数据分析师培训机构推荐广州-四个维度，16周，全面打造你的数据分析知识体系，简化你的数据分析工作流程

课程大纲及学习周期安排（详细版） 为保证课程内容紧跟市场变化，课程章节将逐步开放，直至课程结束。

第一阶段：快速掌握数据分析必备技能

进入数据分析

在课程的第一周，我们将首先带您了解数据分析的定义、行业需求以及数据分析的目的。 基于这个出发点，结合实际业务应用场景，老师将带领大家从理解数据开始，进一步了解数据的不同特性如何能够解决不同的问题。

课程安排： 1.数据分析简介 2.各种数据类型 3.统计指标：集中趋势 4.统计指标：离散趋势 5.统计指标：分布形状 6.异常值识别与处理 7.数据分析6大步骤

Excel从录入到表格分析

Excel是最常用的数据分析工具之一。 这周我们开始用Excel进行数据分析，这样会更容易让人接受。 用一个简单的业务场景，教学生如何从0到1使用数据、展示数据、解释数据。

课程安排： 1. Excel函数简介 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. 使用函数预处理数据 4. 数据去重、拆分、排序和过滤 5. 搜索和引用函数6. 使用数据透视表快速汇总 7. 理解图表并创建图表 8. 实战：大数据人才需求分析报告

从头开始学习 SQL

在实际业务场景中，大多数公司都使用数据库来存储数据，因此SQL成为主流的数据提取语言。 本周，通过讲解SQL的基本概念和操作，教会学生如何快速提取和清理本地数据，以便进行后续的业务分析。

课程安排： 1.什么是SQL？ 2. 了解表、字段和记录。 3、MySQL和Navicat的安装和使用。 4. 基本语法：添加、删除、修改、查找。 5. 数据过滤和排序：like、not、in、order by。 6.使用函数。 计算数据 7. 对数据进行分类和汇总 8. 连接表查询 9. 存储数据

数据可视化工具Tableau

Tableau是最主流的数据可视化工具。 通过拖放，它可以快速将复杂的表格和数据集成为精美的交互式图表。

课程安排： 1.什么是Tableau2，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.保存并发布 9.可视化练习：美感产品销售分析

第二阶段：Python实现数据分析

Python基本语法

通过学习自然语言，我们将帮助您轻松使用Python并成功编写您的第一个Python程序。

课程安排： 1.学习编程的几点建议 2.什么是Python3、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. 编写函数 9. 练习：计算总销售额

Python实现网络爬虫

通过Python网络库Request和爬虫库BeautifulSoup的讲解，您可以快速掌握网页结构和爬虫原理，并成功运行您的第一个网络爬虫脚本。

课程安排： 1. 什么是爬虫 2. Request 库简介 3. BeautifulSoup 简介 4. 尝试重写一个网页 5. 遍历单个页面 6. 登录问题 7. 爬取整个网站 8. 解析 JSON 9 . 将数据存储到 CSV 10. 练习：爬取获取销售数据

更高效的数据处理和可视化绘图

通过Python数据分析库Pandas和可视化绘图库Matplotlib的讲解，可以实现大数据的快速处理、统计分析和可视化，真正体验编程带来的高效和便捷。

课程安排： 1. Pandas 简介 2. 读取数据 3. 清理数据：缺失、重复、异常、空值 4. 数据操作、排序和过滤 5. 练习：预处理销售数据 6. Matplotlib 简介 7. 什么是 canvas 8. 绘制直方图、折线图和散点图 9. 调整视觉标签并设置多个图形并列 10. 练习：可视化销售数据

第三阶段：建立互联网数据分析框架

最初的互联网商业模式

培养对互联网行业、商业模式、用户行为等的基本了解卡通形象，以用户生命周期为线索，构建有针对性的数据分析思维框架。

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

分析数据指标体系

以用户生命周期为线索，分析各个环节的业务指标，帮助您快速定位和拆分数据分析目标。

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.频道指标 6.功能指标 7.销量指标 8.直播指标

建立用户角色

通过用户属性、行为和群体标签的创建，我们可以洞察用户画像，并在此基础上深入了解用户需求，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

第四阶段：销售、营销和运营数据分析

用户流量及转化

对标用户生命周期的“获客”阶段，以电商网站流量分析为例，帮助您快速了解如何判断渠道推广效果卡通形象，优化流失点数据分析师培训机构推荐广州，提高盈利比例。

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. 基本用户下单流程 5. 分析下单路径中的关键优化点 6. 使用Excel绘制漏斗图 7. 实战：电商推广渠道分析

分析消费者行为

基于对用户订单数据的统计分析，探索用户消费行为、营销渠道、用户画像之间的关联性，进一步优化营销渠道和推荐系统。

课程安排： 1.计算复购率 2.计算复购率 3.分析男女用户消费频次是否存在差异 4.分析排名靠前的用户贡献了多少笔交易 5.分析哪些类型的产品畅销 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

售前销售、经营策略调整

根据过去的销售业绩数据和销售因素统计分析，预测并制定未来的销售业绩目标。

课程安排： 1.了解销售数据 2.什么是线性回归模型 3.利用线性回归预测数据 4.影响销售的因素 5.确认销售优化方向 6.实战：预测电商双十一销售？ 7、共享单车为什么要推广红包单车？ 8、红包策略引导用户再分配。 9. 成本优化方案

第五阶段：数据驱动的迭代产品设计

促进用户活跃度并提高用户留存

通过产品策略或运营策略数据分析师培训机构推荐广州，实现用户全生命周期管理，实现用​​户激活和留存的业务目标。

课程安排： 1、什么是用户活跃度？ 2.影响活性的因素。 3.签到功能、积分系统。 4、实战：如何提高用户活跃度。 5. 使用Excel计算保留率。 6. 利用顿悟时刻来提高记忆力。 7. 如何寻找流失点 8. 实战：留存率下降原因分析

使用AB实验迭代函数

利用分组测试为用户提供差异化​​指导，找到最佳设计模式或功能点，实现运营目标。并学会监控、警告和解读异常数据

课程安排： 1. AB 实验的基本概念和应用场景 2. AB 实验的统计原理：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 实验结果分析与分析解读6、实战：AB实验真的有用吗？ 7. 寻找异常订购行为 8. 什么是杜邦分析 9. 实战：识别异常电商数据

撰写数据报告和采访指导

数据报告是一个必不可少的环节，从框架、构思、解释思路到表达技巧。 此外，数据分析岗位的面试要点也会被分析。

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版式设计 5. 图文布局技巧 6. 数据报告呈现技巧 7. 常见面试问题 8. 面试经验分享

查看课程详情