大數(shù)據(jù)分析就業(yè)班
蘇州大數(shù)據(jù)分析就業(yè)班
| 授課機(jī)構(gòu) | 蘇州博為峰軟件培訓(xùn) |
| 上課地點 | 蘇州姑蘇石路街道|詳細(xì)地圖 |
| 成交/評價 | 5.0分 |
| 聯(lián)系電話 | 400-0808-102 |
|
|
|
課程詳情
-
什么是大數(shù)據(jù)分析
隨著大數(shù)據(jù)(BIG DATA)時代的來臨，數(shù)據(jù)倉庫、數(shù)據(jù)安全、數(shù)據(jù)分析、數(shù)據(jù)挖掘等圍繞大數(shù)據(jù)的商業(yè)價值利用，逐漸成為企業(yè)和資本爭相追捧的焦點。商業(yè)大數(shù)據(jù)分析，是指通過技術(shù)和數(shù)據(jù)分析工具對規(guī)模巨大的商業(yè)數(shù)據(jù)進(jìn)行多維度分析，洞悉用戶屬性特征和行為習(xí)慣，挖掘用戶個性化需求，預(yù)測業(yè)務(wù)狀況,改進(jìn)決策流程，并通過自動化流程實現(xiàn)用戶交互。
-
數(shù)據(jù)分析師含義
數(shù)據(jù)分析師是指專門從事數(shù)據(jù)搜集、整理、 分析,并依據(jù)數(shù)據(jù)做出行業(yè)研究、評估和預(yù)測的專業(yè)人員。阿里巴巴研究員薛貴榮曾表示，“數(shù)據(jù)分析師就是一群玩數(shù)據(jù)的人，玩出數(shù)據(jù)的商業(yè)價值，讓數(shù)據(jù)變成生產(chǎn)力。
零基礎(chǔ)想入行
| 課程大綱 | 課題名稱 | 課程內(nèi)容 |
| 前導(dǎo)基礎(chǔ) | 數(shù)據(jù)分析入門 |
1、數(shù)據(jù)分析入門 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 |
| 邏輯為先—XMIND |
1、xmind簡介與基本使用 2、學(xué)習(xí)方法課堂案例 3、滴答拼車實戰(zhàn)演練 4、其他思維導(dǎo)圖介紹 |
|
| 專業(yè)展現(xiàn)—PPT |
1、專業(yè)展現(xiàn)——PPT 2、基本簡介 3、幾個不得不說的真相 4、經(jīng)驗分享 5、實戰(zhàn)動畫 |
|
| 數(shù)據(jù)分析工具安裝與環(huán)璄配置 |
1、Excel工具的安裝、配置與環(huán)璄測試 2、Power BI工具的安裝、配置與環(huán)璄測試 3、Tableau工具的安裝、配置與環(huán)璄測試 4、MySQL數(shù)據(jù)庫的安裝、配置與環(huán)璄測試 5、SPSS數(shù)據(jù)挖掘工具安裝、配置與環(huán)璄測試 6、SAS數(shù)據(jù)挖掘工具安裝、配置與環(huán)璄測試 7、Python開發(fā)工具的安裝、配置與開發(fā)環(huán)璄測試 |
|
| Linux基礎(chǔ)應(yīng)用之大數(shù)據(jù)必知必會 |
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 |
|
| 數(shù)據(jù)分析的Python語言基礎(chǔ) |
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面向過程函數(shù)操作 9、python面向?qū)ο?/p> |
|
| 問題定義與數(shù)據(jù)獲取 | 數(shù)據(jù)分析項目流程 |
1、問題界定 2、問題拆分 3、指標(biāo)確定 4、數(shù)據(jù)收集 5、報告方案 6、趨勢預(yù)測 7、數(shù)據(jù)分析 8、趨勢預(yù)測 9、報告方案 |
| 問題的定義 |
1、邊界：明確問題的邊界 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 |
|
| 分析問題的模型 |
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、用戶畫像 2、 銷售影響因素 3、市場變化因素 4、AARRR流量模型 5、金定塔思考方法 |
|
| 數(shù)據(jù)清洗與處理 |
1、數(shù)據(jù)科學(xué)過程 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)清洗實例說明 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 |
|
| 內(nèi)部數(shù)據(jù)的獲取 |
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) |
|
| 外部公開數(shù)據(jù) |
