课程介绍

章节目录：

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