上海嘉定区CDA数据分析师培训周末班怎么收费

上海嘉定区CDA数据分析师培训周末班

在数据时代快速发展的现在，涌现出一批高薪的岗位，像大数据开发工程师、数据挖掘工程师、数据分析师等等。相对开发工程师等类型更偏向于技术的岗位而言，数据分析师对于学习者的要求同样严格。

CDA数据分析师是做什么的呢？

指在互联网、零售、金融、电信、医学、旅游等行业专门从事数据的采集、清晰、处理、分析并能制作业务报告、提供决策的新型数据分析人才。CDA数据分析师覆盖了国内企业招聘数据分析师所要求的

咨询课程

所有技能，包括概率统计知识、软件应用、数据挖掘、数据库、数据报告、业务应用等。简而言之，CDA数据分析师就是在数据领域的全攻略人才，是企业长期发展和优化产业结构的数据支撑力量。

咨询课程

CDA数据分析师分为4个等级，其标准都是怎么评定的呢？

CDAlevel Ⅰ：业务数据分析师。专指政府、金融、电信、零售等行业前端业务人员；从事市场、管理、财务、供应、咨询等职位业务人员；非统计、计算机专业背景基础薄弱入行和转行就业人员。CDALevelⅠ业务数据分析师需要掌握概率论和统计理论基础，能够熟练运用Excel、SPSS、SAS等一门专业分析软件，有良好的商业理解能力，能够根据业务问题指标利用常用数据分析方法进行数据的处理与分析，并得出逻辑清晰的业务报告。

CDALevelⅡ：建模分析师。一年以上数据分析岗位工作经验，或通过CDALevelⅠ认证半年以上。专指政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员。在LevelⅠ的基础上更要求掌握多元统计、时间序列、数据挖掘等理论知识，掌握高级数据分析方法与数据挖掘算法，能够熟练运用SPSS、SAS、Matlab、R等至少一门专业分析软件，熟悉适用SQL访问企业数据库，结合业务，能从海量数据提取相关信息，从不同维度进行建模分析，形成逻辑严密能够体现整体数据挖掘流程化的数据分析报告。

CDALevelⅡ：大数据分析师。一年以上数据分析岗位工作经验，或通过CDALevelⅠ认证半年以上。专指政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与云端大数据的人员。在LevelⅠ的基础上要求掌握JAVA语言和linux操作系统知识，能够掌握运用Hadoop、Spark、Storm等至少一门专业大数据分析软件，从海量数据中提取相关信息，并能够结合R、python等软件，形成严密的数据分析报告。

CDALevelⅢ：数据分析*。三年以上数据分析岗位工作经验，或通过二级认证半年以上。专指从事各行业、企业整体数据资产的整合、管理的专业人员，面向用户数据创造不同的产品与决策，一般指首席分析师（CA）。数据分析*需要掌握CDALevelⅡ的所有理论及技术要求，还应了解计算机技术，软件开发技术，大数据分析架构及企业战略分析方法，能带领团队完成不同主题数据的有效整合与管理。对行业、业务、技术有敏锐的洞察力和判断力，为企业发展提供全方面数据支持。

学习目标及学习对象是什么

学习目标

熟练掌握Excel、MySQL、Power BI等数据分析软件
熟练掌握数据清洗，可以完成缺失值填补、异常值处理等
精通数据可视化，制作可视化分析报表
可以独立撰写业务分析报告
SQL数据库应用基础
大型数据分析综合项目现场实战
掌握数据分析在各行业的应用场景
掌握业务数据分析模型与分析方法

咨询详情

学习对象和基础

基础薄弱学生、转行人士，低门槛无忧就业
基础薄弱数据类岗位从业者，系统提升专业技能
产品、运营、营销、财务等业务部门在职者，提升数字化工作效率
研发、中台、技术类部门在职者，数字化赋能支持业务发展
企业创始人、经理人、管理咨询类岗位从业者，把握数字化转型方案及流程

咨询详情

课程大纲

1、2章

预科学习（工具篇）
1Excel 预习视频
2数据库预习视频
3Power BI 预习视频
4Linux基础视频（需在 Hive 课程之前看完）
5基础数学预习视频 ( 选看 )
预科学习（业务篇）
业务前台人员数据思维训练营

