BI商业数据分析就业培训机构-数据挖掘课程-零基础线上学习大数据-学掌门Atstudy网校

数据维护数据分析师大数据工程师数据开发架构师数据治理数据挖掘工程师 BI工程师 ……

财务分析风控建模行业研究量化建模产品经理用户研究运营分析市场策略分析销售广告媒体人力资源 ……

变《数据分析核心能力：数据埋点与指标体系全流程搭建》

选修—>必修

《数据分析核心能力：数据埋点与指标体系全流程搭建》课程升级为必修课程，旨在帮助学员全面掌握数据埋点技术和指标体系搭建的核心技能。课程内容覆盖数据埋点的原理、技术方案设计、神策数据埋点实践经验及数据指标体系的搭建方法，注重理论与实际案例的结合。通过学习，学员能够提高数据采集效率、优化数据质量、构建科学的指标体系，为业务决策提供精准的数据支持。这不仅提升了学员在数据分析领域的技术能力，还增强了他们解决实际问题的实践能力。随着数据驱动决策的需求不断增长，掌握数据埋点与指标体系搭建的能力将为学员提供强大的职场竞争力，满足企业对高效数据分析的迫切需求，推动数字化转型。

具体内容包括：

1.1 模块一、数据人必须了解的数据埋点技术

模块简介

本模块旨在帮助数据人了解数据埋点技术的基础知识与分类、掌握主流的数据上报技术、了解数据埋点的流程与方案设计、并通过案例演示帮助学员深入了解数据埋点的实际应用情况。

模块目标

1、了解数据埋点的几种典型分类

2、了解数据埋点的原理、思路与方法

3、掌握数据埋点的技术方案设计

模块内容

1、数据人必须了解的数据埋点技术概述

2、数据埋点简介

3、数据埋点分类

4、主流的数据上报技术

5、数据埋点技术

6、数据埋点流程

7、数据埋点方案设计

8、数据埋点案例

1.2 模块二、神策数据埋点体系搭建方法与实践经验分享

模块简介

本模块分享了神策数据埋点体系的搭建方法与实践经验，以及埋点业务的规范化方法，帮助学员更高效、准确地实现埋点设计和采集，提升数据分析的效率和准确度。最终，学员将掌握数据埋点的核心技术和实际应用方法，进一步提升数据分析的能力和水平。

模块目标

1、学习神策的数据埋点的技术实现方法

2、分享神策数据的数据埋点实践经验和注意事项

模块内容

1、课程背景简介

2、理解埋点采集对数据分析的重要性

3、如何高效、准确地实现埋点设计

埋点设计的思路与方法/埋点采集方式和触发时机

4、如何规范埋点业务

确认埋点业务的组织架构和关键决策人/埋点业务职能角色以及工作流程/埋点采集全流程总览

1.3 模块三、数据分析师核心能力：指标体系搭建

模块简介

本模块旨在帮助数据分析师掌握指标体系搭建的核心能力，从而快速构建完备、可靠的数据指标体系，为业务决策提供有效依据。主要内容包括：
1. 什么是指标体系，为什么要建立指标体系？
2. 指标体系的基本原则和设计方法，如何选择合适的指标？
3. 指标采集的方法和技巧，如何确保数据质量？
4. 案例分析：通过实际案例进行指标体系搭建的演示和分析。
通过本课程的学习，学员将深入了解指标体系搭建的核心概念和方法，熟练掌握指标选择和采集的技巧，具备快速搭建完备、可靠的数据指标体系的能力。

