数据=数字经济时代的石油
数据分析，堪比掘金石油
我们每秒生成1.7MB的数据量
普通互联网用户每天产生1.5GB的数据量
Facebook每天产生4PB的数据量（包含100亿条消息、3.5亿张照片以及1亿小时的视频浏览）
自动驾驶汽车每天产生4TB的数据量
智慧工厂每天产生1PB的数据量
每时每刻，我们都在产生大量的数据：微信聊天、地铁刷卡、 银行存储…据IDC发布的《数据时代2025》报告显示， 全球每年产生的数据量将从2018年的33ZB增长到175ZB， 以数据为中心的数字经济时代已经来临， 如何掘金堪比石油的数据是所有个人、企业和国家的机遇和挑战。
数据分析师--玩出数据商业价值
让数据变成生产力
负责用户行为数据分析
负责构建用户数据模型
负责构建产品
负责用户行为调研
数据分析师
已成为N多人的理想职业
随着数字经济的高速发展，数据分析人才出现了供不应求的状况。有媒体报道，美国的数据分析师平均年薪高达17.5 万美元，而国内顶尖互联网公司，数据分析师的薪酬要比同一级别的其他职位高20%至30%，且颇受企业重视。
-
人才缺口大
数字经济时代，用理性的数据分析代替人工的经验分析已经成为主流，数据分析人才的供给指数仅为0.05，属于高度稀缺。
-
入门相对简单
数据分析是一门跨领域技术，不但统计学、计算机等理工科背景的可以学，金融、财务、市场营销、电子商务、信息系统、人力资源、物流等经济管理类专业出身的也可以学。
-
跨领域发展不受限
几乎所有的行业都会应用到数据，数据分析师不仅仅可以在IT互联⽹领域就业，也可以在金融业、零售业、制造业等领域发展。
-
职业寿命长
数据分析师这个工作，受其他外部业务影响相对较小，所以职位也相对稳定，而且经验越丰富，越受用人企业青睐。
-
性别无歧视
大多数女生都具备细心、耐心的性格品质，而数据分析师必须以认真严谨的态度去进行工作，所以从这个方面讲，女生从事数据分析也是非常适宜的。
-
薪资相对高企
职友集数据显示：过去一年，全国数据分析师年平均工资超过15万元，远高于2019年全国规模以上企业就业人员的年平均工资75229元；与此同时，数据分析师在通信、金融、房地产等行业以及在北上广深等一线城市的工资相对较高。
-
人才缺口大
-
入门相对简单
-
跨领域发展不受限
-
职业寿命长
-
性别无歧视
-
薪资相对高企
-
1 通信/电信运营、增值...(88699个样本) ¥9640
-
2 金融/投资/证券(401388个样本) ¥8870
-
3 新能源(973343个样本) ¥8580
-
4 保险(129457个样本) ¥8480
-
5 计算机软件(723879个样本) ¥8460
-
6 房地产(1119327个样本) ¥8400
-
7 中介服务(59795个样本) ¥8030
-
8 互联网/电子商务(1283872个样本) ¥7920
-
9 影视/媒体/艺术/文化(48384个样本) ¥7890
-
10 交通/运输/物流(223788个样本) ¥7570
行业竞争力分析
-
1 北京(4548份样本) ¥19830
-
2 上海(3758份样本) ¥15900
-
3 深圳(2381份样本) ¥14930
-
4 杭州(1147份样本) ¥14660
-
5 佛山(185份样本) ¥12120
-
6 广州(2156份样本) ¥11730
-
7 南京(598份样本) ¥10820
-
8 厦门(263份样本) ¥10470
-
9 宁波(173份样本) ¥9210
-
10 天津(157份样本) ¥8670
地区竞争力分析
职业发展方向
-
数据运营
-
商业分析
-
量化投资
-
业务线
-
数据分析师
-
技术线
-
数据挖掘/算法
-
数据开发
-
数据产品经理
哪些人适合成为数据分析师
-
对数据分析有兴趣
对数据分析有兴趣，有一定的抗压力与耐心，具备一定的学习和分析能力
-
希望从事数据分析
希望从事数据分析工作的广大应、往届毕业生
-
想转行IT互联网
想快速转行IT互联网、金融等高薪行业的各行各业人士
-
想转岗数据分析
想快速转岗数据分析工作的IT互联网、金融等行业人士
从小白到成为数据分析师
你将具备的技能
如：回归分析、决策树、随机森林、支持向量机等
0基础上学掌门
2个月，挑战年薪20W
高新技术企业
股票代码：836392
专注IT职业培训
十六年（2004-2020）
集教研与教学为一体
总监级资深讲师领衔授课
涵盖主流数据分析技术、工具
搭配更多的热门实战项目
每年可输送10000+职业IT人才
学员入职7000+招聘合作企业
为腾讯、阿里、HP等公司
培养了上百个软件技术团队
4 大培训特色
一站式学习+就业
定制化培养
学习成效更突出
入学一对一能力评估，定制个人专属学习方案；课后作业疑问一对一文字+语音点评指导，直播平台+微信群全程答疑辅导；每周反馈学习报告。
多平台同步
学习方式更便捷
全面支持移动端/PC端同步学习，直播+录播，随时随地，方便快捷，宅家外出都能学。
就业有保障
签订协议更靠谱
学员入学即签订具备法律效用的协议，就业有保障；条件合格者，学费可就业后分期支付。
合作企业多
就业案例更真实
学掌门与7000+用人企业建立了招聘合作关系，累计已输送50000+毕业学员。
课程大纲
- 前置课程
- 传统数据分析
- python数据分析
- python数据可视化
课程模块
| 课程名称 | 课程内容 |
