長(zhǎng)春達(dá)內(nèi)大數(shù)據(jù)分析培訓(xùn)班

1、數(shù)據(jù)分析入門(mén) 2、數(shù)據(jù)分析的意義

3、數(shù)據(jù)分析的流程控制 4、數(shù)據(jù)分析的思路與方法

1、xmind簡(jiǎn)介與基本使用 2、學(xué)習(xí)方法課堂案例

3、滴答拼車(chē)實(shí)戰(zhàn)演練 4、其他思維導(dǎo)圖介紹

1、專業(yè)展現(xiàn)——PPT 2、基本簡(jiǎn)介

3、幾個(gè)不得不說(shuō)的真相 4、經(jīng)驗(yàn)分享

5、實(shí)戰(zhàn)動(dòng)畫(huà)

1、Excel工具的安裝、配置與環(huán)璄測(cè)試

2、Power BI工具的安裝、配置與環(huán)璄測(cè)試

3、Tableau工具的安裝、配置與環(huán)璄測(cè)試

4、MySQL數(shù)據(jù)庫(kù)的安裝、配置與環(huán)璄測(cè)試

5、SPSS數(shù)據(jù)挖掘工具安裝、配置與環(huán)璄測(cè)試

6、SAS數(shù)據(jù)挖掘工具安裝、配置與環(huán)璄測(cè)試

7、Python開(kāi)發(fā)工具的安裝、配置與開(kāi)發(fā)環(huán)璄測(cè)試

1、虛擬機(jī)的安裝配置 2、虛擬機(jī)網(wǎng)絡(luò)配置

3、安裝Linux 4、利用SSH連結(jié)Linux

5、Linux基礎(chǔ)命令 6、Linux系統(tǒng)管理

1、python課程的目的 2、使用JupyterLab

3、python數(shù)據(jù)類型 4、元組、列表、字典

5、python分支結(jié)構(gòu) 6、python字符串處理+隨機(jī)函數(shù)

7、pthon循環(huán)結(jié)構(gòu) 8、python面向過(guò)程函數(shù)操作

9、python面向?qū)ο?/p>

1、問(wèn)題界定 2、問(wèn)題拆分 3、指標(biāo)確定

4、數(shù)據(jù)收集 5、報(bào)告方案 6、趨勢(shì)預(yù)測(cè)

7、數(shù)據(jù)分析 8、趨勢(shì)預(yù)測(cè) 9、報(bào)告方案

1、邊界:明確問(wèn)題的邊界

2、邏輯:確定業(yè)務(wù)的關(guān)鍵指標(biāo)和邏輯

3、定性分析與定量分析

基于經(jīng)典的模型

1、5W2H

2、SWORT

3、4P管理模型

4、CATWOE

5、STAR原則、波士頓5力模型

基于業(yè)務(wù)的模型

1、用戶畫(huà)像

2、 銷(xiāo)售影響因素

3、市場(chǎng)變化因素

4、AARRR流量模型

5、金定塔思考方法

1、數(shù)據(jù)科學(xué)過(guò)程 2、數(shù)據(jù)清洗定義

3、數(shù)據(jù)清洗任務(wù) 4、數(shù)據(jù)清洗流程

5、數(shù)據(jù)清洗環(huán)境 6、數(shù)據(jù)清洗實(shí)例說(shuō)明

7、數(shù)據(jù)標(biāo)準(zhǔn)化 8、數(shù)據(jù)格式與編碼

9、數(shù)據(jù)清洗常用工具 10、數(shù)據(jù)清洗基本技術(shù)方法

11、數(shù)據(jù)抽取 12、數(shù)據(jù)轉(zhuǎn)換與加載

1、產(chǎn)品數(shù)據(jù) 2、用戶數(shù)據(jù)

3、行為數(shù)據(jù) 4、訂單數(shù)據(jù)

1、網(wǎng)站 2、政務(wù)公開(kāi)數(shù)據(jù)

3、數(shù)據(jù)科學(xué)競(jìng)賽 4、數(shù)據(jù)交易平臺(tái)

5、行業(yè)報(bào)告 6、指數(shù)平臺(tái)

