mp4
  • 📄 5-1 直方图:电影年产量_.mp4
  • 📄 3-2 练习3:电影语言频数统计_.mp4
  • 📄 4-2 什么是画布_.mp4
  • 📄 3-3 练习2:各国评分数据_.mp4
  • 📄 2-2 清理数据重复值、缺失值、拆分_.mp4
  • 📄 1-3 案例介绍:电影数据分析_.mp4
  • 📄 2-4 数据运:算多类型统计_.mp4
  • 📄 2-6 排序与筛选_.mp4
  • 📄 3-4 练习:TOP电影排行榜_.mp4
  • 📄 3-5 本章小结_.mp4
  • 📄 2-5 数据运算:评分统计_.mp4
  • 📄 3-1 练习1:各国每年电影产量_.mp4
  • 📄 5-5 热力图:电影类型、评分、数量_.mp4
  • 📄 5-9 本章小结_.mp4
  • 📄 1-2 什么是DataFrame_.mp4
  • 📄 5-8 案例2:豆瓣电影数据分析报告_.mp4
  • 📄 4-1 Matplotlib入门_.mp4
  • 📄 1-1 Pandas库入门_.mp4
  • 📄 2-1 读取数据_.mp4
  • 📄 5-2 折线图:各国电影年产量_.mp4
  • 📄 2-3 数据运算:按年统计、时间聚合_.mp4
  • 📄 5-7 词云图:电影类型频数统计_.mp4
  • 📄 4-3 调整视觉元素_.mp4
  • 📄 5-4 散点图:评分分值与人数_.mp4
第13周 预售销售额、调整运营策略 📄33 集
  • 2-1 案例说明:某电商交易数据_.mp4
  • 📄 3-1 使用SQL计算头部用户贡献额_.mp4
  • 📄 3-2 使用SQL用户平均购买周期_.mp4
  • 📄 2-5 个体分析:消费金额_.mp4
  • 📄 2-9 使用SQL计算回购率_.mp4
  • 📄 2-8 使用SQL计算复购率_.mp4
  • 📄 1-2 消费行为模式的变迁_.mp4
  • 📄 1-1 什么是消费行为_.mp4
  • 📄 2-6 个体分析:消费频次、商品数_.mp4
  • 📄 2-2 趋势分析:金额、频次、人数、产品数_.mp4
  • 📄 2-3 趋势分析:销售额 vs 产品数_.mp4
  • 📄 2-4 趋势分析:消费时间段偏好_.mp4
  • 📄 2-7 商品分析:销售情况、价格分布_.mp4
  • 📄 3-3 案例8:基于电商的用户消费行为分析_.mp4
  • 📄 3-7 案例10:选择最优商品进行推广_.mp4
  • 📄 2-6 案例9:预测2020天猫双11销售额_.mp4
  • 📄 3-1 什么是商品分析?_.mp4
  • 📄 4-2 15.17如何策划一场活动_.mp4
  • 📄 1-1 为什么要预测销售额?_.mp4
  • 📄 3-6 Excel层次分析法:总排序权重计算与决策_.mp4
  • 📄 4-1 15.16什么是运营策略:摩拜红包车_.mp4
  • 📄 3-4 Excel层次分析法:构造成对比较矩阵_.mp4
  • 📄 3-5 Excel层次分析法:构造方案判断矩阵_.mp4
  • 📄 4-3 15.18案例11:设计内容运营方案_.mp4
  • 📄 2-1 测模型的定义与分类_.mp4
  • 📄 2-2 练习:使用Excel预测销售额_.mp4
  • 📄 3-3 Excel层次分析法:构建层次结构_.mp4
  • 📄 2-4 Python回归分析:多项式回归模型_.mp4
  • 📄 2-3 Python回归分析:数据预处理_.mp4
  • 📄 3-2 什么是层次分析法AHP?_.mp4
  • 📄 1-2 如何拆解GMV:流量、转化、客单价?_.mp4
  • 📄 2-5 Python回归分析:绘图、预测_.mp4
  • 📄 4-4 15.19本章小结_.mp4