第1周 走进数据分析
--1-1 互联网数据分析通用课程-导学 --1-2 从互联网数据分析说起 --2-1 什么是数据 --2-2 什么是统计指标 --2-3 统计指标：集中趋势 --2-4 统计指标：离散趋势 --2-5 统计指标：分布形态 --2-6 识别异常值 --2-7 处理异常值 --2-8 数据分析流程 --2-9 本章小结 第2周 Excel从入门到表格分析
--1-1 Excel基本功能_ --1-2 文本函数_ --1-3 数学函数_ --1-4 处理重复数据_ --1-5 拆分列数据_ --1-6 数据排序和筛选_ --2-1 逻辑函数_ --2-2 条件聚合函数_ --2-3 查找与引用函数_ --2-4 数据透视表_ --2-5 认识图表_ --2-6 制作可视化图表_ --2-7 大数据岗人才需求分析报告_ --2-8 本章小结_ 第3周 从0开始学SQL
--1-1 什么是SQL_ --1-2 认识数据表结构_ --1-3 MySQL安装及配置_ --1-4 安装Navicat_ --1-5 基础语法_ --1-6 数据排序与筛选_ --2-2 对数据进行分类汇总_ --2-3 联表查询_ --2-4 导出数据_ --2-5 本章小结_ 第4周 数据可视化利器 Tableau
--1-1 什么是Tableau_ --1-2 安装Tableau_ --1-3 准备数据_ --1-4 构建图表_ --1-5 创建仪表板_ --1-6 创建故事_ --1-7 保存与发布_ --1-8 可视化练习：美妆产品销售分析_ --1-9 本周小结_ 第5周 Python基础语法
--1-1 学习编程的几个建议_ --1-2 什么是Python_ --1-3 运行环境_ --1-4 开发环境_ --1-5 运算符_ --2-1 数据类型_ --2-2 数据容器_ --2-3 条件判断语句：if、else、elif_ --2-4 循环语句：for、while_ --2-5 循环中止：break,continue_ --2-6 编写一个函数_ --2-7 练习：计算销售额_ --2-8 本章小结 第6周 Python实现网络爬虫
--1-1 什么是爬虫_ --1-2 Requests库入门_ --1-3 认识HTML网页结构_ --1-4 BeautifulSoup库入门_ --2-1 获取目标信息_ --2-2 连续获取多个页面信息_ --2-3 整合爬虫功能函数_ --2-4 数据存储与代码优化_ --3-1 通过API接口获取数据_ --3-2 练习：爬取全部电影数据_ --3-3 练习：爬取全部电影数据_ --3-4 本章小结_ 第7周 更高效的数据处理与可视化绘图
--1-1 Pandas库入门_ --1-2 什么是DataFrame_ --1-3 案例介绍：电影数据分析_ --2-1 读取数据_ --2-2 清理数据重复值、缺失值、拆分_ --2-3 数据运算：按年统计、时间聚合_ --2-4 数据运：算多类型统计_ --2-5 数据运算：评分统计_ --2-6 排序与筛选_ --3-1 练习1：各国每年电影产量_ --3-2 练习3：电影语言频数统计_ --3-3 练习2：各国评分数据_ --3-4 练习：TOP电影排行榜_ --3-5 本章小结_ --4-1 Matplotlib入门_ --4-2 什么是画布_ --4-3 调整视觉元素_ --5-1 直方图：电影年产量_ --5-2 折线图：各国电影年产量_ --5-3 饼图：电影语种统计_ --5-4 散点图：评分分值与人数_ --5-5 热力图：电影类型、评分、数量_ --5-6 箱线图：每年电影评分变化_ --5-7 词云图：电影类型频数统计_ --5-8 案例2：豆瓣电影数据分析报告_ --5-9 本章小结_ 第8周 初始互联网商业模式
--1-1 阶段引导：从数据分析工具，到商业分析思维_ --1-2 互联网行业简介_ --1-3 如何做行业分析_ --1-4 市场规模：直播电商发展时间线_ --1-5 市场规模：直播电商成交额_ --1-6 竞争分析：波特五力模型_ --1-7 价值链：直播生态产业图谱_ --1-8 趋势预测：PEST分析法_ --1-9 案例3：直播电商行业分析报告_ --2-1 互联网岗位解析_ --2-2 数据职能岗发展通道_ --2-3 本章小结_ 第9周 解析数据指标体系
--1-1 用户生命周期、AARRR、RFM_ --1-2 5W2H、逻辑树、AB测试_ --1-3 SWOT、PEST、波特五力_ --2-1 互联网业务分析指标一览_ --2-2 拉新（获客）指标_ --2-3 活跃指标_ --2-4 留存指标_ --2-5 转化（变现）指标_ --2-6 传播指标：K因子_ --2-7 案例4：搭建商业化指标体系_ --2-8 本章小结_ 第10周 构建用户画像
