上课方式

面授

上课校区

招生对象

对量化投资比较感兴趣的业界人士

课程目标

小白快速掌握数据分析入门技巧，了解行业及技术基础

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

统计学。毫不夸张的说统计学是整个数据分析的灵魂。判别一个数据分析师强弱的一个重要方法就是，看他对统计规律的敏感度。这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析（T 检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。推荐书籍：《深入浅出数据分析》、《统计学习方法》李航。

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

师资与课程研发

课程注重结合实际，把具技术含量、具价值理念的课程传授给学员。课程注重启发式教学，让学员在动手解决问题中去学习。

内容注重阶梯化

内容设计更注重阶梯化、体系化的原则，每个学员不论学习和工作的背景如何，都能找到适合自己的课程，并不断学习提高。

作业与测试

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。

数据分析师要掌握的统计方法

分类。分类（classification）是一种数据挖掘技术，它可以将一组数据分成不同的类别。分类有时也被称为决策树。两种主要的分类技术是：逻辑回归（Logistic Regression）和判别分析（Discriminant Analysis）当因变量是二分的（比如，转化，只有转化了vs没转化两个值）时候，逻辑回归就是一个正确的回归方法来分析数据。就像所有的回归分析那样，逻辑回归是一个预测分析。逻辑回归是用来描述数据和解释一个二分的因变量和一个或多个定类变量、定序变量、定距变量和定比变量的关系。

核心师资，鼎力带学