模块目标

1. 掌握指标体系搭建的核心概念和方法：学员了解什么是指标体系，为什么需要建立指标体系，指标体系的基本原则和设计方法等。

2. 熟练掌握指标的选择和采集技巧：学员学会如何选择合适的指标，使用不同的指标采集方法和技巧，以确保数据质量，进而快速地构建完备、可靠的数据指标体系。

模块内容

1、指标与指标体系

2、为什么需要指标与指标体系

3、如何读懂数据指标

4、如何搭建指标体系

1）OSM 模型 2）AARRR 模型 3）UJM 模型 4）MECE原则 5）北极星法

5、数据指标体系搭建实例

加入新课《业务数据分析全攻略-行业应用与方法精粹》

升级加入《业务数据分析全攻略-行业应用与方法精粹》课程，旨在提升学员在实际行业应用中的数据分析能力。通过新增的行业典型案例分析，课程将学员的学习从理论转向实践，深入探讨了不同行业（如电商、金融、新零售等）中的数据分析方法和应用，帮助学员在实际工作中灵活应对各种数据分析挑战。此外，课程加入了数据分析的核心流程、常用分析方法及指标设计等内容，进一步提升了学员的数据敏感度和业务洞察力。通过对用户行为分析、收益分析、渠道分析等实际案例的讲解，学员能够更好地理解如何将数据分析应用于产品设计、运营优化和决策支持。这一升级使得课程更加全面，既注重技术能力的提升，又强化了学员在不同领域中的实际应用能力，为学员提供了更具竞争力的职业技能，帮助他们更好地适应数据驱动的企业需求。

具体内容包括：

2.1 课程简介

《业务数据分析全攻略：行业应用与方法精粹》是一门系统性的数据分析课程，专为希望深入掌握数据分析技术、理解数据在业务决策中应用的学员而设计。课程通过对行业典型案例的拆解和分析，详细介绍了数据分析在中小企业决策和产品设计中的实际应用。课程涵盖了数据分析的基本概念、流程控制、常用分析方法、指标设计与模型应用等内容，帮助学员建立数据驱动的业务思维，提升业务洞察力。

