金职位_人人都能学会数据分析

aixure · 发表于 2020-12-26 13:34:31

【课程介绍】

为运营、产品、市场打造的”专业“课程
为程序员转型产品经理打造的“破圈”课程
从0到1，从工具到思维，系统掌握业务实操型数据分析知识体系
【网盘下载地址SVIP专享通道(电脑版访问)】

游客，如果您要查看本帖隐藏内容请回复

【课程目录】阶段一：快速掌握数据分析必备技能

第1周走进数据分析
开课第一周先带大家对数据分析定义，行业需求及数据分析意图所在，基于这个出发，结合实际的业务应用场景，老师讲带着大家先从认识数据开始，进一步了解数据的不同特性如何为解决不同的问题而存在。

课程安排：
1、走进数据分析
2、多种多样的的数据类型
3、统计指标：集中趋势
4、统计指标：离散趋势
5、统计指标：分布形态
6、异常值的识别与处理
7、数据分析6大步骤

第2周 Excel从入门到表格分析
Excel作为最常用的数据分析工具之一，本周我们将从Excel入手数据分析，会更容易被接受。用一个简单的业务场景，教会学员从0到1的使用数据，展如示数据并讲解数据。

课程安排：
1、Excel功能介绍
2、核心函数库：文本函数、数学函数、逻辑函数、条件聚合函数
3、使用函数对数据进行预处理
4、数据去重、拆分、排序与筛选
5、查找与引用函数
6、使用数据透视表快速汇总
7、认识图表、床架你图标
8、实战：大数据人才需求分析报告

第3周从0开始学SQL
实际业务场景中，企业大部分会使用数据库存储数据，因而SQL成为了主流的数据提取语言，本周通过讲解SQL基础概念和操作，教会学员如何快速提取并清理本地数据，以供后续业务分析

课程安排：
1、什么是SQL
2、认识表、字段、记录
3、MySQL、Navicat的安装与使用
4、基础语法：增删改查
5、数据筛选和排序：like、not、in、order by
6、使用函数计算数据
7、对数据进行分类汇总
8、联表查询
9、存储数据

第4周数据可视化利器 Tableau
Tableau 是最主流的数据可视化工具，通过托拉拽的方式，能将纷繁复杂的表与数据，快速整合为精美的可交互式图表。

课程安排：
1、什么是Tableau
2、Tableau安装
3、如何获取数据？常用网站介绍
4、准备数据
5、构建图表
6、创建仪表板
7、创建故事
8、保存与发布
9、可视化练习：美妆产品销售分析

阶段二：Python实现数据分析

第5周 Python基础语法
以学习自然语言的方式，带你轻松运用Python，并成功编写你的第一个Python程序。

课程安排：
1、学习编程的几个建议
2、什么是Python
3、安装运行环境、开发环境
4、运算符：算术运算、变量赋值
5、数据类型：字符、数字
6、数据容器：列表、集合、字典
7、条件判断语句、循环语句
8、编写一个函数
9、练习：计算销售总额

第6周 Python实现网络爬虫
通过对Python网络库Request、爬虫库BeautifulSoup的讲解，快速掌握网页结构与爬虫原理，成功运行你的第一个网络爬虫脚本。

课程安排：
1、什么是爬虫
2、Request库介绍
3、BeautifulSoup简介
4、尝试改写网页
5、遍历单个页面
6、登录问题
7、爬取整个网站
8、解析JSON
9、存储数据到CSV
10、练习：爬取销售数据

第7周更高效的数据处理与可视化绘图
通过对Python数据分析库Pandas、可视化绘图库Matplotlib的讲解，实现对大数据的快速处理、统计分析与可视化，真正体验到编程带来的高效与便捷。

课程安排：
1、Pandas介绍
2、读取数据
3、清理数据：缺失、重复、异常、空值
4、数据运算、排序与筛选
5、练习：预处理销售数据
6、Matplotlib介绍
7、什么是画布
8、绘制直方图、折线图、散点图
9、调整视觉标签、设置多图并列
10、练习：销售数据可视化

