上海大數(shù)據(jù)分析師培訓(xùn)

數(shù)據(jù)分析課程介紹

課程簡(jiǎn)介

數(shù)據(jù)是信息時(shí)代的“新能源”。從金融到零售，從電商到體育，數(shù)據(jù)科學(xué)都成為成功決策的基礎(chǔ)， 廣泛應(yīng)用在營(yíng)銷優(yōu)化、風(fēng)險(xiǎn)控制、客戶關(guān)系等商業(yè)領(lǐng)域。 【數(shù)據(jù)分析】以數(shù)據(jù)分析標(biāo)準(zhǔn)大綱要求從Excel數(shù)據(jù)分析技能，SPSS數(shù)據(jù)處理分析， python工具進(jìn)行數(shù)據(jù)分析流程技術(shù)系統(tǒng)講解，還將從金融、醫(yī)藥、航空、電商、房地產(chǎn) 等行業(yè)需求出發(fā)全部用實(shí)際案例教學(xué)來(lái)使所學(xué)項(xiàng)目課程更能符合企業(yè)要求。

學(xué)習(xí)目標(biāo)

●零基礎(chǔ)入門，掌握數(shù)據(jù)分析常用方法、基本原理及分析思路

●基于主流分析工具手把手教學(xué)操作，數(shù)據(jù)的錄入、整理、清洗、處理、分析、輸出、解讀等，會(huì)使用軟件進(jìn)行數(shù)據(jù)處理及分析。

●掌握數(shù)據(jù)可視化能力和統(tǒng)計(jì)分析能力，熟練應(yīng)用數(shù)據(jù)可視化工具軟件POWER BI

●數(shù)據(jù)分析相關(guān)的編程語(yǔ)言和數(shù)據(jù)庫(kù)掌握，Python和SQL。Python用于數(shù)據(jù)清洗和預(yù)處理，機(jī)器學(xué)習(xí)等任務(wù)，而SQL則主要用于數(shù)據(jù)庫(kù)查詢。

學(xué)習(xí)對(duì)象和基礎(chǔ)

●周末時(shí)間充裕、基礎(chǔ)薄弱

●專科本科在校生

●客戶經(jīng)理、產(chǎn)品經(jīng)理等崗位欲提升職業(yè)技能人員

●待業(yè)、期待轉(zhuǎn)行從事數(shù)據(jù)分析工作人員

數(shù)據(jù)分析課程章節(jié)

第一部分 數(shù)據(jù)分析師基礎(chǔ)理論和實(shí)踐

●數(shù)據(jù)加工處理方法

●數(shù)據(jù)可視化方法

●多維度數(shù)據(jù)集搭建方法

●透視分析

●現(xiàn)狀、原因分析

●宏使用方法簡(jiǎn)介

第二部分 數(shù)據(jù)處理技術(shù)

●SPSS軟件及統(tǒng)計(jì)分析過(guò)程方法論簡(jiǎn)介

●統(tǒng)計(jì)分析過(guò)程方法論應(yīng)用：一個(gè)調(diào)查研究的實(shí)例

●SPSS for Windows的各個(gè)模塊簡(jiǎn)介

●數(shù)據(jù)輸入與建立

●數(shù)據(jù)管理與變換

●SPSS統(tǒng)計(jì)圖表和報(bào)表展示：

●打印與存儲(chǔ)輸出

●高 級(jí)數(shù)據(jù)修改

●文件管理

●SPSS編程

●實(shí)用特性舉例

●樞軸表編輯器的用戶化輸出

●集中趨勢(shì)及離散趨勢(shì)分析

●正態(tài)檢驗(yàn)

●非參數(shù)檢驗(yàn)

●變量間關(guān)系描述

●SPSS交叉表分析過(guò)程

●單樣本及雙樣本T檢驗(yàn)

●方差分析(ANOVA)

●多選題變量分析及SPSS實(shí)現(xiàn)

