業(yè)務(wù)前臺人員數(shù)據(jù)思維訓(xùn)練營

用戶畫像沒有摸清，廣告投放連本都收不回，運(yùn)營流程太混亂，銷售轉(zhuǎn)化不理想

從用戶思維做營銷增量，借助數(shù)據(jù)思維從商業(yè)頂層俯視業(yè)務(wù)生命周期，運(yùn)用數(shù)據(jù)框架梳理公司整體業(yè)務(wù)模型

表格結(jié)構(gòu)數(shù)據(jù)、數(shù)據(jù)驅(qū)動型業(yè)務(wù)管理（數(shù)據(jù)埋點、數(shù)據(jù)治理、數(shù)據(jù)應(yīng)用等）、指標(biāo)的設(shè)計與應(yīng)用案例、可視化分析方法、業(yè)務(wù)分析方法應(yīng)用 、業(yè)務(wù)模型應(yīng)用、撰寫業(yè)務(wù)分析報告方法

解決不會業(yè)務(wù)分析、不會撰寫業(yè)務(wù)分析報告的問題

借助電商、互聯(lián)網(wǎng)、零售行業(yè)的數(shù)據(jù)分析場景介紹，掌握撰寫業(yè)務(wù)分析報告的全流程，從客戶、產(chǎn)品、運(yùn)營、行為效果等維度出發(fā)，搭建業(yè)務(wù)指標(biāo)體系，綜合使用可視化分析方法、業(yè)務(wù)分析方法和模型。

分析的基本概念、描述性統(tǒng)計與數(shù)據(jù)預(yù)處理、統(tǒng)計分布

缺失值處理，冗余處理，數(shù)據(jù)標(biāo)準(zhǔn)化

通過統(tǒng)計基礎(chǔ)可初步掌握數(shù)據(jù)分析的基本概念及描述性統(tǒng)計的數(shù)據(jù)集成，主要涉及數(shù)據(jù)標(biāo)準(zhǔn)化和數(shù)據(jù)預(yù)處理

表結(jié)構(gòu)數(shù)據(jù)的特征與獲取、數(shù)據(jù)加工與使用、多表透視分析邏輯、透視分析方法、多維數(shù)據(jù)模型 綜合實戰(zhàn)案例 - 電商綜合運(yùn)營分析儀表板（流量、轉(zhuǎn)化、客單相關(guān)指標(biāo)分析監(jiān)控）

解決使用商業(yè)智能報表分析業(yè)務(wù)、監(jiān)控業(yè)務(wù)的問題

掌握使用Power BI搭建可視化分析報表的全流程，包括表結(jié)構(gòu)數(shù)據(jù)的獲取、加工、數(shù)倉應(yīng)用、多表透視分析，最終在客戶分析、產(chǎn)品分析、運(yùn)營分析、市場分析、銷售分析等場景下制作可視化分析報表

參數(shù)估計、 假設(shè)檢驗、 AB test、 使用帶檢驗的AB test分析運(yùn)營方案

推斷統(tǒng)計是研究如何利用樣本數(shù)據(jù)來推斷總體特征的統(tǒng)計方法。比如參數(shù)估計，不可能對每個產(chǎn)品進(jìn)行測量。這就需要抽取部分個體即樣本進(jìn)行測量，然后根據(jù)獲得的樣本數(shù)據(jù)對所研究的總體特征進(jìn)行推斷，這就是推斷統(tǒng)計要解決的問題。

掌握假設(shè)性檢驗的方法，和AB test的分析運(yùn)營方案

1.企業(yè)決策的四個層次：戰(zhàn)略、管理、運(yùn)營、操作2.企業(yè)數(shù)據(jù)分析能力的演進(jìn)3.企業(yè)運(yùn)營和操作數(shù)據(jù)應(yīng)用4.數(shù)據(jù)管理基礎(chǔ)知識與DMBOK知識體系5.企業(yè)數(shù)據(jù)能力建設(shè)6.數(shù)據(jù)治理實操框架

提高企業(yè)的運(yùn)營和數(shù)據(jù)能力建設(shè)

掌握企業(yè)決策的四個層次：戰(zhàn)略、管理、運(yùn)營、操作，數(shù)據(jù)管理基礎(chǔ)知識與DMBOK知識體系

數(shù)據(jù)架構(gòu)、數(shù)據(jù)模型基礎(chǔ)、方法、規(guī)范化及其案例

學(xué)習(xí)數(shù)據(jù)架構(gòu)的基本概念，模型介紹以及建模案例

掌握數(shù)據(jù)建模方法，達(dá)到數(shù)據(jù)建模的規(guī)范化

數(shù)據(jù)庫基本概念、DDL、DML、單表查詢、多表查詢、函數(shù)、SQL大廠面試題突擊訓(xùn)練、查詢應(yīng)用案例解析

解決從數(shù)據(jù)庫提取目標(biāo)數(shù)據(jù)的問題，實現(xiàn)單表和多表查詢

系統(tǒng)掌握數(shù)據(jù)分析工作中的SQL查詢語言，包括DDL、DML、單表查詢以及多表查詢等基本技能。

Linux系統(tǒng)常用命令、分布式存儲與計算、Hive架構(gòu)原理及數(shù)據(jù)類型、HiveQL與應(yīng)用

系統(tǒng)安裝及部署，架構(gòu)原理及應(yīng)用

掌握Linux的常用命令和分布式存儲與計算，Hive架構(gòu)原理及數(shù)據(jù)類型

跨國企業(yè)完整數(shù)據(jù)分析實戰(zhàn)案例、學(xué)生探索性實操（制作分析報告）、項目現(xiàn)場專家評審與1V1指導(dǎo)

