     CDA數(shù)據(jù)分析培訓(xùn)

1章預(yù)科學(xué)習(xí)（工具篇）
1-1Excel 預(yù)習(xí)視頻
1-2數(shù)據(jù)庫(kù)預(yù)習(xí)視頻
1-3Power BI 預(yù)習(xí)視頻
2章預(yù)科學(xué)習(xí)（業(yè)務(wù)篇）
2-1業(yè)務(wù)前臺(tái)人員數(shù)據(jù)思維訓(xùn)練營(yíng)
3章業(yè)務(wù)數(shù)據(jù)分析(Excel)
3-1表格結(jié)構(gòu)數(shù)據(jù)的特征、獲取方法
3-2表格結(jié)構(gòu)數(shù)據(jù)引用、查詢與計(jì)算方法
3-3數(shù)據(jù)驅(qū)動(dòng)型業(yè)務(wù)管理（數(shù)據(jù)埋點(diǎn)、數(shù)據(jù)治理、數(shù)據(jù)應(yīng)用等）
3-4指標(biāo)的應(yīng)用 - 搭建營(yíng)銷運(yùn)營(yíng)指標(biāo)體系
3-5財(cái)務(wù)指標(biāo)的分析與應(yīng)用
3-6業(yè)務(wù)場(chǎng)景指標(biāo) - 多場(chǎng)景業(yè)務(wù)場(chǎng)景指標(biāo)應(yīng)用精講（運(yùn)營(yíng)、客戶、商品、活動(dòng)等）
3-7指標(biāo)的設(shè)計(jì) - 多場(chǎng)景指標(biāo)設(shè)計(jì)、使用及分析案例（績(jī)效、運(yùn)營(yíng)、銷售等）
3-8業(yè)務(wù)指標(biāo)綜合分析案例 - 互聯(lián)網(wǎng)運(yùn)營(yíng)業(yè)務(wù)指標(biāo)綜合分析案例
3-9可視化分析方法
3-10業(yè)務(wù)分析方法應(yīng)用 - 杜邦分析法、帕累托分析法、四象限分析法
3-11業(yè)務(wù)模型應(yīng)用 - 價(jià)值模型、帕累托模型、漏斗模型、RFM模型
3-12撰寫業(yè)務(wù)分析報(bào)告方法
3-13電商、互聯(lián)網(wǎng)、零售行業(yè)的數(shù)據(jù)分析場(chǎng)景介紹
3-14客戶分析 - 電商客戶維度綜合分析案例（用戶生命周期、用戶特征、用戶行為分析）
3-15產(chǎn)品分析 - 電商產(chǎn)品維度綜合分析案例（商品畫像、商品標(biāo)簽、商品定位策略分析）
3-16運(yùn)營(yíng)分析 - 互聯(lián)網(wǎng)運(yùn)營(yíng)業(yè)務(wù)綜合分析案例（運(yùn)營(yíng)效果分析、電商漏斗模型分析應(yīng)用）
3-17市場(chǎng)分析 - 汽車行業(yè)市場(chǎng)分析案例（市場(chǎng)分析報(bào)告撰寫方法）
3-18銀行綜合分析案例 - 銀行綜合業(yè)務(wù)分析報(bào)告
4章統(tǒng)計(jì)基礎(chǔ)與數(shù)據(jù)預(yù)處理（Excel）
4-1分析的基本概念
4-2描述性統(tǒng)計(jì)與數(shù)據(jù)預(yù)處理
4-3統(tǒng)計(jì)分布
5章多維數(shù)據(jù)分析與可視化分析（Power BI）
5-1表結(jié)構(gòu)數(shù)據(jù)的特征與獲取
5-2表結(jié)構(gòu)數(shù)據(jù)加工與使用
5-3多表透視分析邏輯
5-4透視分析方法
5-5多維數(shù)據(jù)模型
5-6多表透視分析應(yīng)用案例 -- 多維透視分析應(yīng)用案例
5-7客戶分析 - 電商客戶運(yùn)營(yíng)分析儀表板（潛在客戶挖掘、電商運(yùn)營(yíng)效果監(jiān)控、運(yùn)營(yíng)指標(biāo)分析應(yīng)用）
5-8產(chǎn)品分析 - 產(chǎn)品進(jìn)銷存追蹤監(jiān)控看板（進(jìn)銷存業(yè)務(wù)流程分析與監(jiān)控）
5-9運(yùn)營(yíng)分析 - 電商運(yùn)營(yíng)分析駕駛艙（電商獲客分析、營(yíng)銷漏斗模型監(jiān)控分析）
5-10銷售分析 - 服裝行業(yè)銷售情況分析（銷售情況監(jiān)控看板制作方法）
5-11財(cái)務(wù)分析 - 地產(chǎn)企業(yè)盈利分析（企業(yè)利潤(rùn)結(jié)構(gòu)構(gòu)成及盈利能力分析看板）
