数据分析课程介绍

课程简介

数据是信息时代的“新能源”。从金融到零售，从电商到体育，数据科学都成为成功决策的基础， 广泛应用在营销优化、风险控制、客户关系等商业领域。 【数据分析】以数据分析标准大纲要求从Excel数据分析技能，SPSS数据处理分析， python工具进行数据分析流程技术系统讲解，还将从金融、医药、航空、电商、房地产 等行业需求出发全部用实际案例教学来使所学项目课程更能符合企业要求。

学习目标

●零基础入门，掌握数据分析常用方法、基本原理及分析思路

●基于主流分析工具手把手教学操作，数据的录入、整理、清洗、处理、分析、输出、解读等，会使用软件进行数据处理及分析。

●掌握数据可视化能力和统计分析能力，熟练应用数据可视化工具软件POWER BI

●数据分析相关的编程语言和数据库掌握，Python和SQL。Python用于数据清洗和预处理，机器学习等任务，而SQL则主要用于数据库查询。

学习对象和基础

●周末时间充裕、基础薄弱

●专科本科在校生

●客户经理、产品经理等岗位欲提升职业技能人员

●待业、期待转行从事数据分析工作人员

数据分析课程章节

第一部分 数据分析师基础理论和实践

●数据加工处理方法

●数据可视化方法

●多维度数据集搭建方法

●透视分析

●现状、原因分析

●宏使用方法简介

第二部分 数据处理技术

●SPSS软件及统计分析过程方法论简介

●统计分析过程方法论应用：一个调查研究的实例

●SPSS for Windows的各个模块简介

●数据输入与建立

●数据管理与变换

●SPSS统计图表和报表展示：

●打印与存储输出

●高 级数据修改

●文件管理

●SPSS编程

●实用特性举例

●枢轴表编辑器的用户化输出

●集中趋势及离散趋势分析

●正态检验

●非参数检验

●变量间关系描述

●SPSS交叉表分析过程

●单样本及双样本T检验

●方差分析(ANOVA)

●多选题变量分析及SPSS实现

●如何选择合适的统计学方法

第三部分 使用 Transact-SQL 进行数据查询

●T-SQL查询

●SELECT查询

●多表查询

●数据排序和筛选

●SQL Server 12/16 的数据类型

●使用内置函数

●分组和汇总数据

●使用子查询

●使用Table表达式

●使用SET运算符

●使用Window排 名和聚合函数

●Pivoting和 Grouping Sets

●SQL Server 12/16元数据查询

●执行存储过程

●T-SQL编程

●异常错误处理

●执行事务

●提高查询性能

第四部分 SAS数据分析

●SAS基础概要

●SAS系统入门

●学习SAS句法

●熟悉SAS数据集

●读入SAS数据集

●读入Excel格式数据

●读入固定格式的原始数据文件

●整理和清洗数据

●生成数据

●拼接SAS数据集

●增强报表

●生成汇总报表

●使用SAS/GRAPH作图入门（自学）

第五部分 R语言实战

●数据结构概述

●向量

●因子

●矩阵

●数据框

●列表和函数

●向量化计算和apply

●线性回归的思想

●回归结果的检查

●决定系数 预测 和多元线性回归

●一元线性回归演示

●多项式回归演示

●残差分析演示

●多元线性回归演示

●关联规则介绍

●关联规则演示

●决策树介绍C4.5

●几种分类算法介绍

●评价模型准确性

第六部分 python数据分析和人工智能

●数据科学和AI概述

●数据结构和算法

●Python 数据分析与数据挖掘简介、环境搭建

●Python数据分析工具箱

●数据加载与存储

●数据规范化和处理

●数据分析

●数据挖掘

●数据可视化

●项目实践

第七部分 POWER BI 数据可视化分析技术实战

●模块1：自助式 BI 解决方案简介

●模块2：Power BI 简介

●模块3：Power BI数据源

●模块4：整理和合并数据

●模块5：数据建模和DAX

●模块6：互动数据视觉效果

●模块7：直接连接

●模块8：使用 Power BI 开发

●模块9：Power BI 移动端

第八部分 Hadoop大数据技术实战

●Hadoop安装配置

●Hive，Impala实战解析

●Hbase 实战解析

●Python Web 开发

●Flume-Ng实战解析

●Oozie任务调度系统使用介绍

●Hue集成开放平台使用介绍

●Solr，Lily Hbase 实战解析

●Spark实战解析

附送：电商用户行为分析系统案例