--1-1 什么是流量_ --1-2 拓展：流量数据指标_ --1-3 大流量分析模型：波动、特征、预测_ --2-1 案例：背景与目标_ --2-2 利用Python预处理数据_ --2-3 计算相关性指标_ --2-4 数据标准化：Min-Max_ --2-5 字符串分类：OneHot编码_ --2-6 KMeans建模：利用轮廓系数确定K_ --2-7 练习：最佳KMeans聚类模型_ --2-8 聚类结果分析：样本量与占比_ --2-9 聚类结果分析：特征均值、众数_ --2-10 数值特征对比：雷达图_ --2-11 案例6：基于Kmeans的广告效果聚类分析_001_ --3-1 什么是漏斗分析模型_ --3-2 漏斗分析有哪些应用场景_ --3-3 用户下单流程分析_ --3-4 案例7：利用Excel绘制转化漏斗图_ --3-5 本章小结_ 第11周 用户引流与转化
--1-1 什么是用户画像_ --1-2 数据标签系统：背景介绍_ --1-3 数据标签系统：数据采集、埋点_ --1-4 数据标签系统：构建用户画像_ --1-5 练习：使用SQL提取用户数据_ --1-6 数据标签系统：构建商品画像_ --1-7 练习：使用SQL提取商品数据_ --2-1 什么是RFM模型_ --2-2 利用Excel计算R、F、M分值_ --2-3 设置R、F、M评分标准_ --2-4 计算R、F、M得分_ --2-5 给用户贴标签_ --2-6 RFM评分卡优化：使用K-Means进行数据分组_ --2-7 模型展示与可视化_ --2-8 案例5：基于RFM的用户精细化管理_ --2-9 本章小结_ 第12周 分析消费行为
--1-1 什么是消费行为_ --1-2 消费行为模式的变迁_ --2-1 案例说明：某电商交易数据_ --2-2 趋势分析：金额、频次、人数、产品数_ --2-3 趋势分析：销售额 vs 产品数_ --2-4 趋势分析：消费时间段偏好_ --2-5 个体分析：消费金额_ --2-6 个体分析：消费频次、商品数_ --2-7 商品分析：销售情况、价格分布_ --2-8 使用SQL计算复购率_ --2-9 使用SQL计算回购率_ --3-1 使用SQL计算头部用户贡献额_ --3-2 使用SQL用户平均购买周期_ --3-3 案例8：基于电商的用户消费行为分析_ 第13周 预售销售额、调整运营策略
--1-1 为什么要预测销售额？ --1-2 如何拆解GMV：流量、转化、客单价？ --2-1 测模型的定义与分类 --2-2 练习：使用Excel预测销售额 --2-3 Python回归分析：数据预处理 --2-4 Python回归分析：多项式回归模型 --2-5 Python回归分析：绘图、预测 --2-6 案例9：预测2020天猫双11销售额 --3-1 什么是商品分析？ --3-2 什么是层次分析法AHP？ --3-3 Excel层次分析法：构建层次结构 --3-4 Excel层次分析法：构造成对比较矩阵 --3-5 Excel层次分析法：构造方案判断矩阵 --3-6 Excel层次分析法：总排序权重计算与决策 --3-7 案例10：选择最优商品进行推广 --4-1 15.16什么是运营策略：摩拜红包车 --4-2 15.17如何策划一场活动 --4-3 15.18案例11：设计内容运营方案 --4-4 15.19本章小结 第14周 促进用户活跃度、提升用户留存
--1-1 如何提升产品活跃度？_ --1-2 用户活跃度模型（RFE）_ --1-3 练习：使用Excel构建RFE模型_ --2-1 什么是产品的 Aha Moment？_ --2-2 练习：使用Excel计算用户留存率_ --2-3 练习：使用Excel计算用户生命周期_ --2-4 案例8补充：基于电商的用户留存与价值分析_ --2-5 本章小结_ 第15周 使用AB实验迭代功能
--1-1 什么是AB测试_ --1-2 AB测试的基本流程_ --1-3 统计学基础：假设检验_ --1-4 练习：Python计算点击率CTR_ --1-5 练习：Python计算p值_ --1-6 案例13：利用AB测试优化产品设计_ --2-1 什么是异常监测_ --2-2 练习：Python孤立森林异常检测_ --2-3 本章小结 第16周 撰写数据报告、面试指导
--1-1 18.1如何撰写数据分析报告_ --1-2 18.2演讲技巧与PPT模板分享_ --2-1 18.3如何撰写简历_ --2-2 18.4面试经验分享_
人人都能学会数据分析
| 
[复制链接]
发表于 2021-3-7 21:25