2.2 课程目标

1、掌握数据分析的基本原理和核心流程，能够独立设计并实施数据分析方案

2、理解行业常用的数据分析指标和模型，具备利用数据分析驱动业务发展的能力

3、培养数据敏感度，能够有效利用数据指导产品设计和优化

4、提升数据处理与分析的实操技能，为面向数据的岗位做好职业准备

2.3 课程内容

模块一、业务数据分析基础（职业）

1.1 数据分析的意义

• 中小企业的决策常态

• 中小企业的的数据困顿

• 数据分析的目的

• 是什么支撑产品设计

• 是什么在支撑产品运营

• 是什么在支撑产品迭代

• 企业想要的数据分析师

1.2 数据分析的流程控制

• 什么是数据

• 什么是分析

• 思维方式的更迭

• 数据服务于产品

• 数据驱动产品优化

• 解决方案的梯度

• DMAIC的概念

• DMAIC的流程展开

• 数据分析的场景

• 数据分析师的能力模型

1.3 数据分析的思路与方法

• 依据时间维度

• 依据综合维度

• 对比分析法

• 分类分析法

• 相关分析法

• 分布分析法

1.4 数据分析的常用指标

• 产品运营类指标

• 产品会员类指标

• 本类控制指标

• 收益控制类指标

1.5 数据分析的常用模型

• 用户行为分析

• 产品分析

• 需求分析

• 用户画像分析

模块二、业务数据分析罗盘（行业）

2.1 电商行业业务数据分析

• 垂直行业指标解析

• 常用分析方法落地

• 需求分析案例说明

• 分析思路参考

2.2 金融行业业务数据分析

• 垂直行业指标解析

• 常用分析方法落地

• 需求分析案例说明

• 分析思路参考

2.3 新零售行业业务数据分析

• 垂直行业指标解析

• 常用分析方法落地

• 需求分析案例说明

• 分析思路参考

2.4 互联网行业业务数据分析

• 垂直行业指标解析

• 常用分析方法落地

• 需求分析案例说明

• 分析思路参考

2.5 物流行业业务数据分析

• 垂直行业指标解析

• 常用分析方法落地

• 需求分析案例说明

• 分析思路参考

模块三、业务数据分析应用（就业）

3.1 用户行为与留存分析

• App 功能留存分析（AB Test）：分析App更新功能对用户留存的影响。

• 用户留存率下降分析：用户流失分析，细分新老用户的不同流失原因。

• 抖音活跃时长分析：分析抖音用户活跃时长下降的原因。

• 新老用户流失分析：新老用户流失的原因及防止流失的措施。

3.2 收益和销售额分析

• 游戏销售额分析：分析游戏月销售额下降的原因。

• 网站销售额下降考量：分析网站销售额下降的原因。

• 如何提高收益？：通过单价和销售量优化收益。

• 如何获得最大收益：通过广告数量优化收益。

• GMV 升了 20%怎么分析？：分析GMV提升的具体原因。

• 网易云日推指标分析：设计指标衡量网易云音乐日推功能的效果。

3.3 APP 收入和渠道分析

• APP 收入分析：分析App充值收入短期内大幅波动的原因。

• APP 渠道预警：对App激活量来源渠道的异常波动进行预警。

• APP 专题分析：分析新用户选择兴趣标签的功能。

3.4 用户分层与标签分析

• 维度分析：从用户角度分析《庆余年》的弹幕数据。

• 如何根据游戏测试数据制作一份 PPT？：分析游戏用户行为并制作PPT。

• 促销活动评估分析：设计分析框架评估促销活动。

3.5 商业模式与市场因素分析

• 分析采购策略：分析不同采购策略的优缺点。

• 促销活动评估分析：从商业模式的角度分析卖房中介业

加入新课《数据分析就业冲刺课程——迈向职业成功之路》

《数据分析就业冲刺课程——迈向职业成功之路》是为已经完成数据分析培训的学员量身定制的实战课程，旨在帮助学员顺利进入数据分析领域的职业岗位。课程通过全面的就业市场分析、岗位需求解析、简历优化、面试技巧和职业发展规划等内容，帮助学员掌握求职过程中的核心能力，并顺利找到理想职位。特别地，课程内容涵盖高频行业知识，帮助学员深入了解数据分析在不同行业中的实际应用，同时提升其在数据分析岗位中的核心竞争力。通过针对性的职业规划与就业指导，学员不仅能快速适应职场，还能制定长远职业目标，为未来发展打下坚实基础。这一升级课程对于提升学员的就业竞争力和确保职业成功至关重要。

3.1 课程简介

本课程专为已经完成本机构数据分析培训的学员量身打造，旨在帮助学员顺利进入数据分析领域的职业岗位。课程内容涵盖数据分析方向的简历优化、面试技巧、高频行业知识、就业市场分析以及职业发展规划等。通过实战经验分享和综合能力提升，助力学员在求职过程中脱颖而出，成功获得理想的职位。