3章

业务数据分析 (Excel)
1表格结构数据的特征、获取方法
2表格结构数据引用、查询与计算方法
3数据驱动型业务管理（数据埋点、数据治理、数据应用等）
4指标的应用 - 搭建营销运营指标体系
5财务指标的分析与应用
6业务场景指标 - 多场景业务场景指标应用精讲（运营、客户、商品、活动等）
7指标的设计 - 多场景指标设计、使用及分析案例（绩效、运营、销售等）
8业务指标综合分析案例 - 互联网运营业务指标综合分析案例
9可视化分析方法
10业务分析方法应用 - 杜邦分析法、帕累托分析法、四象限分析法
11业务模型应用 - 价值模型、帕累托模型、漏斗模型、RFM 模型
12撰写业务分析报告方法
13电商、互联网、零售行业的数据分析场景介绍
14客户分析 - 电商客户维度综合分析案例（用户生命周期、用户特征、用户行为分析）
15产品分析 - 电商产品维度综合分析案例（商品画像、商品标签、商品定位策略分析）
16运营分析 - 互联网运营业务综合分析案例（运营效果分析、电商漏斗模型分析应用）
17市场分析 - 汽车行业市场分析案例（市场分析报告撰写方法）
18银行综合分析案例 - 银行综合业务分析报告

4章
统计基础与数据预处理（Excel）
1分析的基本概念
2描述性统计与数据预处理
3统计分布
5章
多维数据分析与可视化分析（Power BI）
1表结构数据的特征与获取
2表结构数据加工与使用
3多表透视分析逻辑
4透视分析方法
5多维数据模型
6多表透视分析应用案例 -- 多维透视分析应用案例
7客户分析 - 电商客户运营分析仪表板（潜在客户挖掘、电商运营效果监控、运营指标分析应用）
8产品分析 - 产品进销存追踪监控看板（进销存业务流程分析与监控）
9运营分析 - 电商运营分析驾驶舱（电商获客分析、营销漏斗模型监控分析）
10销售分析 - 服装行业销售情况分析（销售情况监控看板制作方法）
11财务分析 - 地产企业盈利分析（企业利润结构构成及盈利能力分析看板）
12综合实战案例 - 电商综合运营分析仪表板（流量、转化、客单相关指标分析监控）

6章
推断性统计
1参数估计
2假设检验
3AB test
4使用带检验的 AB test 分析运营方案
7章
SQL 数据库(MySQL)
1数据库基本概念
2DDL 数据定义语言（创建、选用、删除数据/表）
3DML 数据操作语言（添加、修改、删除数据）
4单表查询
5查询结果排序、限制查询结果数量
6多表查询
7函数
8SQL 大厂面试题突击训练
9查询应用案例 1 -- 电商多表查询案例
10查询应用案例 2 -- 零售业多表查询案例

8章
数据管理与数据治理简介
1企业决策的四个层次：战略、管理、运营、操作
2企业数据分析能力的演进
3企业运营和操作数据应用
4数据管理基础知识与 DMBOK 知识体系
5企业数据能力建设
6数据治理实操框架
9章
企业架构与数据架构基础
1数据架构的基本概念
2数据模型介绍
3数据建模基础
4数据建模方法
5数据建模规范化
6数据建模案例

11章 Hive SQL
1Linux 系统（复习）
2Linux 常用命令和文件系统（复习）
3分布式存储与计算(Hadoop)
4系统的安装与部署
5Hive 架构原理
6Hive 数据类型
7HiveQL 与应用
大型数据分析综合项目实战(Power BI+SQL)
11跨国企业完整数据分析实战案例
12学生探索性实操
13制作分析报告
14项目现场*评审与 1 V 1 指导

12章

Python 编程基础
1Python 与 Anaconda 简介
2Python 标准数据类型
3基本语法规则
4控制流语句
5自定义函数

13章

Python 数据清洗与可视化
11Numpy 数组分析
12Pandas 数表分析
13Pandas 数据清洗与可视化
14Python 数据可视化包-Matplotlib 介绍
15Python 数据可视化包- Seaborn 介绍与图形绘制
16Python BI 包-Pyecharts 介绍与图形绘制
17分析案例：斯德哥尔摩气候可视化分析
18分析案例：餐饮订单数据清洗与分析
19分析案例：文本数据分析之 QQ 聊天信息可视化分析

14章

Python+SQL 及 Python 自动化
11SQL 数据接入
12Python 连接 SQL
13Python 办公自动化
14实现自动风控报表

15章

ETL 数据接入与数仓
11ETL 基本概念与常用工具
12Kettle 核心概念与配置
13Kettle 转换
14Kettle 作业
15ETL 连接数仓
16ETL 实战项目

16章

数据分析师职业规划课
11职业规划
12职场沟通力
13团队协作力培养
面试技巧一对一辅导
面试技巧指导与简历修改

17章

技能选修
11互联网数字化运营
12何为数据产品经理
13Python 爬虫
14人工智能(深度学习)实战之图像识别
15Tableau 多维可视化分析
16SPSS 统计分析