1、數(shù)據(jù)抓取 2、投資數(shù)據(jù)抓取

3、房產(chǎn)數(shù)據(jù)抓取 4、輿情數(shù)據(jù)抓取

5、娛樂(lè)數(shù)據(jù)抓取 6、新媒體數(shù)據(jù)抓取

1、建庫(kù) 2、建表

3、建約束 4、創(chuàng)建索引

5、添加、刪除、修改數(shù)據(jù)

1、缺失值處理:對(duì)缺失數(shù)據(jù)行進(jìn)行刪除或填充

2、重復(fù)值處理:重復(fù)值的判斷與刪除

3、異常值處理:清除不必要的空格和異常數(shù)據(jù)

1、利用SQL進(jìn)行簡(jiǎn)單的業(yè)務(wù)數(shù)據(jù)查詢

2、利用SQL完成復(fù)雜條件查詢

3、利用多表關(guān)聯(lián)完成復(fù)雜業(yè)務(wù)查詢

4、利用嵌套子查詢完成復(fù)雜業(yè)務(wù)數(shù)據(jù)分析

1、聚合、分組、排序 2、函數(shù)

3、行列轉(zhuǎn)換 4、視圖與存儲(chǔ)過(guò)程

1、業(yè)務(wù)數(shù)據(jù)表關(guān)聯(lián)查詢及查詢

2、結(jié)果縱向融合

3、?常業(yè)務(wù)需求數(shù)據(jù)寬表構(gòu)建

4、應(yīng)??查詢處理復(fù)雜業(yè)務(wù)

1、計(jì)算和連續(xù)函數(shù)的性質(zhì) 2、導(dǎo)數(shù)/微分的概念和運(yùn)算法則

3、積分的概念和運(yùn)算法則

4、冪級(jí)數(shù)、泰勒級(jí)數(shù)、傅里葉級(jí)數(shù)、傅里葉變換

5、向量的概念和運(yùn)算

6、矩陣的轉(zhuǎn)置、乘法、逆矩陣、正交矩陣、SVD奇異值分解、特征值

7、行列式的計(jì)算和性質(zhì) 8、凸優(yōu)化

1、創(chuàng)建數(shù)組 2、切片索引

3、數(shù)組操作 4、字符串函數(shù)

5、數(shù)學(xué)函數(shù) 6、統(tǒng)計(jì)函數(shù)

1、直方圖:探索變量的分布規(guī)律 2、條形圖:展示數(shù)值變量的集中趨勢(shì)

3、散點(diǎn)圖:表示整體數(shù)據(jù)的分布規(guī)律 4、箱線圖:表示數(shù)據(jù)分散性,中位數(shù)

5、提琴圖:分位數(shù)的位置及數(shù)據(jù)密度 6、回歸圖:尋找數(shù)據(jù)之間的線性關(guān)系

7、熱力圖:表未數(shù)值的大小或者相關(guān)性的高低

1、大數(shù)據(jù)概述

2、?數(shù)據(jù)集群 Hadoop 架構(gòu)

3、Hive開(kāi)發(fā)環(huán)璄搭建

1、從MySQL中導(dǎo)入數(shù)據(jù)到Hive

2、從Hive導(dǎo)出數(shù)據(jù)到MySQL

1、Hive數(shù)倉(cāng)

2、HQL 數(shù)據(jù)查詢基礎(chǔ)語(yǔ)法

1、從MySQL中導(dǎo)入數(shù)據(jù)到Hive

2、從Hive導(dǎo)出數(shù)據(jù)到MySQL

1、分區(qū)表 2、分桶表

3、關(guān)聯(lián)表 4、數(shù)據(jù)查詢

1、常?內(nèi)置函數(shù)及開(kāi)窗函數(shù)