3.2 课程目标

1、深入了解数据分析行业的就业形势和岗位需求

2、掌握数据分析岗位的简历编写和优化技巧

3、熟悉面试流程和高频问题的应对策略

4、理解数据分析在不同行业的实际应用

5、制定明确的职业发展规划,提升长期竞争力

3.3 课程内容

模块一、数据分析行业就业形势与岗位需求

1.1 数据分析行业概览

• 1.1.1 数据分析的定义和价值

• 1.1.2 行业发展趋势与前景

• 1.1.3 国内外就业市场分析

1.2 数据分析岗位解析

• 1.2.1 数据分析师、数据科学家、数据工程师等岗位职责

• 1.2.2 岗位技能要求与能力模型

• 1.2.3 职业发展路径与晋升空间

模块二、数据分析岗位简历编写与优化

2.1 高效呈现技能与项目经验

• 2.1.1 突出核心数据分析技能与工具

• 2.1.2 项目经验的STAR法则应用

• 2.1.3 量化成果，展示数据价值

2.2 针对岗位的简历定制

• 2.2.1 分析招聘信息，匹配关键词

• 2.2.2 不同岗位的简历差异化

• 2.2.3 简历格式与视觉优化技巧

模块三、面试技巧与高频问题解析

3.1 面试流程与准备策略

• 3.1.1 技术面试与HR面试的区别

• 3.1.2 面试前的知识点复盘

• 3.1.3 面试心态调整与礼仪规范

3.2 面试高频问题

• 3.2.1 数据分析思路与方法

• 3.2.2 案例分析与解决方案阐述

• 3.2.3 常见数据分析工具的应用

3.3 面试实战技巧

• 3.3.1 思路表达与逻辑梳理

• 3.3.2 遇到不会的问题如何应对

• 3.3.3 反问环节的技巧

模块四、高频就业行业知识

4.1 数据分析在典型行业的应用

• 4.1.1 金融行业的数据应用

• 4.1.2 电商行业的用户行为分析

• 4.1.3 互联网行业的数据趋势

4.2 行业特定的数据分析方法

• 4.2.1 不同行业的数据特征

• 4.2.2 行业案例分析

• 4.2.3 行业动态与热点追踪

模块五、职业规划与持续发展

5.1 设定清晰的职业目标

• 5.1.1 自我评估与能力定位

• 5.1.2 短期、中期、长期目标制定

• 5.1.3 制定个人职业发展路线图

5.2 专业能力的提升

• 5.2.1 进阶技能学习计划

• 5.2.2 行业认证与资格考试

模块六、就业指导与Offer谈判

6.1 求职渠道与机会获取

• 6.1.1 招聘网站的有效利用

• 6.1.2 内推与猎头合作

• 6.1.3 校招与社招的区别

6.2 Offer比较与选择

• 6.2.1 公司背景与发展前景分析

• 6.2.2 岗位职责与成长空间评估

• 6.2.3 薪酬福利与职业发展平衡

6.3 Offer谈判技巧

• 6.3.1 谈判前的准备工作

• 6.3.2 谈判策略与话术

• 6.3.3 签约后的注意事项

模块七、入职准备与职业适应

7.1 入职前的准备

• 7.1.1 了解公司文化与团队

• 7.1.2 学习企业使用的工具与流程

• 7.1.3 心态调整与角色转变

7.2 职业适应与发展

• 7.2.1 工作习惯与效率提升

• 7.2.2 团队协作与沟通技巧

• 7.2.3 持续学习与自我提升

加入《主流电商数据平台操作与案例精讲》课程

《主流电商数据平台操作与案例精讲》课程的升级具有极强的务实性和实用价值。课程直击电商行业数据分析师岗位的核心需求，聚焦淘宝、京东、抖音等主流平台的后台工具，全面覆盖生意参谋、京东商智、抖音罗盘等实操技能。通过真实案例教学，帮助学员深入理解数据分析在业务中的实际应用，快速掌握关键工具使用、数据解读和报告生成等能力。课程以案例实战为核心，补充技能链条，显著提升学员的实操能力和解决实际问题的能力，满足企业对电商数据分析师的高标准需求。通过这一升级，学员不仅能够全面适应岗位要求，还能增强职业竞争力，为未来职业发展打下坚实基础。

4.1 课程简介

本课程专为已完成本机构数据分析培训的学员设计，旨在帮助他们快速适应电商数据分析岗位的要求。课程聚焦于主流电商平台的核心数据分析工具，包括淘宝天猫的生意参谋和千牛、京东的京东商智和京参谋、抖音的抖音罗盘和直播创作服务平台等。通过系统的教学和实战案例，学员将深入掌握各平台的数据分析方法和实用技巧，提升在电商领域的职业竞争力。

