数据分析概述
数据分析：对大量有序或无序的数据进行信息的集中整合、运算提取、展示等操作，通过这些操作找出研究对象的内在规律。
目的：揭示事物运动、变化、发展的规律。
意义：提高系统运行效率、优化系统作业流程、预测未来发展趋势。
课程大纲
前导基础
数据分析入门
1、数据分析入门
2、数据分析的意义
3、数据分析的流程控制
4、数据分析的思路与方法
1、数据分析入门
2、数据分析的意义
3、数据分析的流程控制
4、数据分析的思路与方法
逻辑为先—XMIND
1、xmind简介与基本使用
2、学习方法课堂案例
3、滴答拼车实战演练
4、其他思维导图介绍
1、xmind简介与基本使用
2、学习方法课堂案例
3、滴答拼车实战演练
4、其他思维导图介绍
专业展现—PPT
1、专业展现——PPT
2、基本简介
3、几个不得不说的真相
4、经验分享
5、实战动画
1、专业展现——PPT
2、基本简介
3、几个不得不说的真相
4、经验分享
5、实战动画
数据分析工具安装与环璄配置
1、Excel工具的安装、配置与环璄测试
2、Power BI工具的安装、配置与环璄测试
3、Tableau工具的安装、配置与环璄测试
4、MySQL数据库的安装、配置与环璄测试
5、SPSS数据挖掘工具安装、配置与环璄测试
6、SAS数据挖掘工具安装、配置与环璄测试
7、Python开发工具的安装、配置与开发环璄测试
1、Excel工具的安装、配置与环璄测试
2、Power BI工具的安装、配置与环璄测试
3、Tableau工具的安装、配置与环璄测试
4、MySQL数据库的安装、配置与环璄测试
5、SPSS数据挖掘工具安装、配置与环璄测试
6、SAS数据挖掘工具安装、配置与环璄测试
7、Python开发工具的安装、配置与开发环璄测试
Linux基础应用之大数据必知必会
1、虚拟机的安装配置
2、虚拟机网络配置
3、安装Linux
4、利用SSH连结Linux
5、Linux基础命令
6、Linux系统管理
1、虚拟机的安装配置
2、虚拟机网络配置
3、安装Linux
4、利用SSH连结Linux
5、Linux基础命令
6、Linux系统管理
数据分析的Python语言基础
1、python课程的目的
2、使用JupyterLab
3、python数据类型
4、元组、列表、字典
5、python分支结构
6、python字符串处理+随机函数
7、pthon循环结构
8、python面向过程函数操作
9、python面向对象
1、python课程的目的
2、使用JupyterLab
3、python数据类型
4、元组、列表、字典
5、python分支结构
6、python字符串处理+随机函数
7、pthon循环结构
8、python面向过程函数操作
9、python面向对象
问题定义与数据获取
数据分析项目流程
1、问题界定
2、问题拆分
3、指标确定
4、数据收集
5、报告方案
6、趋势预测
7、数据分析
8、趋势预测
9、报告方案
1、问题界定
2、问题拆分
3、指标确定
4、数据收集
5、报告方案
6、趋势预测
7、数据分析
8、趋势预测
9、报告方案
问题的定义
1、边界：明确问题的边界
2、逻辑：确定业务的关键指标和逻辑
3、定性分析与定量分析
1、边界：明确问题的边界
2、逻辑：确定业务的关键指标和逻辑
3、定性分析与定量分析
分析问题的模型
1、5W2H
2、SWORT
3、4P管理模型
4、CATWOE
5、STAR原则、波士顿5力模型
1、5W2H
2、SWORT
3、4P管理模型
4、CATWOE
5、STAR原则、波士顿5力模型
数据清洗与处理
1、数据科学过程 2、数据清洗定义
3、数据清洗任务 4、数据清洗流程
5、数据清洗环境 6、数据清洗实例说明
7、数据标准化 8、数据格式与编码
9、数据清洗常用工具 10、数据清洗基本技术方法
11、数据抽取 12、数据转换与加载
1、数据科学过程 2、数据清洗定义
3、数据清洗任务 4、数据清洗流程
5、数据清洗环境 6、数据清洗实例说明
7、数据标准化 8、数据格式与编码
9、数据清洗常用工具 10、数据清洗基本技术方法
11、数据抽取 12、数据转换与加载
内部数据的获取
1、产品数据 2、用户数据
3、行为数据 4、订单数据
外部公开数据
1、开放网站 2、政务公开数据
3、数据科学竞赛 4、数据交易平台
5、行业报告 6、指数平台
1、产品数据 2、用户数据
3、行为数据 4、订单数据
外部公开数据
1、开放网站 2、政务公开数据
3、数据科学竞赛 4、数据交易平台
5、行业报告 6、指数平台
基于业务的模型
1、用户画像
2、 销售影响因素
3、市场变化因素
4、AARRR流量模型
5、金定塔思考方法
Web网站数据抓取
1、财经数据抓取 2、投资数据抓取
3、房产数据抓取 4、舆情数据抓取
5、娱乐数据抓取 6、新媒体数据抓取
数据查询与提取 SQL基础操作
1、建库 2、建表
3、建约束 4、创建索引
5、添加、删除、修改数据 。。。。。。。
1、用户画像
2、 销售影响因素
3、市场变化因素
4、AARRR流量模型
5、金定塔思考方法
Web网站数据抓取
1、财经数据抓取 2、投资数据抓取
3、房产数据抓取 4、舆情数据抓取
5、娱乐数据抓取 6、新媒体数据抓取
数据查询与提取 SQL基础操作
1、建库 2、建表
3、建约束 4、创建索引
5、添加、删除、修改数据 。。。。。。。
数据库学习资料
商业智能（BI）
通过商业智能，将数据分析人员从大量、简陋的数据图表分析中解放出来，通过数据仓库整合企业数据，采用商业智能（BI, Business Intelligence）报表工具实现美观清晰、模块化、动态更新的数据可视化展示，让管理层或决策者能够基于事实结果做决策。
大数据分析
随着互联网的发展，全世界2020年产生的数据约为50ZB，而且每年都在增长，传统的商业智能数据分析已经满足不了企业对如此大量、复杂的数据进行处理分析。
企业需要更加强大的数据分析工具，比如大数据开发框架，它能支持企业海量数据运行和分析，结合商业智能报表工具，可以实现对数据的实时监控和展示，并且能够通过对历史数据分析建立相应的预测模型，对未来趋势进行预测。
