数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。 互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。在“原子世界”中，抽样调查是经常采用的数据获取方式，主要原因就是大范围普查的成本太高――典型的应用就是电视收视率。而在互联网时代，针对互联网行业的研究，在局部（例如某个网站或同类网站的集群）做到低成本、高效率的全样本数据采集是有可能实现的。同样，“原子世界”中的很多数据不具备连续性，而互联网世界中的数据却有可能做到连续更新，甚至实时――典型的应用就是网站全样本、全天候数据统计和分析研究。 与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，

互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。例如，结合传统的消费心理学理论，构建丰富的互联网信息消费行为模型。 就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。数据分析师在这方面大有可为。 此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。例如，收集内容消费者信息、形成内容消费者信息数据库、根据数据库的信息与内容消费者保持即时联系、传递产品和服务的信息、数据库的更新和维护。由此，数据分析师提供的数据还将成为定制产品、个性化服务的重要依据：借助先进的数据库技术，对内容资源进行深入挖掘和多次利用，提供个人偏好的内容服务，或借助数字印刷和出版技术，实现按需生产产品并交付出版印刷。

主要内容
数据这个行业
数据分析的商业应用
数据分析思维
数据分析常用方法
实务中的数据分析师
项目案例
2017年的云总结
你知道Wolfram Alpha吗
常见商业场景：战略制定、
客户理解、营销活动

主要内容
数据化指标体系概述
获客类指标
营销类指标
预警类指标
产品类指标
运营指标体系设计
项目案例
客户流失潜伏期识别
客户覆盖率及
产品线竞争力分析
产品上下架业务影响预测

主要内容
描述性统计分析概述
概率与频数
数据的度量
概率的分布
相关性分析
统计报表可视化
项目案例
历投递成功率概率分布分析
月度收益率与
通货膨胀率相关分析
产品输送客户能力面积图

主要内容
人类学习与机器学习
模型和算法
数据挖掘问题分类
数据挖掘任务确定
数据挖掘流程
项目案例
电商运营分析
电商行为分析
电商竞品分析