人人都能学会数据分析|完结无秘|百度云下载

人人都能学会数据分析|完结无秘|百度云下载
人人都能学会数据分析|完结无秘|百度云下载 1

课程介绍(A000588):

  • 为运营、产品、市场打造的”专业“课程
  • 为程序员转型产品经理打造的“破圈”课程
  • 从0到1,从工具到思维,系统掌握业务实操型数据分析知识体系
人人都能学会数据分析|完结无秘|百度云下载
人人都能学会数据分析|完结无秘|百度云下载 2
人人都能学会数据分析|完结无秘|百度云下载 3

课程目录:

  • 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、创建图表
    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:电商零售数据 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

文件目录:

人人都能学会数据分析完结无秘百度云下载
│  ├─第10周 构建用户画像
│  │      1-1 什么是流量ev~1.mp4
│  │      1-2 拓展:流量数据指标ev~1.mp4
│  │      1-3 大流量分析模型:波动、特征、预测ev~1.mp4
│  │      2-1 案例:背景与目标ev~1.mp4
│  │      2-10 数值特征对比:雷达图ev~1.mp4
│  │      2-11 案例6:基于Kmeans的广告效果聚类分析001ev~1.mp4
│  │      2-2 利用Python预处理数据ev~1.mp4
│  │      2-3 计算相关性指标ev~1.mp4
│  │      2-4 数据标准化:Min-Maxev~1.mp4
│  │      2-5 字符串分类:OneHot编码ev~1.mp4
│  │      2-6 KMeans建模:利用轮廓系数确定Kev~1.mp4
│  │      2-7 练习:最佳KMeans聚类模型ev~1.mp4
│  │      2-8 聚类结果分析:样本量与占比ev~1.mp4
│  │      2-9 聚类结果分析:特征均值、众数ev~1.mp4
│  │      3-1 什么是漏斗分析模型ev~1.mp4
│  │      3-2 漏斗分析有哪些应用场景ev~1.mp4
│  │      3-3 用户下单流程分析ev~1.mp4
│  │      3-4 案例7:利用Excel绘制转化漏斗图ev~1.mp4
│  │      3-5 本章小结ev~1.mp4
│  │      
│  ├─第11周 用户引流与转化
│  │      1-1 什么是用户画像ev~1.mp4
│  │      1-2 数据标签系统:背景介绍ev~1.mp4
│  │      1-3 数据标签系统:数据采集、埋点ev~1.mp4
│  │      1-4 数据标签系统:构建用户画像ev~1.mp4
│  │      1-5 练习:使用SQL提取用户数据ev~1.mp4
│  │      1-6 数据标签系统:构建商品画像ev~1.mp4
│  │      1-7 练习:使用SQL提取商品数据ev~1.mp4
│  │      2-1 什么是RFM模型ev~1.mp4
│  │      2-2 利用Excel计算R、F、M分值ev~1.mp4
│  │      2-3 设置R、F、M评分标准ev~1.mp4
│  │      2-4 计算R、F、M得分ev~1.mp4
│  │      2-5 给用户贴标签ev~1.mp4
│  │      2-6 RFM评分卡优化:使用K-Means进行数据分组ev~1.mp4
│  │      2-7 模型展示与可视化ev~1.mp4
│  │      2-8 案例5:基于RFM的用户精细化管理ev~1.mp4
│  │      2-9 本章小结ev~1.mp4
│  │     
│  ├─第12周 分析消费行为
│  │      1-1 什么是消费行为ev~1.mp4
│  │      1-2 消费行为模式的变迁ev~1.mp4
│  │      2-1 案例说明:某电商交易数据ev~1.mp4
│  │      2-2 趋势分析:金额、频次、人数、产品数ev~1.mp4
│  │      2-3 趋势分析:销售额 vs 产品数ev~1.mp4
│  │      2-4 趋势分析:消费时间段偏好ev~1.mp4
│  │      2-5 个体分析:消费金额ev~1.mp4
│  │      2-6 个体分析:消费频次、商品数ev~1.mp4
│  │      2-7 商品分析:销售情况、价格分布ev~1.mp4
│  │      2-8 使用SQL计算复购率ev~1.mp4
│  │      2-9 使用SQL计算回购率ev~1.mp4