4.2 课程目标

1、熟练掌握淘宝天猫、京东、抖音等主流电商平台的数据分析工具的使用方法

2、理解并应用电商行业的关键数据指标和分析方法

3、能够独立完成电商平台的数据采集、分析、解读和报告撰写

4、提升业务洞察力，为电商运营提供数据驱动的决策支持

5、为电商数据分析岗位做好全面准备，加速职业发展

4.3 课程内容

模块一、电商数据分析概述

1.1 电商行业背景与趋势

• 1.1.1 电商行业的发展历程

• 1.1.2 新零售与电商生态

• 1.1.3 电商数据分析的价值与意义

1.2 电商数据分析岗位解析

• 1.2.1 岗位职责与技能要求

• 1.2.2 职业发展路径

• 1.2.3 行业前景与机会

模块二、淘宝天猫数据分析工具

2.1 生意参谋深度解析

• 2.1.1 生意参谋的功能模块介绍

• 2.1.2 关键数据指标解读与应用

• 2.1.3 市场洞察与竞品分析

2.2 千牛工作台的使用技巧

• 2.2.1 千牛的基础操作与界面介绍

• 2.2.2 订单管理与客户服务

• 2.2.3 数据实时监控与预警设置

模块三、京东平台数据分析工具

3.1 京东商智详解

• 3.1.1 京东商智的核心功能

• 3.1.2 商品与店铺数据分析

• 3.1.3 用户行为与偏好洞察

3.2 京参谋的应用

• 3.2.1 市场趋势与竞品监测

• 3.2.2 精准营销与推广策略

• 3.2.3 数据报告的生成与解读

模块四、抖音电商数据分析

4.1 抖音罗盘功能与实战

• 4.1.1 抖音罗盘的数据指标体系

• 4.1.2 内容效果与用户互动分析

• 4.1.3 提升视频推荐与曝光策略

4.2 直播创作服务平台

• 4.2.1 直播数据监控与分析

• 4.2.2 直播间用户画像与消费行为

• 4.2.3 直播运营优化与转化提升

模块五、实战项目与案例分析

5.1 综合实战项目

• 5.1.1 项目背景与目标设定

• 5.1.2 数据分析全过程实践

• 5.1.3 结果汇报与建议落地

8.2 优秀案例分享

• 5.2.1 案例一：某品牌销量提升策略

• 5.2.2 案例二：用户留存与活跃度提升

• 5.2.3 案例三：多平台数据融合分析

培训目标	了解数据分析师的工作职责并为自己树立职业目标
	掌握数据分析思维、了解基础的数据分析方法，为后继商业数据分析打下基础
	掌握基础的Excel操作，为后继更加高级的Excel分析打下基础
数据分析师先导篇	1.数据分析的概念	4.数据分析的三大误区
	2.数据分析的作用	5.数据分析师的发展和职业要求
	3.数据分析六部曲	6.数据分析师的职业素质
商业数据分析与数据思维	1.商业数据分析与数据分析的区别	4.数据分析师必备技能
	2.从数据治理看数据分析师的职责	5.为什么数据思维很重要？
	3.数据分析师职位画像	6.数据思维到底是什么？
数据分析思维	1.数据思维基本功01-目标导向	5.数据思维基本功05系统思维
	2.数据思维基本功02客观严谨	6.数据思维基本功06-业务思维
	3.数据思维基本功03指标思维	7.数据思维基本功07-用户思维
	4.数据思维基本功04逻辑思维	8.数据思维基本功08如何培养数据分析思维
Excel数据分析基础课	1.Excel行列操作	4.Excel中的数据验证
	2.Excel 基本筛选	5.Excel中的合并计算
	3.Excel的常用函数	6.Excel的函数进阶
GPT(专题一)GPT扫盲课程	1.GPT简介、行业应用、环境搭建与上手体验	GPT实操：如何不被马斯克炒掉？
	2.GPT为什么这么火	GPT实操：让GPT帮你写求职信
	3.GPT的国外的发展与应用及未来趋势	如何自己动手注册GPT帐号
	4.GPT国内的发展与应用及未来趋势	GPT使用中的高频报错警告及解决办法
	5.GPT究竟替代了哪些人的工作?	如何防止帐号被OpenAI禁用，坑与经验

