北京CDA数据分析培训就业班  

　　数据岗位成为「金领」

　　新技能带来新未来

　　数据人才成为香饽饽

　　热门城市大举引进人才

　　数字经济大势所趋

　　人才需求井喷增长

应届毕业生

　　·专业冷门面临就业压力的学生

　　·经验缺乏没有明确规划的学生

　　·技能缺失职场竞争力低的学生

　　转行数据分析人群

　　·自学难度大想基础差入门的人员

　　·升职加薪难想要跳槽大幅涨薪的人员

　　·行业不景气想进新兴数据行业的人员

　　提升和转岗人群

　　·工作任务重想提高工作效率的财务、市场等人员

　　·竞争压力大想突破职业瓶颈的产品、运营等人员

　　·行业挑战多想提升战略思维的决策、管理等人员

　　CDA报考人群

　　·报名参加CDA Level I等级考试的考生

　　·报名参加CDA Level ll等级考试的考生

　　·报名参加CDA Level llI等级考试的考生

　阶梯式课程学习规划

　　引领你走上数据成才之路

课程大纲

　　一章：课前基础工具学习

　　课前基础工具学习
　　主要内容
　　Excel预习视频?数据库预习视频?Power BI预习视频
　　可解决的现实问题
　　解决0基础学员数据分析工具薄弱的问题
　　可掌握的核心能力
　　提前掌握基础数据分析工具的使用，为课程学习打好基础

　　第二章：课前业务知识学习

      课前业务知识学习
　　主要内容
　　业务前台人员数据思维训练营
　　可解决的现实问题
　　用户画像没有摸清，广告投放连本都收不回，运营流程太混乱，销售转化不理想
　　可掌握的核心能力
　　掌握从用户思维做营销增量，借助数据思维从商业顶层俯视业务生命周期，运用数据框架梳理公司整体业务模型

　　第三章：业务数据分析（Excel）

　　业务数据分析(Excel)
　　主要内容
　　表格结构数据、数据驱动型业务管理、数据埋点、数据治理、指标的设计与应用
　　可视化分析方法?业务分析方法?业务模型应用?业务分析报告撰写
　　可解决的现实问题
　　解决实际工作中不会业务分析、不会撰写业务分析报告的问题
　　可掌握的核心能力
　　1、掌握依据电商、互联网、零售行业的数据分析场景介绍，撰写业务分析报告的全流程
　　2、掌握从客户、产品、运营、行为效果等维度出发，搭建业务指标体系，综合使用可视化分析方法、业务分析方法。

　　第四章：统计基础

　　统计基础与数据预处理（Excel）
　主要内容
　　数据分析的基本概念、描述性统计与数据预处理、统计分布
　　可解决的现实问题
　　缺失值处理，冗余处理，数据标准化
　　可掌握的核心能力
　　1、掌握通过统计基础可初步掌握数据分析的基本概念
　　2、掌握描述性统计的数据集成
　　3、掌握数据标准化和数据预处理

　　第五章：多维数据分析

　　多维数据分析与可视化分析（Power BI）
　　主要内容
　　表结构数据的特征与获取、数据加工与使用、多表透视分析、透视分析方法、多维数据模型
　　综合实战案例：
　　电商综合运营分析仪表板、产品进销存追踪监控看板、电商运营分析驾驶舱
　　服装行业销售情况分析、地产企业盈利分析
　　可解决的现实问题
　　解决使用商业智能报表分析业务、监控业务的问题
　　可掌握的核心能力
　　1、掌握使用Power BI搭建可视化分析报表的全流程；
　　2、掌握表结构数据的获取、加工、数仓应用、多表透视分析；
　　3、掌握在客户分析、产品分析、运营分析、市场分析、销售分析等场景下制作可视化分析报表

　　第六章：推断性统计

　　推断性统计
　　主要内容
　　参数估计、假设检验?AB Test、带检验的AB Test分析运营方案
　　可解决的现实问题
　　解决实际情况中根据样本对总体特征的推断性统计问题
　　可掌握的核心能力
　　1、掌握假设性检验的方法
　　2、掌握推断性统计
　　3、掌握AB Test的分析运营方案

