人人都能学会数据分析 | 完结

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

数据分析正变的越来越重要，已经渗透到互联网的各个岗位中

数据分析不再是某一岗位的专有技能，而是每个互联网从业者入行必学，在职必会，升职必备的标配技能

四大维度，16周，全面锻造你的数据分析知识体系，理顺数据分析工作流程

实用、精炼、高效，纯干货，一切为实际应用服务，一切以解决实际业务问题为导向

〖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、创建图表
  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：电商零售数据 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