│  │      3-1 使用SQL计算头部用户贡献额ev~1.mp4
│  │      3-2 使用SQL用户平均购买周期ev~1.mp4
│  │      3-3 案例8:基于电商的用户消费行为分析ev~1.mp4
│  │     
│  ├─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?ev~1.mp4
│  │      1-2 如何拆解GMV:流量、转化、客单价?ev~1.mp4
│  │      2-1 测模型的定义与分类ev~1.mp4
│  │      2-2 练习:使用Excel预测销售额ev~1.mp4
│  │      2-3 Python回归分析:数据预处理ev~1.mp4
│  │      2-4 Python回归分析:多项式回归模型ev~1.mp4
│  │      2-5 Python回归分析:绘图、预测ev~1.mp4
│  │      2-6 案例9:预测2020天猫双11销售额ev~1.mp4
│  │      3-1 什么是商品分析?ev~1(1).mp4
│  │      3-1 什么是商品分析?ev~1.mp4
│  │      3-2 什么是层次分析法AHP?ev~1.mp4
│  │      3-3 Excel层次分析法:构建层次结构ev~1.mp4
│  │      3-4 Excel层次分析法:构造成对比较矩阵ev~1.mp4
│  │      3-5 Excel层次分析法:构造方案判断矩阵ev~1.mp4
│  │      3-6 Excel层次分析法:总排序权重计算与决策ev~1.mp4
│  │      3-7 案例10:选择最优商品进行推广ev~1.mp4
│  │      4-1 15.16什么是运营策略:摩拜红包车ev~1.mp4
│  │      4-2 15.17如何策划一场活动ev~1.mp4
│  │      4-3 15.18案例11:设计内容运营方案ev~1.mp4
│  │      4-4 15.19本章小结ev~1.mp4
│  │     
│  ├─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?ev~1.mp4
│  │      1-2 用户活跃度模型(RFE)ev~1.mp4
│  │      1-3 练习:使用Excel构建RFE模型ev~1.mp4
│  │      2-1 什么是产品的 Aha Moment?ev~1.mp4
│  │      2-2 练习:使用Excel计算用户留存率ev~1.mp4
│  │      2-3 练习:使用Excel计算用户生命周期ev~1.mp4
│  │      2-4 案例8补充:基于电商的用户留存与价值分析ev~1.mp4
│  │      2-5 本章小结ev~1.mp4
│  │     
│  ├─第15周 使用AB实验迭代功能
│  │      1-1 什么是AB测试ev~1.mp4
│  │      1-2 AB测试的基本流程ev~1.mp4
│  │      1-3 统计学基础:假设检验ev~1.mp4
│  │      1-4 练习:Python计算点击率CTRev~1.mp4
│  │      1-5 练习:Python计算p值ev~1.mp4
│  │      1-6 案例13:利用AB测试优化产品设计ev~1.mp4
│  │      2-1 什么是异常监测ev~1.mp4
│  │      2-2 练习:Python孤立森林异常检测ev~1.mp4
│  │      2-3 本章小结ev(2)~1.mp4
│  │     
│  ├─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ev~1.mp4
│  │      1-2 18.2演讲技巧与PPT模板分享ev~1.mp4
│  │      2-1 18.3如何撰写简历ev~1.mp4
│  │      2-2 18.4面试经验分享ev~1.mp4
│  │     
│  ├─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.mp4
│  │      1-2 从互联网数据分析说起~1.mp4
│  │      2-1 什么是数据~1.mp4
│  │      2-2 什么是统计指标~1.mp4
│  │      2-3 统计指标:集中趋势~1.mp4
│  │      2-4 统计指标:离散趋势~1(1).mp4
│  │      2-4 统计指标:离散趋势~1.mp4
│  │      2-5 统计指标:分布形态~1.mp4
│  │      2-6 识别异常值~1.mp4
│  │      2-7 处理异常值~1.mp4
│  │      2-8 数据分析流程~1.mp4
│  │      2-9 本章小结~1.mp4