|---|
| 课程名称 | 课程内容 |
|---|---|
| python基础 | 1.python课程的目的 |
| 2.使用JupyterLab | |
| 3.python数据类型 | |
| 4.元组、列表、字典 | |
| 5.python分支结构 | |
| 6.python字符串处理+随机函数 | |
| 7.pthon循环结构 | |
| 8.python面向过程函数操作 | |
| 9.python面向对象 | |
| 10.python关于excel操作（xlrd库） | |
| 11.python关于数据库操作（mysqldb库） | |
| 统计学基础 | 1.描述性统计 |
| 2.概率的基本概念 | |
| 3.贝叶斯 | |
| 4.随机变量及其分布 | |
| 5.假设检验 | |
| 数据分析基础 | 1.数据分析核心思维 |
| 2.数据分析思维技巧 | |
| 3.业务分析指标 | |
| 4.AARRR模型 | |
| 数据分析师职业分析 | 1.数据分析师技能要求 |
| 2.数据分析师职业发展方向 | |
| excel数据分析 | 1.文本清洗函数 |
| 2.关联匹配函数 | |
| 3.逻辑计算函数 | |
| 4.计算统计函数 | |
| 5.时间序列函数 | |
| 6.excel数据分析案例 | |
| excel数据可视化 | 1.常见图表类型 |
| 2.高级图表类型 | |
| 3.图表绘制 | |
| 4.excel绘图技巧 | |
| 5.excel数据可视化案例 | |
| excel数据透视表、图 | 1.数据透视表选项卡介绍 |
| 2.数据透视表分组 | |
| 3.数据透视表计算字段、计算项、值汇总 | |
| 4.数据透视表切片器、多表联动 | |
| 5.数据透视图 | |
| sql数据分析 | 1.mysql数据库客户端工具 |
| 2.库语句 | |
| 3.mysql约束 | |
| 4.mysql数据插入 | |
| 5.sql文件使用 | |
| 6.sql函数 | |
| 7.sql正则表达式 | |
| 8.单表查询 | |
| 9.多表查询 | |
| 10.关联查询 | |
| 11.更改数据 | |
| 12.删除数据 | |
| 13.mysql事务 | |
| 14.mysql存储过程 | |
| 15.mysql视图 | |
| 16.sql数据分析案例 | |
| tableau数据可视化 | 1.tableau安装 |
| 2.数据字段管理 | |
| 3.函数与公式计算 | |
| 4.图表制作 | |
| 5.仪表盘制作 | |
| 6.tableau数据可视化案例 | |
| numpy数据处理 | 1.numpy数据读取和存储 |
| 2.numpy字符串操作 | |
| 3.numpy随机数生成 | |
| 4.numpy统计相关函数 | |
| 5.numpy线性代数 | |
| 6.numpy数据处理案例 | |
| pandas数据分析 | 1.pandas数据结构 |
| 2.index对象 | |
| 3.series索引操作 | |
| 4.dataframe索引操作 | |
| 5.pandas索引操作 | |
| 6.pandas文件读写 | |
| 7.pandas数据分析案例 | |
| scipy数据分析 | 1.scipy基本功能 |
| 2.scipy整合 | |
| 3.scipy优化 | |
| 4.scipy插值 | |
| 5.scipy线性代数 | |
| 6.scipy数据分析案例 | |
| sklearn机器学习数据分析 | 1.什么是机器学习 |
| 2.sklearn回归 | |
| 3.sklearn降维 | |
| 4.sklearn分类 | |
| 5.sklearn聚类 | |
| 6.sklearn数据分析案例 | |
| statsmodels统计模型数据分析 | 1.评估线性模型 |
| 2.评估时间序列处理 | |
| 3.评估方差分析 | |
| 4.statsmodels数据分析案例 | |
| matplotlib数据可视化 | 1.什么是matplotlib |
| 2.matplotlib设置 | |
| 3.柱状图绘制 | |
| 4.散点图绘制 | |
| 5.直方图绘制 | |
| 6.矩阵绘制 | |
| 7.子图使用 | |
| 8.matplotlib数据可视化案例 | |
| seaborn数据可视化 | 1.什么是seaborn |
| 2.常用统计图形绘制 | |
| 3.seaborn数据可视化案例 | |
| pyecharts数据可视化 | 1.pyecharts安装和配置 |
| 2.常用统计图形绘制 | |
| 3.3D柱状图绘制 | |
| 4.热力图绘制 | |
| 5.网络图绘制 | |
| 6.pyecharts数据可视化案例 |
实战项目
-
餐饮：客户点评数据分析
-
游戏：运营数据分析
-
快递：账单数据分析
-
房地产：二手房交易数据分析
-
电商：销量数据预测分析/淘宝直播数据分析
-
金融：信用卡违约数据分析/医疗保险数据分析
真就业，好发展
7000+学员就业单位真实可查
学员关注的，也是我们所关心的
在线学习如何保证效果？
学不会怎么办？
学完起薪多少？
返回顶部