　　第七章：MySQL数据库

　　MySQL数据库
　　主要内容
　　数据库基本概念、DDL、DML、单表查询、多表查询、常用函数、SQL大厂面试题
　　实战案例：电商多表查询、零售业多表查询
　　可解决的现实问题
　　解决从数据库提取目标数据的问题，实现单表和多表查询
　　可掌握的核心能力
　　1、掌握MySQL数据库基本概念，常用函数、DDL数据定义语言及DML数据操作语言
　　2、掌握单表查询、多表查询查询方法，查询结果排序、限制查询等方法
　　3、掌握大厂MySQL面试题

　　第八章：数据管理与治理

　　数据管理与数据治理
　　主要内容
　　企业决策的四个层次、企业数据分析能力的演进、企业运营和操作数据应用
　　数据管理基础知识?DMBOK知识体系、企业数据能力建设、数据治理实操框架
　　可解决的现实问题
　　提高企业的运营和数据能力建设
　　可掌握的核心能力
　　1、掌握企业决策的四个层次及企业数据能力建设
　　2、掌握企业数据分析、企业运营和操作数据应用
　　3、掌握数据管理基础知识和DMBOK知识体系
　　4、掌握数据治理实操框架

　　第九章：数据架构

　　企业架构与数据架构基础
　　主要内容
　　数据架构的基本概念、数据模型介绍、数据建模基础
　　数据建模方法、数据建模规范化、数据建模案例
　　可解决的现实问题
　　学习数据架构的基本概念，模型介绍以及建模案例
　　可掌握的核心能力
　　1、掌握数据架构及数据建模基础知识
　　2、掌握数据建模方法及数据建模规范化
　　3、学习数据建模案例

　　第十章：Hive SQL

　　Hive SQL
主要内容
　　Linux系统常用命令、分布式存储与计算（Hadoop）、Hive架构原理及数据类型、HiveQL与应用
　　可解决的现实问题
　　系统安装及部署，架构原理及应用
　　可掌握的核心能力
　　掌握Linux的常用命令和分布式存储与计算，Hive架构原理及数据类型

　　第十一章：综合项目实战

　　大型数据分析综合项目实战（Power BI+SQL）
　主要内容
　　跨国企业完整数据分析实战案例、学生探索性实操制作分析报告
　　项目现场评审与1 V 1指导
　　可解决的现实问题
　　综合运用业务分析工具，解决数据运营和数据营销问题
　　可掌握的核心能力
　　老师指导还原两大数据分析项目全流程，综合使用SQL、Excel、Power BI等工具以及业务数据分析方法，得到高价值业务数据分析报告。

　　第十二章：Python编程基础

　　Python编程基础
　主要内容
　　Python与Anaconda简介、Python标准数据类型、Python基本语法、控制流、自定义函数
　　可解决的现实问题
　　解决海量数据处理的的编程语言基础
　　可掌握的核心能力
　　掌握Python基础编程的能力，为处理海量数据奠定基础

　　第十三章：数据清洗与可视化

　　Python数据清洗与可视化
　　主要内容
　　Numpy数组?Pandas数表、Pandas数据清洗与可视化、Matplotlib、Seaborn、Pyecharts
　　实战案例：斯德哥尔摩气候可视化分析、餐饮订单数据清洗与分析、文本数据分析之QQ聊天信息可视化分析
　　可解决的现实问题
　　解决海量数据处理的技术问题
　　可掌握的核心能力
　　系统掌握使用Python进行海量数据清洗以及可视化探索数据的能力。

　　第十四章：Python自动化

　　Python+SOL、Python自动化
　主要内容
　　SQL数据接入、Python连接SQL、Python办公自动化、实现自动风控报表
　　可解决的现实问题
　　数据库接入与数据库连接
　　可掌握的核心能力
　　实现办公自动化，提高工作效率

