大数据分析已广泛应用于各个领域,无论是国家政府部门、企事业单位,大数据分析都是进行决策和制作决定的重要环节。能够掌握数据分析基本原理与一些有效的数据分析方法,并能灵活运用到实践工作中,对于开展数据分析起着至关重要的作用。能够运用图表有效表达数据分析师的分析不雅观点,使分析结果一目了然。图表的设计是门大学问,如图形的选择、版式的设计、颜色的搭配等等,都需要掌握必然的设计原则。
秦路-数据分析入门145讲课程目录:
章节1: 如何七周成为数据分析师 课时1:为什么需要七周 课时2:七周应该怎么学章节2: 第一周:数据分析思维 课时3:为什么思维重要 课时4:数据分析的三种核心思维(结构化) 课时5:数据分析的三种核心思维(公式化) 课时6:数据分析的三种核心思维(业务化) 课时7:数据分析的思维技巧(象限法) 课时8:数据分析的思维技巧(多维法) 课时9:数据分析的思维技巧(假设法) 课时10:数据分析的思维技巧(指数法) 课时11:数据分析的思维技巧(二八法) 课时12:数据分析的思维技巧(对比法) 课时13:数据分析的思维技巧(漏斗法) 课时14:如安在业务时间熬炼数据分析思维章节3: 第二周:业务 课时15:为什么业务重要 课时16:经典的业务分析指标 课时17:市场营销指标 课时18:产品运营指标 课时19:用户行为指标 课时20:电子商务指标 课时21:流量指标 课时22:怎么生成指标 课时23:如何建立业务分析框架 课时24:市场营销模型 课时25:AARRR模型 课时26:用户行为模型 课时27:电子商务模型 课时28:流量模型 课时29:如何应对各类业务场景 课时30:如何应对各类业务场景(小练习) 课时31:数据化办理业务章节4: 第三周:Excel 课时32:为什么要学习Excel 课时33:文本清洗函数 课时34:常见的文本清洗函数练习 课时35:关联匹配函数 课时36:逻辑运算函数 课时37:计算统计函数 课时38:时间序列函数 课时39:Excel的常见技巧 课时40:Excel工具(1),课时123:Python 练习(1) 课时124:Python 练习(2) 课时125:Python 练习(3) 课时126:Python 练习(4) 课时127:Python 练习(5) 课时128:Python 练习(6) 课时129:Python 练习(7) 课时130:Python 练习(8) 课时131:Python 练习(9) 课时132:Python 可视化(1) 课时133:Python 可视化(2) 课时134:Python 可视化(3) 课时135:Python 可视化(4) 课时136:Python 可视化(5) 课时137:Python 可视化(6) 课时138:Python 可视化(7) 课时139:Python 可视化(8) 课时140:Python seaborn 01 课时141:Python seaborn 02 课时142:Python seaborn 03 课时143:Python Seaborn 04 课时144:Python Seaborn 05 课时145:Python seaborn 06 课时146:python superset 01 课时147:Python superset 02 课时148:Python superset 03 课时149:Python superset 04 课时150:Python superset 05,章节8: 第七周:Python 课时92:入门 课时93:数据类型 课时94:变量 课时95:列表 课时96:列表进阶 课时97:字典 课时98:集合 课时99:控制流 课时100:Python控制流循环 课时101:Python循环进阶 课时102:Python函数 课时103:高阶函数 课时104:第三方包 课时105:numpy 课时106:Python series 课时107:dataframe 课时108:Python dataframe查找 课时109:read_csv 课时110:计算 课时111:Python groupby 课时112:Python Pandas关联 课时113:Python Pandas 多重索引 课时114:Python Pandas 文本函数 课时115:Python Pandas 去重 课时116:Python Pandas apply 课时117:Python Pandas 聚合 apply 课时118:Python Pandas 数据透视 课时119:Python 连接数据库 课时120:Python连接数据库2 课时121:Python 连接数据库3 课时122:Python 练习 markdown
The most popular courses