阶段三：建立互联网数据分析框架

第8周初始互联网商业模式
培养对互联网行业、商业模式、用户行为等基础认知，并以用户生命周期为线索，有针对性地搭建数据分析思维框架。

课程安排：
1、互联网行业简介
2、行业研究方法
3、企业研究方法
4、B2C/C2C商业模式
5、O2O/B2B商业模式
6、B2B2C商业模式

第9周解析数据指标体系
以用户生命周期为线索，解析各环节业务指标，帮助你快速定位与拆分数据分析目标。

课程安排：
1、什么是用户生命周期
2、用户指标
3、留存指标
4、时长指标
5、渠道指标
6、功能指标
7、销售指标
8、直播类指标

第10周构建用户画像
通过对用户属性、行为及群体标签的创建，洞察用户画像，并基于此深入理解用户需求，明确目标用户。

课程安排：
1、什么是用户画像
2、创建用户标签
3、构建用户画像
4、什么是RFM模型
5、使用Excel实现RFM模型
6、实战：消费者用户画像分析

阶段四：销售、市场与运营数据分析

第11周用户引流与转化
对标用户生命周期「获客」环节，以电商网站流量分析为例，带你快速了解如何判断渠道推广有效性，并针对流失点完成优化，提高利润比。

课程安排：
1、什么是网站流量
2、什么是漏斗分析
3、AARRR用户增长模型
4、用户下单基本流程
5、分析下单路径中的关键优化点
6、利用Excel绘制漏斗图
7、实战：电商推广渠道分析

第12周分析消费行为
基于对用户下单数据的统计分析，尝试挖掘用户消费行为与营销渠道、用户画像之间的相关性，进一步优化营销渠道与推荐系统。

课程安排：
1、计算复购率
2、计算回购率
3、分析男女用户消费频次是否有差异
4、分析头部用户贡献了多少成交
5、分析哪类商品最畅销
6、相关性分析
7、聚类分析
8、实战：直播带货数据 vs 消费者偏好

第13周预售销售额、调整运营策略
基于以往销售数据的表现，以及对销售因子的统计分析，预测并制定未来销售业绩目标。

课程安排：
1、认识销售数据
2、什么是线性回归模型
3、利用线性回归预测数据
4、销售额影响因素
5、确认销售额优化方向
6、实战：预测电商双十一销售额？
7、共享单车为什么要推广红包车
8、红包策略引导用户再分布
9.、成本优化解决方案

阶段五：基于数据驱动迭代产品设计

第14周促进用户活跃度、提升用户留存
通过产品策略或运营策略，实现全生命周期的用户管理，达成用户促活与留存的业务目标。

课程安排：
1、什么是用户活跃度
2、影响活跃度的因素
3、签到功能、积分体系
4、实战：如何提升用户活跃度
5、使用Excel计算留存率
6、使用aha Moment提升留存
7、如何寻找流失点
8、实战：留存率下降原因分析

第15周使用AB实验迭代功能
以分组测验的方式，对用户进行差异化引导，找到最佳设计模式或功能点，完成运营目标。并学会对异常数据进行监控、预警和解读

课程安排：
1、AB实验的基本概念、应用场景
2、AB实验的统计学原理：假设检验
3、AB实验的业务基础：流量分层
4、AB实验的基本流程
5、AB实验结果的分析与解读
6、实战：AB实验真的有用吗？
7、寻找异常下单行为
8、什么是杜邦分析法
9、实战：识别电商异常数据

第16周撰写数据报告、面试指导
数据报告是必不可少的环节，从框架，构思，讲解思路到演讲技巧都会映射。此外，还将解析数据分析岗的面试要点。

课程安排：
1、数据分析报告结构
2、数据报告的分析思路与框架
3、图表展示
4、ppt排版设计
5、图文排版技巧
6、数据报告演讲技巧
7、常见面试题串讲
8、面试经验分享