│  │     
│  ├─第2周 Excel从入门到表格分析
│  │      1-1 Excel基本功能ev~1.mp4
│  │      1-2 文本函数ev~1.mp4
│  │      1-3 数学函数ev~1.mp4
│  │      1-4 处理重复数据ev~1.mp4
│  │      1-5 拆分列数据ev~1.mp4
│  │      1-6 数据排序和筛选ev~1.mp4
│  │      2-1 逻辑函数ev~1.mp4
│  │      2-2 条件聚合函数ev~1.mp4
│  │      2-3 查找与引用函数ev~1.mp4
│  │      2-4 数据透视表ev~1.mp4
│  │      2-5 认识图表ev~1.mp4
│  │      2-6 制作可视化图表ev~1.mp4
│  │      2-7 大数据岗人才需求分析报告ev~1.mp4
│  │      2-8 本章小结ev~1.mp4
│  │     
│  ├─第3周 从0开始学SQL
│  │      1-1 什么是SQLev~1.mp4
│  │      1-2 认识数据表结构ev~1.mp4
│  │      1-3 MySQL安装及配置ev~1.mp4
│  │      1-4 安装Navicatev~1.mp4
│  │      1-5 基础语法ev~1.mp4
│  │      1-6 数据排序与筛选ev~1.mp4
│  │      2-1 使用函数计算数据ev~1.mp4
│  │      2-2 对数据进行分类汇总ev~1.mp4
│  │      2-3 联表查询ev~1.mp4
│  │      2-4 导出数据ev~1.mp4
│  │      2-5 本章小结ev~1.mp4
│  │     
│  ├─第4周 数据可视化利器 Tableau
│  │      1-1 什么是Tableauev~1.mp4
│  │      1-2 安装Tableauev~1.mp4
│  │      1-3 准备数据ev~1.mp4
│  │      1-4 构建图表ev~1.mp4
│  │      1-5 创建仪表板ev~1.mp4
│  │      1-6 创建故事ev~1.mp4
│  │      1-7 保存与发布ev~1.mp4
│  │      1-8 可视化练习:美妆产品销售分析ev~1.mp4
│  │      1-9 本周小结ev~1.mp4
│  │     
│  ├─第5周 Python基础语法
│  │      1-1 学习编程的几个建议ev~1.mp4
│  │      1-2 什么是Pythonev~1.mp4
│  │      1-3 运行环境ev~1.mp4
│  │      1-4 开发环境ev~1.mp4
│  │      1-5 运算符ev~1.mp4
│  │      2-1 数据类型ev~1.mp4
│  │      2-2 数据容器ev~1.mp4
│  │      2-3 条件判断语句:if、else、elifev~1.mp4
│  │      2-4 循环语句:for、whileev~1.mp4
│  │      2-5 循环中止:break,continueev~1.mp4
│  │      2-6 编写一个函数ev~1(1).mp4
│  │      2-6 编写一个函数ev~1.mp4
│  │      2-7 练习:计算销售额ev~1.mp4
│  │      2-8 本章小结ev(2)~1.mp4
│  │     
│  ├─第6周 Python实现网络爬虫
│  │      1-1 什么是爬虫ev~1.mp4
│  │      1-2 Requests库入门ev~1.mp4
│  │      1-3 认识HTML网页结构ev~1.mp4
│  │      1-4 BeautifulSoup库入门ev~1.mp4
│  │      2-1 获取目标信息ev~1.mp4
│  │      2-2 连续获取多个页面信息ev~1(1).mp4
│  │      2-2 连续获取多个页面信息ev~1.mp4
│  │      2-3 整合爬虫功能函数ev~1(1).mp4
│  │      2-3 整合爬虫功能函数ev~1.mp4
│  │      2-4 数据存储与代码优化ev~1.mp4
│  │      3-1 通过API接口获取数据ev~1.mp4
│  │      3-2 练习:爬取全部电影数据ev~1.mp4
│  │      3-3 练习:爬取全部电影数据ev~1.mp4
│  │      3-4 本章小结ev~1(1).mp4
│  │      3-4 本章小结ev~1.mp4
│  │     
│  ├─第7周 更高效的数据处理与可视化绘图
│  │      1-1 Pandas库入门ev~1.mp4