綜合運(yùn)用業(yè)務(wù)分析工具，解決數(shù)據(jù)運(yùn)營和數(shù)據(jù)營銷問題

老師指導(dǎo)還原兩大數(shù)據(jù)分析項目全流程，綜合使用SQL、Excel、Power BI等工具以及業(yè)務(wù)數(shù)據(jù)分析方法，得到高價值業(yè)務(wù)數(shù)據(jù)分析報告。

Python標(biāo)準(zhǔn)數(shù)據(jù)類型、基本語法、控制流、自定義函數(shù)

解決海量數(shù)據(jù)處理的的編程語言基礎(chǔ)

掌握Python基礎(chǔ)編程的能力，為處理海量數(shù)據(jù)奠定基礎(chǔ)

Numpy數(shù)組分析、Pandas數(shù)表分析、Pandas數(shù)據(jù)清洗與可視化、Python數(shù)據(jù)可視化包-Matplotlib介紹、Python數(shù)據(jù)可視化包-Seaborn介紹與圖形繪制、PythonBI包-Pyecharts介紹與圖形繪制
分析案例： 1、斯德哥爾摩氣候可視化分析。2、餐飲訂單數(shù)據(jù)清洗與分析。3、文本數(shù)據(jù)分析之QQ聊天信息可視化分析

解決海量數(shù)據(jù)處理的技術(shù)問題

系統(tǒng)掌握使用Python進(jìn)行海量數(shù)據(jù)清洗以及可視化探索數(shù)據(jù)的能力。

SQL數(shù)據(jù)接入、Python連接SQL、Python辦公自動化、實現(xiàn)自動風(fēng)控報表

數(shù)據(jù)庫接入與數(shù)據(jù)庫鏈接

實現(xiàn)辦公自動化，提高工作效率

相關(guān)分析、 回歸分析、 統(tǒng)計模型的診斷與調(diào)優(yōu)、用戶支出顯著影響因素分析案例、大型案例：用戶復(fù)購預(yù)測分析案例

解決在實際場景中海量數(shù)據(jù)處理的流程問題

掌握綜合使用Python數(shù)據(jù)處理方法來對結(jié)構(gòu)數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)進(jìn)行轉(zhuǎn)換、清洗，并進(jìn)行探索性分析的能力。

1.背景研究與現(xiàn)狀描述（現(xiàn)狀，痛點，目標(biāo)，范圍）2.目標(biāo)拆解與描述3.文獻(xiàn)和案例分析（分析方法的理論依據(jù)）4.數(shù)據(jù)需求（數(shù)據(jù)范圍，變量的定義與篩選，維度問題）5.分析方法與模型開發(fā)6.應(yīng)用分析（模型的產(chǎn)出與應(yīng)用）

營銷數(shù)據(jù)分析報告的設(shè)計與撰寫方法

掌握營銷數(shù)據(jù)的目標(biāo)拆解與分析方法

職業(yè)規(guī)劃、職場溝通力、團(tuán)隊協(xié)作力培養(yǎng)

解決職業(yè)規(guī)劃和職場溝通

就業(yè)老師協(xié)助指導(dǎo)，做好職業(yè)規(guī)劃與發(fā)展

1V1面試技巧指導(dǎo)與簡歷修改

解決面試技巧不足、簡歷書寫不專業(yè)問題

專職就業(yè)老師1V1面試技巧輔導(dǎo)與簡歷修改指導(dǎo)。

互聯(lián)網(wǎng)數(shù)字化運(yùn)營 何為數(shù)據(jù)產(chǎn)品經(jīng)理？ Python爬蟲 人工智能(深度學(xué)習(xí))實戰(zhàn)之圖像識別 采銷、物流與供應(yīng)鏈數(shù)據(jù)分析應(yīng)用實戰(zhàn) Tableau數(shù)據(jù)可視化視頻 SPSS Modeler數(shù)據(jù)挖掘?qū)崙?zhàn) 增長黑客入門

解決學(xué)員在不同數(shù)據(jù)崗位方向和行業(yè)方向的業(yè)務(wù)經(jīng)驗和項目經(jīng)驗不足的問題。

根據(jù)學(xué)員面試方向、就業(yè)方向來選擇合適的選修課程來進(jìn)一步進(jìn)修。