●如何選擇合適的統(tǒng)計(jì)學(xué)方法

第三部分 使用 Transact-SQL 進(jìn)行數(shù)據(jù)查詢

●T-SQL查詢

●SELECT查詢

●多表查詢

●數(shù)據(jù)排序和篩選

●SQL Server 12/16 的數(shù)據(jù)類型

●使用內(nèi)置函數(shù)

●分組和匯總數(shù)據(jù)

●使用子查詢

●使用Table表達(dá)式

●使用SET運(yùn)算符

●使用Window排 名和聚合函數(shù)

●Pivoting和 Grouping Sets

●SQL Server 12/16元數(shù)據(jù)查詢

●執(zhí)行存儲(chǔ)過(guò)程

●T-SQL編程

●異常錯(cuò)誤處理

●執(zhí)行事務(wù)

●提高查詢性能

第四部分 SAS數(shù)據(jù)分析

●SAS基礎(chǔ)概要

●SAS系統(tǒng)入門

●學(xué)習(xí)SAS句法

●熟悉SAS數(shù)據(jù)集

●讀入SAS數(shù)據(jù)集

●讀入Excel格式數(shù)據(jù)

●讀入固定格式的原始數(shù)據(jù)文件

●整理和清洗數(shù)據(jù)

●生成數(shù)據(jù)

●拼接SAS數(shù)據(jù)集

●增強(qiáng)報(bào)表

●生成匯總報(bào)表

●使用SAS/GRAPH作圖入門（自學(xué)）

第五部分 R語(yǔ)言實(shí)戰(zhàn)

●數(shù)據(jù)結(jié)構(gòu)概述

●向量

●因子

●矩陣

●數(shù)據(jù)框

●列表和函數(shù)

●向量化計(jì)算和apply

●線性回歸的思想

●回歸結(jié)果的檢查

●決定系數(shù) 預(yù)測(cè) 和多元線性回歸

●一元線性回歸演示

●多項(xiàng)式回歸演示

●殘差分析演示

●多元線性回歸演示

●關(guān)聯(lián)規(guī)則介紹

●關(guān)聯(lián)規(guī)則演示

●決策樹介紹C4.5

●幾種分類算法介紹

●評(píng)價(jià)模型準(zhǔn)確性

第六部分 python數(shù)據(jù)分析和人工智能

●數(shù)據(jù)科學(xué)和AI概述

●數(shù)據(jù)結(jié)構(gòu)和算法

●Python 數(shù)據(jù)分析與數(shù)據(jù)挖掘簡(jiǎn)介、環(huán)境搭建

●Python數(shù)據(jù)分析工具箱

●數(shù)據(jù)加載與存儲(chǔ)

●數(shù)據(jù)規(guī)范化和處理

●數(shù)據(jù)分析

●數(shù)據(jù)挖掘

●數(shù)據(jù)可視化

●項(xiàng)目實(shí)踐

第七部分 POWER BI 數(shù)據(jù)可視化分析技術(shù)實(shí)戰(zhàn)

●模塊1：自助式 BI 解決方案簡(jiǎn)介

●模塊2：Power BI 簡(jiǎn)介

●模塊3：Power BI數(shù)據(jù)源

●模塊4：整理和合并數(shù)據(jù)

●模塊5：數(shù)據(jù)建模和DAX

●模塊6：互動(dòng)數(shù)據(jù)視覺效果

●模塊7：直接連接

●模塊8：使用 Power BI 開發(fā)

●模塊9：Power BI 移動(dòng)端

第八部分 Hadoop大數(shù)據(jù)技術(shù)實(shí)戰(zhàn)

●Hadoop安裝配置

●Hive，Impala實(shí)戰(zhàn)解析

●Hbase 實(shí)戰(zhàn)解析

●Python Web 開發(fā)

●Flume-Ng實(shí)戰(zhàn)解析

●Oozie任務(wù)調(diào)度系統(tǒng)使用介紹

●Hue集成開放平臺(tái)使用介紹

●Solr，Lily Hbase 實(shí)戰(zhàn)解析

●Spark實(shí)戰(zhàn)解析

附送：電商用戶行為分析系統(tǒng)案例