《LEVEL 1业务数据分析师》为周末集训课程,包含八周线下集训+四周线上课程+全套录播视频。学习周期为三个月。同时我们会布置案例作业供课后练习提交,确保大家高质量地完成课程。
WHO
针对周末时间充裕、基础薄弱人士
对数据分析感兴趣的高校学生、教师
对商业BI数据分析感兴趣的各界人士
待业、期待转行从事数据分析工作人员
对数据分析和商业智能感兴趣的高校学生、教师
可借助数据分析提高工作效率的产品、运营
可借助数据分析提高工作效率的产品、运营、市场、销售、管理岗位人士
针对核心工作是SQL、数据清洗、可视化和业务分析的数据专员岗位
WHAT
WHAT
助教线上服务时间由原先的上课期间答疑调整为课程持续期间答疑,包括中途休息时间;每日答疑由原先的“朝九晚六”调整为“朝九晚九”,全面覆盖同学晚自习时间
每个班级、每位同学、每月都会进行至少一次一对一辅导,询问同学学习状态、解决学员学习问题;同时,针对模块测试结果后10%学员进行额外辅导,确保学员跟上进度
对于重难点知识和同学普遍反应的问题,助教将进行每周1-2次的晚自习串讲,串讲时常为2小时左右,且相关内容需要重新制作、有别于课程内容,帮助同学攻克重难点
助教线上服务5分钟内有问必答,并真正做到解决所有课程中遇到问题。在每个班一个助教+一个班主任配置下,调整每班2名助教+项目服务团队模式,以确保解决线上提问
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。除正常答疑外,服务团队会与班级同学保持沟通、给予正确指引,营造积极学习氛围
在远程授课期间,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,提升同学实时参与感、保证当日学习效果。除作业,服务团队组织学员进行阶段性测试
WHAT
学习章节 | 学习内容 |
01章业务数据分析基础 |
01-01数据分析概述—数据分析流程、方法、在企业管理中的应用 01-02数据加工方法 01-03数据计算方法 01-04数据透视分析方法 01-05业务数据可视化方法 01-06业务数据分析案例-财务分析 |
02章业务数据分析模型与分析方法 |
01-01帕累托分析 01-02案例应用1-核心产品分析 01-03分类分析-RFM模型 01-04案例应用2-用户忠诚度模型 01-05树状结构分析 01-06案例应用3-汽车行业分析报告 |
03章数据库概述与SQL查询 |
01-01数据库概述与数据库基础 01-02数据类型和约束条件 01-03创建及使用数据库 01-04创建、修改及删除表 01-05插入、更新、删除数据 01-06查询数据:单表查询、集合函数查询、连接查询、子查询、合并查询、多表查询 01-07SQL运算符和函数 01-08SQL综合案例:电商数据多表查询练习 |
04章 Power BI商业智能分析基础 |
01-01商业智能分析概述 01-02商业智能分析流程 01-03指标及指标体系 01-04商业智能可视化分析方法论 01-05理解数据仓库概念 01-06数据仓库上的数据收集 01-07数据仓库上的数据处理加工 |
05章Power BI搭建多维业务数据模型 |
01-01理解数据模型 01-02数据模型创建逻辑 01-03理解维度与度量 01-04掌握多条件下的透视规则 01-05时间维度透视分析 |
06章Power BI商业智能实战案例 |
01-01案例分析流程:业务背景介绍-理解数据-制作分析仪 01-02综合案例1:零售销售情况监控仪 01-03综合案例2:餐饮指标监控仪 01-04综合案例3:电商流量分析仪 01-05综合案例4:快消行业销售分析仪 |
07章数据分析之统计学基础-Part1 |
01-01数据分析方法概述:数据分析过程、数据分析的商业驱动 01-02概率论基础:随机事件、概率、概率分布 01-03描述性统计分析:集中程度、离散程度、偏度和峰度 01-04常见分布族:正态分布和中心极限定理 01-05多维随机变量:联合分布、协方差、相关系数 01-06数据简化原理:似然函数和辅助函数 01-07参数估计:点估计和区间估计 |
08章数据分析之统计学基础-Part2 |
01-01匹配样本 01-02样本量的确定 01-03统计学二类错误 01-04T检验和F检验方法 01-05分类变量的相关性分析 01-06方差分析方法 01-07一元线性回归分析 01-08多元线性回归分析 01-09作业练习:运用调研数据进行资产价格预测 |