培训目标	针对初级数据分析师的职位发展要求来培训
Excel数据处理与分析实战	1.用Excel实现数据清洗和转化		6.数据展现之利用Power View实现高级透视表
	2.用Excel之PowerQuery实现数据转换和清洗		7.数据展现之利用PowerMap实现bing地图
	3.数据分析和建模(powerquery/power pivot)		8.宏与VBA
	4.数据展现之基本统计图介绍及简单制作		9.Excel解决某公司财务报表动态生成
	5.数据展现之利用Excel实现基本数据透视表
GPT（专题二）Excel+GPT项目实战	简介GPT技术	解释如何使用GPT结合Excel进行数据预处理和文本生成
	数据预处理	Excel中数据的导入和清洗／描述如何使用GPT进行自动化数据清洗和处理
	文本生成	描述如何使用GPT进行自然语言生成展示如何使用GPT生成的文本嵌入到Excel中
	应用场景	探索GPT在数据预处理和文本生成方面的应用场景分析GPT与Excel结合的优势和局限性
	最佳实践和案例分析	分享一些GPT与Excel结合的最佳实践和成功案例介绍如何评估GPT与Excel的效果，并提出改进意见
	应用展示	展示一个GPT与Excel结合的实际应用场景，并分析其关键步骤和注意事项
	总结与展望	总结GPT与Excel结合的优势和局限性展望未来GPT与Excel结合应用的更多机会
Excel高手修炼之路	1.Excel VBE环境配套及宏代码		4.Excel VBA高手进阶
	2.Excel VBA小试牛刀		5.Excel VBA案例实战
	3.Excel VBA快速上手		Power BI商业数据可视化分析
Power BI商业数据可视化分析	1.微软Power BI简介		7.power bi和Excel的配合
	2.通过power pivot报告快速上手power bi		8.数据的刷新
	3.Power BI Desktop界面介绍和数据导入整理		9.仪表板的制作原则
	4.Power BI Desktop建立数据分析模型		10.常用可视化图表介绍
	5.Power BI Online Service (在线版）特有功能		11.Power BI之巧用地图
	6.Power BI Online Service 报告的分享与写作
GPT（专题三）如何训练GPT专业提示词编写技巧方法与实战	GPT提示词是什么		定义GPT提示词GPT提示词的用途
	如何编写好的GPT提示词		确定目标受众、使用合适的语言风格遵循文本生成的最佳实践小心使用敏感话题和表述、考虑多样性和包容性、对提示词进行精细修改
	编写时需要注意的问题		坚持一致性和连贯性、减少重复和歧义、避免过度拟合数据处理特殊情况，如意外输入、测试和优化提示词
	最佳实践示例		展示一些好的GPT提示词的例子、分析为什么这些提示词效果好提供可供参考的模板和指导
	深入了解GPT提示词技术		探索更高级的技术和方法分析GPT提示词技术未来的发展方向
项目实战：基于Power BI 实现抖音达人新媒体分析	日热分析		不同热词在不同时期内的上榜次数、点赞数等／上榜次数较多的热词／上榜数量较多的标题／视频详清／博主活跃度情况及评论转化情况等
	博主分析		博主所在排行榜情况分析／博主表现形式领域数量情况分析／博主所拥有的粉丝情况及星座情况分析／博主所在地域分析等
	涉及知识点		1理论＋业务＋数据分析思维＋数据分析工具 2. 本项目大量的使用到了Power BI专业的M函数，包括但不限于：逆透视自定义函数、切片器、地图及各种热门图表报表。
GPT（专题四）如何训练GPT辅助你完成数据分析报告撰写	概述GPT技术及预备知识		分享如何使用GPT辅助数据分析报告的撰写数据清理和文本预处理的基本方法、数据分析报告的组成结构和要素
	数据清洗、文本预处理文本生成和报告撰写		描述数据清理和文本预处理的基本方法，如何使用GPT数据清洗和预处理使用GPT生成自然语言文本
	实际案例分析		分享一些使用GPT辅助数据分析报告撰写的实际案例探讨如何使用GPT改善数据分析报告的质量和效率
	最佳实践和注意事项		总结GPT在数据分析报告中的应用优势和不足，提供一些最佳实践和注意事项，帮助学员更好地应用GPT完成数据分析报告撰写
利用Tableau进行自助式商业分析	1.tableau安装		6.tableau数据可视化案例
	2.数据字段管理		实战：利用Tableau进行电商产品分析
	3.函数与公式计算		实战：利用Tableau进行客户分析
	4.图表制作		实战：利用Tableau进行营销效果分析
	5.仪表盘制作		实战：利用Tableau进行商品评论分析
GPT（专题五）GPT项目实战BI+GPT项目实战	简介GPT技术		BI数据分析的应用场景和挑战
	GPT与BI的初步操作		讲解如何使用GPT结合BI工具进行数据预处理和文本生成
	GPT与BI的应用场景		探索GPT在BI数据分析中的应用场景／分析GPT与BI工具结合的优势和不足