2、特殊類型數(shù)組查詢?式

3、HQL 查詢語(yǔ)句優(yōu)化技巧

1、描述統(tǒng)計(jì) 2、相關(guān)分析

3、判別分析 4、方差分析

5、時(shí)間序列分析 6、主成分分析

7、信度分析 8、因子分析

9、回歸分析 10、對(duì)應(yīng)分析

11、列聯(lián)表分析 12、聚類分析

1、從MySQL中導(dǎo)入數(shù)據(jù)到Hive

2、從Hive導(dǎo)出數(shù)據(jù)到MySQL

1、課程規(guī)劃與簡(jiǎn)介 2、數(shù)據(jù)挖掘項(xiàng)目生命周期

3、簡(jiǎn)單的統(tǒng)計(jì)學(xué)基礎(chǔ) 4、用Modeler試手挖掘流程

5、數(shù)據(jù)挖掘的知識(shí)類型 6、商業(yè)分析基礎(chǔ)簡(jiǎn)介

7、信度分析 8、因子分析 9、回歸分析 10、對(duì)應(yīng)分析

11、列聯(lián)表分析 12、聚類分析

1、SAS概述:SAS簡(jiǎn)介與教育版安裝 2、SAS概述:教育版基本使用

3、SAS編程基礎(chǔ) 4、SAS編程基礎(chǔ)7-循環(huán)

5、SAS數(shù)據(jù)集操作1-合并 6、SAS數(shù)據(jù)集操作2-排序與對(duì)比

7、SAS數(shù)據(jù)集操作3-查重與篩選 8、練習(xí)-斐波那契數(shù)列

9、練習(xí)-百元百雞問(wèn)題

1、機(jī)器學(xué)習(xí)入門(mén) 2、sk-learn機(jī)器學(xué)習(xí)庫(kù)

3、預(yù)測(cè)算法原理與使用場(chǎng)景 4、算法調(diào)用、參數(shù)設(shè)置

5、特征選擇、特征工程 6、回歸預(yù)測(cè)模型實(shí)戰(zhàn)

7. 分類預(yù)測(cè)試模型實(shí)戰(zhàn) 8. 聚類模型實(shí)戰(zhàn)

9、集成學(xué)習(xí) 10、模型優(yōu)化

案例-1:BI電商數(shù)據(jù)市場(chǎng)分析項(xiàng)目實(shí)戰(zhàn)

案例-2:BI電商數(shù)據(jù)客戶分析項(xiàng)目實(shí)戰(zhàn)

案例-3:BI可視化關(guān)于公司運(yùn)營(yíng)情況的相關(guān)分析

案例-4:基于Tableau的客戶主題對(duì)客戶進(jìn)行合理分群

案例-5:基于Tableau的營(yíng)銷(xiāo)主題分析如何衡量媒體的營(yíng)銷(xiāo)價(jià)值

案例-6:基于Tableau的保公司索賠情況分析

1、數(shù)據(jù)可視化的概念 2、 數(shù)據(jù)可視化的意義

3、 數(shù)據(jù)可視化的對(duì)比 4、 數(shù)據(jù)可視化的分類

5、數(shù)據(jù)可視化圖表舉例 6、 數(shù)據(jù)可視化應(yīng)用領(lǐng)域

7、數(shù)據(jù)可視化步驟 8、 數(shù)據(jù)可視化工具梯度

9、圖表呈現(xiàn)流程 10、數(shù)據(jù)報(bào)告撰寫(xiě)

1、了解電商業(yè)務(wù)背景

2、以客戶分析為應(yīng)用場(chǎng)景,對(duì)數(shù)據(jù)進(jìn)行加載、清洗、分析及模型建立

3、以貨品分析為應(yīng)用場(chǎng)景,針對(duì)品類銷(xiāo)售及商品銷(xiāo)售進(jìn)行分析

4、以流量分析為應(yīng)用場(chǎng)景,針對(duì)流量渠道及關(guān)鍵詞做有效分析

5、根據(jù)業(yè)務(wù)實(shí)際背景做輿情分析

6、將分析結(jié)果及建議制成報(bào)告進(jìn)行發(fā)布

商業(yè)項(xiàng)目實(shí)戰(zhàn)01:電商數(shù)據(jù)分析——分析方式之漏斗模型及數(shù)據(jù)量化

商業(yè)項(xiàng)目實(shí)戰(zhàn)02:電商用戶行為與營(yíng)銷(xiāo)模型實(shí)戰(zhàn)

商業(yè)項(xiàng)目實(shí)戰(zhàn)03:金融風(fēng)控模型的構(gòu)建與分析實(shí)戰(zhàn)

商業(yè)項(xiàng)目實(shí)戰(zhàn)04:展會(huì)電話邀約項(xiàng)目數(shù)據(jù)分析實(shí)戰(zhàn)

商業(yè)項(xiàng)目實(shí)戰(zhàn)05:零售行業(yè)數(shù)據(jù)分析