1、開放網(wǎng)站 2、政務(wù)公開數(shù)據(jù) 3、數(shù)據(jù)科學(xué)競賽 4、數(shù)據(jù)交易平臺 5、行業(yè)報告 6、指數(shù)平臺 |
|
| Web網(wǎng)站數(shù)據(jù)抓取 |
1、財經(jīng)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、娛樂數(shù)據(jù)抓取 6、新媒體數(shù)據(jù)抓取 |
|
| 數(shù)據(jù)查詢與提取 | SQL基礎(chǔ)操作 |
1、建庫 2、建表 3、建約束 4、創(chuàng)建索引 5、添加、刪除、修改數(shù)據(jù) |
| 利用SQL完成數(shù)據(jù)的預(yù)處理 |
1、缺失值處理：對缺失數(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) |
|
| 利用SQL進(jìn)行業(yè)務(wù)數(shù)據(jù)查詢 |
1、利用SQL進(jìn)行簡單的業(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 |
|
| 高級SQL分析 |
1、聚合、分組、排序 2、函數(shù) 3、行列轉(zhuǎn)換 4、視圖與存儲過程 |
|
| 業(yè)務(wù)指標(biāo)統(tǒng)計分析 |
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) |
|
| 數(shù)理統(tǒng)計基礎(chǔ) | 數(shù)據(jù)分析的數(shù)學(xué)基礎(chǔ) |
1、計算和連續(xù)函數(shù)的性質(zhì) 2、導(dǎo)數(shù)/微分的概念和運算法則 3、積分的概念和運算法則 4、冪級數(shù)、泰勒級數(shù)、傅里葉級數(shù)、傅里葉變換 5、向量的概念和運算 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、行列式的計算和性質(zhì) 8、凸優(yōu)化 |
| Python數(shù)據(jù)分析 | 基于Numpy庫的Python數(shù)據(jù)科學(xué)計算 |
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)計函數(shù) |
| 基于Pandas庫的Python數(shù)據(jù)處理與分析 |
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 3、散點圖：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 |
|
| 大數(shù)據(jù)分析 | HIVE大數(shù)據(jù)查詢平臺搭建 |
1、大數(shù)據(jù)概述 2、?數(shù)據(jù)集群 Hadoop 架構(gòu) 3、Hive開發(fā)環(huán)璄搭建 |
| HIVE與MySQL進(jìn)行數(shù)據(jù)交換 |
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 |
|
| HQL海量業(yè)務(wù)數(shù)據(jù)需求查詢 |
1、Hive數(shù)倉 2、HQL 數(shù)據(jù)查詢基礎(chǔ)語法 |
|
| HQL海量業(yè)務(wù)數(shù)據(jù)需求查詢 |
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 |
|
| HQL業(yè)務(wù)數(shù)據(jù)指標(biāo)統(tǒng)計分析 |
1、分區(qū)表 2、分桶表 3、關(guān)聯(lián)表 4、數(shù)據(jù)查詢 |
|
| HQL海量數(shù)據(jù)查詢優(yōu)化 |
1、常?內(nèi)置函數(shù)及開窗函數(shù) 2、特殊類型數(shù)組查詢?式 3、HQL 查詢語句優(yōu)化技巧 |
|
| 建模與數(shù)據(jù)挖掘 | 數(shù)據(jù)挖掘與分析算法 |
1、描述統(tǒng)計 2、相關(guān)分析 3、判別分析 4、方差分析 5、時間序列分析 6、主成分分析 7、信度分析 8、因子分析 9、回歸分析 10、對應(yīng)分析 11、列聯(lián)表分析 12、聚類分析 |
| 數(shù)據(jù)挖掘工具SPSS |
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 |
|
| HQL海量業(yè)務(wù)數(shù)據(jù)需求查詢 |
