上课方式

面授

上课校区

招生对象

刚刚毕业就面临失业，想学一门技能，增加就业机会的应届毕业生

课程目标

了解大数据业内最新发展趋势，深入掌握Hadoop的原理，Hadoop生态系统

课程详情

授课机构

教学点

同类课程

学员评论

成都数据分析费用根据所报读的班级不同，价格从三千到一万不等，详情请咨询客服。大数据分析的火爆，使得越来越多的企业都开始重视并涉足甚至大力发展大数据分析部分或大数据分析岗位，而这对于数据分析师前景无疑是非常乐观的。

成都CDA数据分析课程

课程简介

数据分析就业班所培训的技能，对口业务数据分析相关岗，学员只需要在培训过程熟练掌握工具操作和业务逻辑，在老师的项目实操下掌握业务分析流程，可获得进入业务数据分析岗所要求掌握的基本技能，常用技能重点教学，针对就业夯实基础。

01

学习目标

熟练掌握Excel、MySQL、Power BI等数据分析软件；精通数据可视化，制作可视化分析报表；可以独立撰写业务分析报告；SQL数据库应用基础；大型数据分析综合项目现场实战；掌握数据分析在各行业的应用场景；掌握业务数据分析模型与分析方法等。

02

数据分析要学什么

（1）Python。因为Python有很多的第三方强大的库，因此Python是数据分析的利器，也是数据分析必学的编程语言。比如Numpy、Pandas、Matplotlib与python作图、Sklearn与机器学习基础等等。虽然Python是数据分析的重要工具，但是不同的职业发展方向，Python掌握的程度也是不一样的。
（2）产品运营知识。可能有些人都听过产品运营这一岗位，对于想往管理路线发展的数据分析师来讲，产品运营是必须要要学习的知识。其实产品运营知识也不复杂，就是根据自身业务需求将指标拆解到最细，然后运用同比和环比两种数据分析方式。

学什么？重点我们帮你圈

课程版块	课程内容
数据分析概述	数据分析分类；数据分析目的及意义；数据分析方法与流程；数据分析角色与职责；数据分析师职业道德与行为准则
业务分析方法与业务分析报告	表格结构数据特征；表格结构数据获取方法；表格结构数据引用、查询与计算方法；数据驱动型业务管理；指标的应用；财务指标的分析与应用；业务场景指标；指标的设计、使用及分析案例；业务指标综合分析案例；可视化分析方法
统计分析基础	统计学概述；数据的概括性度量；统计分布；参数估计；假设检验；相关分析
多维数据分析与可视化分析	表结构数据特征；表结构数据获取；表结构数据加工与使用；ETL及数据仓库应用；多表透视分析逻辑；多维数据模型；透视分析方法；多表透视分析应用案例；客户分析；产品分析；运营分析
SQL数据库应用基础	数据库基本概念；DDL数据定义语言；DML数据操作语言；单表查询；多表查询；函数
SQL大厂面试直通车	SQL大厂面试题突击训练；查询应用案例1 -- 电商多表查询案例；查询应用案例2 -- 零售业多表查询案例
大型数据分析综合项目现场实战	跨国企业完整数据分析实战案例；学生现场探索性实操；项目现场专家评审与1V1指导
Python编程基础	Python基础知识；Python标准数据类型；控制流语句；自定义函数
Python数据清洗与可视化	Numpy数组分析；Pandas数表分析；Pandas数据清洗与可视化；Python数据可视化包-Matplotlib介绍；Python数据可视化包-Seaborn介绍与图形绘制
Python数据分析案例及Python统计分析	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；回归分析；模型的诊断与调优；用户行为显著影响因素分析案例；用户复购预测分析案例
数据分析师职业规划课	职业规划；职场沟通力；团队协作力培养
面试技巧一对一辅导	1V1面试技巧指导与简历修改

选择我们，值得信赖

拥有CDA社群

有十几个社区，上百个版块。每日讨论的热点话题及资料以千计。学员在学后可以到相关版块进行交流、提问、下载资料等，形成数据分析专业聚集地，促进学员在圈子交流中高效发展。

作业与测试

每个课程会安排相关课后作业，确保同学课下能够进行适当练习，保证当日学习效果。除了作业，还会组织学员进行阶段性测试，以考试性质为主，考察学员对本阶段知识掌握程度。

出勤率和进度监督

在课程持续期间，助教还需实时统计学员出勤情况，监督课堂纪律，跟进学习进度。除正常的答疑解惑外，服务团队会与班级同学保持沟通、给予正确指引，从而营造积极学习氛围。

有问必答

助教线上服务要求5分钟内有问必答，并能做到解决所有课程中遇到的问题。在原先每个班一个助教一个班主任配置下，调整为每个班2名助教+项目服务团队的模式，解决线上提问。

数据分析师要掌握的能力

批判性思考的能力。批判性思维将助你跳脱出当前的认知，以更中立、全面的视角审视问题。当你问自己这样的问题时：“这样分析的意义是什么？” “这对过程x有什么影响？”……那么，你就走出了“人迹罕至的地方”，开始深入了解你面前的数据。发现异常值应马上进行下一步调查。异常数据中的峰值代表了什么？这是一个微不足道的异常，还是传递了一个重要的信号，你是否需要进一步评估？可视化分析可以支持你的这些批判性思维的过程，因为它可以允许你在很短的时间内从不同的角度查看数据。当你找到特别有趣的数据点时，你还可以使用不同的图表类型快速轻松地对其进行调查，引入时间维度或有关业务其他部分的详细信息，以便提供新的视图。以不同角度探索相同情况，这有助于你回答一些问题并评估是否应该进一步深挖。在这个过程中，你既是研究员也是调查者。

核心师资，鼎力带学