5-12綜合實(shí)戰(zhàn)案例 - 電商綜合運(yùn)營(yíng)分析儀表板（流量、轉(zhuǎn)化、客單相關(guān)指標(biāo)分析監(jiān)控）
6章推斷性統(tǒng)計(jì)
6-1參數(shù)估計(jì)
6-2假設(shè)檢驗(yàn)
6-3AB test
6-4使用帶檢驗(yàn)的AB test分析運(yùn)營(yíng)方案
7章數(shù)據(jù)管理與數(shù)據(jù)治理簡(jiǎn)介
7-1企業(yè)決策的四個(gè)層次：戰(zhàn)略、管理、運(yùn)營(yíng)、操作
7-2企業(yè)數(shù)據(jù)分析能力的演進(jìn)
7-3企業(yè)運(yùn)營(yíng)和操作數(shù)據(jù)應(yīng)用
7-4數(shù)據(jù)管理基礎(chǔ)知識(shí)與DMBOK知識(shí)體系
7-5企業(yè)數(shù)據(jù)能力建設(shè)
7-6數(shù)據(jù)治理實(shí)操框架
8章企業(yè)架構(gòu)與數(shù)據(jù)架構(gòu)基礎(chǔ)
8-1數(shù)據(jù)架構(gòu)的基本概念
8-2數(shù)據(jù)模型介紹
8-3數(shù)據(jù)建模基礎(chǔ)
8-4數(shù)據(jù)建模方法
8-5數(shù)據(jù)建模規(guī)范化
8-6數(shù)據(jù)建模案例
9章SQL數(shù)據(jù)庫(kù)(MySQL)
9-1DDL數(shù)據(jù)定義語(yǔ)言（創(chuàng)建、選用、刪除數(shù)據(jù)/表）
9-2DML數(shù)據(jù)操作語(yǔ)言（添加、修改、刪除數(shù)據(jù)）
9-3單表查詢
9-4查詢結(jié)果排序、限制查詢結(jié)果數(shù)量
9-5多表查詢
9-6函數(shù)
9-7SQL大廠面試題突擊訓(xùn)練
9-8查詢應(yīng)用案例1 -- 電商多表查詢案例
9-9查詢應(yīng)用案例2 -- 零售業(yè)多表查詢案例
10章Hive SQL
10-1Linux系統(tǒng)
10-2Linux常用命令和文件系統(tǒng)
10-3分布式存儲(chǔ)與計(jì)算(Hadoop)
10-4系統(tǒng)的安裝與部署
10-5Hive 架構(gòu)原理
10-6Hive 數(shù)據(jù)類型
10-7HiveQL與應(yīng)用
11章大型數(shù)據(jù)分析綜合項(xiàng)目實(shí)戰(zhàn)(Power BI+SQL)
11-1跨國(guó)企業(yè)完整數(shù)據(jù)分析實(shí)戰(zhàn)案例
11-2學(xué)生探索性實(shí)操制作分析報(bào)告
11-3項(xiàng)目現(xiàn)場(chǎng)專家評(píng)審與1V1指導(dǎo)
12章Python編程基礎(chǔ)
12-1Python 與 Anaconda 簡(jiǎn)介
12-2Python 標(biāo)準(zhǔn)數(shù)據(jù)類型
12-3基本語(yǔ)法規(guī)則
12-4控制流語(yǔ)句
12-5自定義函數(shù)
13章Python 數(shù)據(jù)清洗與可視化
13-1Nump y數(shù)組分析
13-2Pandas 數(shù)表分析
13-3Pandas 數(shù)據(jù)清洗與可視化
13-4Python 數(shù)據(jù)可視化包-Matplotlib 介紹
13-5Python 數(shù)據(jù)可視化包-Seaborn 介紹與圖形繪制
13-6Python BI包-Pyecharts 介紹與圖形繪制
13-7分析案例—斯德哥爾摩氣候可視化分析
13-8分析案例—餐飲訂單數(shù)據(jù)清洗與分析
13-9分析案例—文本數(shù)據(jù)分析之QQ聊天信息可視化分析
14章Python+SQL 及 Python 自動(dòng)化
14-1Python 連接SQL
14-2Python 辦公自動(dòng)化
14-3實(shí)現(xiàn)自動(dòng)風(fēng)控報(bào)表
15章Python 統(tǒng)計(jì)與綜合案例
15-1參數(shù)估計(jì)與假設(shè)檢驗(yàn)基礎(chǔ)
15-2相關(guān)分析
15-3回歸分析
15-4回歸模型的診斷與調(diào)優(yōu)
15-5用戶行為顯著影響因素分析案例
15-6大型案例：用戶復(fù)購(gòu)預(yù)測(cè)分析案例