1、課程規(guī)劃與簡介 2、數(shù)據(jù)挖掘項目生命周期 3、簡單的統(tǒng)計學(xué)基礎(chǔ) 4、用Modeler試手挖掘流程 5、數(shù)據(jù)挖掘的知識類型 6、商業(yè)分析基礎(chǔ)簡介 7、信度分析 8、因子分析 9、回歸分析 10、對應(yīng)分析 11、列聯(lián)表分析 12、聚類分析 |
|
| 數(shù)據(jù)挖掘工具SAS |
1、SAS概述：SAS簡介與教育版安裝 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)-百元百雞問題 |
|
| 人工智能預(yù)測算法 | 人工智能實戰(zhàn)十大預(yù)測數(shù)據(jù)算法 |
1、機(jī)器學(xué)習(xí)入門 2、sk-learn機(jī)器學(xué)習(xí)庫 3、十大預(yù)測算法原理與使用場景 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)測模型實戰(zhàn) 7. 分類預(yù)測試模型實戰(zhàn) 8. 聚類模型實戰(zhàn) 9、集成學(xué)習(xí) 10、模型優(yōu)化 |
| 可視化商業(yè)報告撰寫 | 商業(yè)智能與可視化分析實戰(zhàn) |
案例-1：BI電商數(shù)據(jù)市場分析項目實戰(zhàn) 案例-2：BI電商數(shù)據(jù)客戶分析項目實戰(zhàn) 案例-3：BI可視化關(guān)于公司運營情況的相關(guān)分析 案例-4：基于Tableau的客戶主題對客戶進(jìn)行合理分群 案例-5：基于Tableau的營銷主題分析如何衡量媒體的營銷價值 案例-6：基于Tableau的保公司索賠情況分析 |
| 數(shù)據(jù)可視化報告撰寫 |
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)報告撰寫 |
|
| 實戰(zhàn)：O2O電商平臺功能優(yōu)化效果評估及可視化數(shù)據(jù)分析報告撰寫 |
1、了解電商業(yè)務(wù)背景 2、以客戶分析為應(yīng)用場景，對數(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)用場景，針對品類銷售及商品銷售進(jìn)行分析 4、以流量分析為應(yīng)用場景，針對流量渠道及關(guān)鍵詞做有效分析 5、根據(jù)業(yè)務(wù)實際背景做輿情分析 6、將分析結(jié)果及建議制成報告進(jìn)行發(fā)布 |
|
| 商業(yè)分析項目實戰(zhàn) | 商業(yè)項目實戰(zhàn) |
商業(yè)項目實戰(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)項目實戰(zhàn)02：電商用戶行為與營銷模型實戰(zhàn) 商業(yè)項目實戰(zhàn)03：金融風(fēng)控模型的構(gòu)建與分析實戰(zhàn) 商業(yè)項目實戰(zhàn)04：展會電話邀約項目數(shù)據(jù)分析實戰(zhàn) 商業(yè)項目實戰(zhàn)05：零售行業(yè)數(shù)據(jù)分析 |
物美
博為峰，中國職業(yè)人才培訓(xùn)領(lǐng)域的先行者，隸屬于上海博為峰軟件技術(shù)股份有限公司（股票代碼：836392，2020年4月入選新三板創(chuàng)新層）。 公司總部位于上海，在北京、深圳、廣州、南京、西安、成都、杭州、合肥、重慶、南昌、長沙、武漢、蘇州、石家莊、濟(jì)南、鄭州、天津、青島等地均設(shè)有分支服務(wù)機(jī)構(gòu)。
十?dāng)?shù)年來，博為峰始終堅守教學(xué)品質(zhì)，真誠服務(wù)學(xué)員，發(fā)展至今，每年畢業(yè)學(xué)員10000+，就業(yè)率長期保持在99%以上。博為峰已先后為7000多家國內(nèi)外企業(yè)輸送軟件技術(shù)精英，未來還將根據(jù)產(chǎn)業(yè)變遷和技術(shù)革新開設(shè)更多的緊缺人才實訓(xùn)項目：幫助更多的應(yīng)屆畢業(yè)生和職場新人找到滿意工作，實現(xiàn)職業(yè)夢想；幫助更多的用人單位輕松招到可用之才，推動企業(yè)發(fā)展和產(chǎn)業(yè)進(jìn)步。
【教學(xué)成果】
孵化出國內(nèi)較大的軟件測試品牌、社區(qū)-51testing，是中國軟件測試人才的搖籃。
博為峰累計已畢業(yè)70000+學(xué)員，開班上千期，就業(yè)率99%以上，學(xué)員入職7000多家企業(yè)，舉辦90場公益沙龍，出版16本叢書，發(fā)型電子雜志57期。
姑蘇區(qū)廣濟(jì)南路18號中盛艾美寫字樓805室
