|
细分课程 |
周 |
日 |
内容 |
详细内容 |
预习课
（录播） |
|
|
数据库SQL |
1. 数据库基本概念
2. DDL数据定义语言
3. DML数据操作语言
4. 单表查询
5. 多表查询
6. Python连接SQL |
|
Python编程 |
1. Python标准数据类型
2. 控制流语句
3. 自定义函数
4. 异常和错误
5. 类与面向对象编程
6. Numpy数组操作
7. 用Python做数据分析，必会的库Pandas
8. 用Pandas做数据清洗与数据探索
9. Python数据可视化库（Matplotlib，Seaborn） |
|
数学与统计学基础 |
1. 线性代数
2. 微积分
3. 描述性统计
4. 参数估计
5. 假设检验
6. 相关分析
7. 卡方分析
8. 一元线性回归理论推导
9. 多元线性回归理论推导 |
商业策略分析
(Level 2) |
第1周 |
周六 |
SQL |
1. 数据库MySQL语句与实战
2. Python连接SQL数据库
3. SQL使用案例
4. 金融行业多表分析案例 |
|
周日 |
指标体系与数据治理进阶 |
1. 分析基础-数据分析的概念、过程、能力
2. 指标体系的意义与构建
3. 常用指标体系示例
4. 数据治理进阶
5. 淘宝经营分析案例 |
|
第2周 |
周六 |
Pandas与数据可视化 |
1. Python基础与数据清洗可视化技术回顾
2. Python数据可视化常用方法
3. 交通数据分析
4. 经典数据集：生还率的影响因素
5. 零售行业产品分析 |
|
周日 |
方差分析，线性回归 |
1. 方差分析
2. 线性回归（模型的建立与估计）
3. 统计模型的检验
4. 识别分析-用户支出影响因素分析案例 |
|
第3周 |
周六 |
逻辑回归，主成分分析 |
1. 逻辑回归（模型的建立与估计）
2. 模型评估
3. 信息压缩-主成分分析与因子分析（数据降维）
4. 成交分析-Talkingviews案例
5. 因子分析-城市发展水平综合分析 |
|
周日 |
标签体系与用户画像 |
1. 标签体系的设计原理
2. 用户标签的制作方法
3. 客群分析-标签体系与用户画像
4. 应用用户画像-信用卡持卡用户画像实战案例 |
|
第4周 |
周六 |
时间序列 |
1. 时间序列分析（ARIMA算法）
2. Box-Jenkins 建模流程
3. 时间序列回归
4. 销售额预测-线上平台销售额预测实战案例 |
|
周日 |
聚类分析，决策树应用 |
1. 层次聚类
2. Kmeans聚类
3. 聚类分析评价方法-决策树应用
4. 用户分群-金融行业运营案例 |
|
第5周 |
周六 |
数据采集与处理，特征工程基础 |
1. 数据采集（概率与非概率抽样）
2. 数据处理方法（数据录入，数据清洗，数据编码）
3. 特征工程基础（特征预处理，特征的选择与转换） |
|
周日 |
数字化工作方法，最优化方法 |
1. 数字化工作方法
2. 运筹优化方法（线性规划与二次优化，基于业务流程的优化）
3. 数字化运营综合案例-某机构营销响应概率预测与风险预测案例 |
|
第6周 |
周六 |
ETL数据接入与数据模型管理 |
1. 数据分类
2. 数据建模
3. ETL基本概念与常用工具
4. 基于Python的ETL程序开发
5. ETL实战项目
6. 数据接入策略与调度工具 |
CDA认证考试辅导
（仅限报名考试的学生） |
|
|
Level 2 认证考试辅导 |
CDA Level 2 认证考试辅导
1. 数据基本概念
2. 指标体系
3. 标签体系与用户画像
4. 数据采集与处理
5. 数据模型管理
6. 统计分析
7. 数据分析模型与应用
8. 数字化工作方法与应用 |
|
选修课 |
|
|
选修课 |
1、互联网数字化运营【18课时】
2、何为数据产品经理？【1课时】
3、Python爬虫【15课时】
4、人工智能(深度学习)实战之图像识别【6课时】
5、Tableau多维可视化分析【3课时】
6、SPSS统计分析【12课时】 |