│  │      1-2 什么是DataFrameev~1.mp4
│  │      1-3 案例介绍:电影数据分析ev~1.mp4
│  │      2-1 读取数据ev~1(1).mp4
│  │      2-1 读取数据ev~1.mp4
│  │      2-2 清理数据重复值、缺失值、拆分ev~1.mp4
│  │      2-3 数据运算:按年统计、时间聚合ev~1.mp4
│  │      2-4 数据运:算多类型统计ev~1.mp4
│  │      2-5 数据运算:评分统计ev~1.mp4
│  │      2-6 排序与筛选ev~1.mp4
│  │      3-1 练习1:各国每年电影产量ev~1.mp4
│  │      3-2 练习3:电影语言频数统计ev~1.mp4
│  │      3-3 练习2:各国评分数据ev~1.mp4
│  │      3-4 练习:TOP电影排行榜ev~1.mp4
│  │      3-5 本章小结ev~1.mp4
│  │      4-1 Matplotlib入门ev~1.mp4
│  │      4-2 什么是画布ev~1.mp4
│  │      4-3 调整视觉元素ev~1.mp4
│  │      5-1 直方图:电影年产量ev~1.mp4
│  │      5-2 折线图:各国电影年产量ev~1.mp4
│  │      5-3 饼图:电影语种统计ev~1.mp4
│  │      5-4 散点图:评分分值与人数ev~1.mp4
│  │      5-5 热力图:电影类型、评分、数量ev~1.mp4
│  │      5-6 箱线图:每年电影评分变化ev~1.mp4
│  │      5-7 词云图:电影类型频数统计ev~1.mp4
│  │      5-8 案例2:豆瓣电影数据分析报告ev~1.mp4
│  │      5-9 本章小结ev~1.mp4
│  │     
│  ├─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ev~1.mp4
│  │      1-2 互联网行业简介ev~1.mp4
│  │      1-3 如何做行业分析ev~1.mp4
│  │      1-4 市场规模:直播电商发展时间线ev~1.mp4
│  │      1-5 市场规模:直播电商成交额ev~1.mp4
│  │      1-6 竞争分析:波特五力模型ev~1.mp4
│  │      1-7 价值链:直播生态产业图谱ev~1.mp4
│  │      1-8 趋势预测:PEST分析法ev~1.mp4
│  │      1-9 案例3:直播电商行业分析报告ev~1.mp4
│  │      2-1 互联网岗位解析ev~1.mp4
│  │      2-2 数据职能岗发展通道ev~1.mp4
│  │      2-3 本章小结ev~1.mp4
│  │     
│  └─第9周 解析数据指标体系
│          1-1 用户生命周期、AARRR、RFMev~1.mp4
│          1-2 5W2H、逻辑树、AB测试ev~1.mp4
│          1-3 SWOT、PEST、波特五力ev~1.mp4
│          2-1 互联网业务分析指标一览ev~1.mp4
│          2-2 拉新(获客)指标ev~1.mp4
│          2-3 活跃指标ev~1.mp4
│          2-4 留存指标ev~1.mp4
│          2-5 转化(变现)指标ev~1.mp4
│          2-6 传播指标:K因子ev~1.mp4
│          2-7 案例4:搭建商业化指标体系ev~1.mp4
│          2-8 本章小结ev~1.mp4

本站所有资源均来自网络,版权归原作者所有,本站仅提供收集与推荐,若侵犯到您的权益,请【给我们反馈】,我们将在24小时内处理!

下载权限

查看
  • 免费下载
    评论并刷新后下载
    登录后下载

查看演示

  • {{attr.name}}:
您当前的等级为
登录后免费下载登录 小黑屋反思中,不准下载! 评论后刷新页面下载评论 支付以后下载 请先登录 您今天的下载次数(次)用完了,请明天再来 支付积分以后下载立即支付 支付以后下载立即支付 您当前的用户组不允许下载升级会员
您已获得下载权限 您可以每天下载资源次,今日剩余

给TA打赏
共{{data.count}}人
人已打赏
2 条回复 A文章作者 M管理员
  1. zhubaobao

    憧憬,是距离了解最遥远的一种感情。 为啥全是30积分下载

  2. lqs12

    我有故人抱剑去,斩尽春风未曾归。

个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索