　　第十五章：ETL与数仓

　　ETL数据接入与数仓
　　主要内容
　　ETL基本概念与常用工具、Kettle核心概念与配置、Kettle转换、Kettle作业、ETL连接数仓、ETL实战项目
　　可解决的现实问题
　　掌握ETL基本概念与常用工具，学会ETL连接数仓，实操ETL实战项目
　　可掌握的核心能力
　　1、掌握ETL基本概念与常用工具
　　2、掌握Kettle核心概念、转换
　　3、掌握ETL连接数仓，实操ETL实战项目

　　第十六章：统计建模

　　统计建模
　　主要内容
　　相关分析、线性回归、逻辑回归、模型评估、主成分分析与因子分析、统计模型的检验
　　实战案例：识别分析-用户支出影响因素分析、用户流失分析-员工流失预警、因子分析-城市发展水平综合分析
　　可解决的现实问题
　　灵活使用统计分析解决各行业的业务问题，通过策略优化和预测来解决运营、产品、营销方面的问题
　　可掌握的核心能力
　　1、掌握相关分析、方差分析方法
　　2、掌握线性回归、掌握逻辑回归
　　3、掌握主成分分析与因子分析（数据降维）
　　4、掌握时间序列（ARIMA）

　　第十七章：营销报告

　营销数据分析报告全流程（实战案例）
　　主要内容
　　背景研究与现状描述（现状、痛点、目标、范围）、目标拆解与描述、文献和案例分析
　　数据需求整理（数据范围、变量的定义与筛选、维度问题）、分析方法与模型开发、应用分析
　　可解决的现实问题
　　营销数据分析报告的设计与撰写方法
　　可掌握的核心能力
　　掌握营销数据的目标拆解与分析方法

　　第十八章：机器学习

　　机器学习
　　主要内容
　　数据挖掘基础、带正则项的回归、模型树、聚类算法、关联规则、协同过滤
　　集成算法、AdaBoost、随机森林、LightGBM、神经网络与深入学习入门
　　可解决的现实问题
　　熟练掌握Python数据挖掘算法与实践，包括统计分析、统计模型、机器学习算法、深度学习算法、文本挖掘算法
　　可掌握的核心能力
　　1、掌握数据挖掘基础导论、决策树及应用、关联规则与协同过滤、特征工程、带正则项的回归分析等
　　2、掌握聚类算法、集成算法（AdaBoost、随机森林、GBDT、XGBoost、LightGBM）等
　　3、掌握实操案例：案例1：用户分类-保险行业用户分类分析
　　案例2：产品组合策略-电信公司产品伦邦销售策略分析

　　第十九章：机器学习大型案例

　　机器学习大型案例
　　主要内容
　　大型实战项目案例-信用评分卡
　　大型实战项目案例-金融行业反
　　可解决的现实问题
　　综合运用机器学习知识，实操大型实战项目案例，掌握实战经验及技巧
　　可掌握的核心能力
　　老师指导实操两大机器学习大型案例全流程，综合机器学习基础知识及其算法，在实践中学习可落地、易操作的数据科学思维和实战经验，为你进入名企做项目背书

　　第二十章：职业路径规划

　数据分析师职业规划课
　　主要内容
　　职业路径规划、职场沟通力提升、团队协作力培养
　　可解决的现实问题
　　解决职业规划和职场沟通
　　可掌握的核心能力
　　就业老师协助指导，做好职业发展路径规划

　　第二十一章：就业指导

　　面试技巧1对1辅导
　　主要内容
　　1 V 1面试技巧指导?简历修改指导
　　可解决的现实问题
　　解决面试技巧不足、简历书写不专业问题
　　可掌握的核心能力
　　专职就业老师1 V 1面试技巧辅导与简历修改指导

　　第二十二章：选修课
　　选修课
　　主要内容
　　互联网数字化运营【18课时】
　　何为数据产品经理【1课时】
　　Python爬虫【15课时】
　　人工智能(深度学习)实战之图像识别【6课时】
　　Tableau多维可视化分析【3课时】