	借助GPT改善BI数据分析报告		描述如何使用GPT生成自然语言报告如何将生成的文本应用于BI数据分析报告的撰写和呈现
	应用案例		分享—些GPT辅助BI数据分析的实际案例探讨如何使用GPT改善BI数据分析的效率和质量
	总结与展望		总结GPT在BI数据分析中的应用优势和局限性展望未来GPT在BI数据分析领域的更多机会和挑战
利用SQL进行复杂数据分析	1.初识MySql (安装MySql、使用CMD登录等）		10.行列转换、视图与存储过程、应用子查询处理业务
	2.缺失值处理：对缺失数据行进行删除或填充		11.业务数据表关联查询及查询
	3.重复值处理：重复值的判断与删除		12.结果纵向融合、日常业务需求数据宽表构建
	4.异常值处理：清除多余的空格和极端、异常数据		13.窗口分析函数及案例实战
	5.利用SQL进行简单的业务数据查询		14.SQL中利用正则表达式进行数据抽取
	6.利用SQL完成复杂条件查询		15.利用SQL解析Json格式的数据
	7.利用多表关联完成复杂业务查询		16.MySQL8新语法特性(CTE表达式/ON/USING)
	8.利用嵌套子查询完成复杂业务数据分析		17.跨表更新
	9.聚合、分组、排序函数		18.MySQL企业面试题讲解
GPT（专题六）如何让GPT成为你的贴身学习助理	训练GPT成为你的AI学习助手		查找资料，解释代码，提供解题思路与方法……不懂就问，有问必答，24小时不知疲惫，贴心陪伴
	训练GPT成为你的学习陪练		利用GPT自练、自测。它出题你来答，你出题它来答。你回答它评判，科学评估，让你随时了解自己的学习状况与学习效果
	训练GPT成为你的学习顾问+AI学习教练		私人定制学习计划科学指导训练纠错、评估与总结
SQL项目实战：亿级电商网站流量指标SQL数据分析	项目简介		项目借分析“淘宝用户行为数据集”为案例，梳理一遍的数据分析技能。本项目通过对“淘宝用户行为数据集”全过程的分析展示数据分析的全过程－使用工具：MySQL, Excel, Navicat, PowerBI －数据来源：阿里天池实验室淘宝用户行为数据集－数据量级：百万级
	涉及知识点		1.SQL统计分析函数、SQL关联多表查询 2.SQL自定义函数与视图 3. 分析类型：描述分析，诊断分析 4.分析方法：漏斗分析，用户路径分析 5.RFM用户价值分析，活跃／存留分析 6帕累托分析，假设验证分析
SQL性能优化精讲（选修）	1.为什么需要进行SQL优化？		5.SQL多表关联的优化
	2.mysql的编写过程和解析过程		6.SQL查询的优化
	3.SQL引擎的运行原理		7.SQL的其他优化注意事项
	4.索引的原理与索引优化
FineBI国产商业智能 & FineReport报表开发	1.FineBI国产商业智能概述		-FineBI与FineReport的整合应用及整合案例分享
	2.FineBI国产商业智能高级技巧		-FineBI和FineReport的整合应用场景与优势
	3.ineBI综合项目实战（旅游/物流可视化大屏制作）		-FineBI和FineReport的数据互通技巧与实例
	4.FineReport报表开发概述		综合实战01: 某科室医护患比月度趋势分析
	5.FineReport数据决策分析		综合实战02: 国家标配与现状对比分析
	－初识FineReport/FineReport多报表设计＆数据		综合实战03: 病床利用率达标及某科室月度趋势分析
	分析计算/FineReport可视化制作＆大屏概述及制作		综合实战04: 住院收入月度趋势分析
项目实战：基于FineBI实现的金融数据分析	任务一、风险分析		任务三、资产负债分析
	1.1风险指标分析 1.2贷款不良率分析 1.3贷款五级分类清况分析 1.4项目小结		3.1资产结构分析 3.2负债及所有者权益分析 3.3项目小结
	任务二、效益分析		任务四、股票走势分析
	2.1企业营业收入分析 2.2企业营业支出分析 2.3项目小结		4.1股票走势分析 4.2未来趋势分析 4.3项目小结
GPT（专题七）SQL+GPT项目实战	GPT和SQL简介		GPT和SQL的定义 GPT和SQL的主要应用领域
	GPT在ETL数据中的应用		描述ETL数据工程的流程\引入GPT解决编写SQL语句的挑战\GPT的优势和局限性
	如何训练GPT生成SQL提示语		准备SQL语句数据集对数据进行预处理和嵌入训练GPT模型微调模型以优化结果
	如何使用GPT辅助编写SQL语句		定义输入格式、输入样例并从模型中获取输出解择输出并将其转换为相应的SQL语句、消除歧义和错误
	实例演示		演示一个使用GPT编写SQL语句的实例分析该实例的关键步骤和注意事项

培训目标	通过对主流的数据思维数据分析方法、数据分析体系及主流行业的商业运行指标等
	训练学员数据思维能力，发现问题分析问题及解决问题的能力
学完后胜任的工作岗位	业务数据分析师电商数据分析师运营数据分析师
从产品思维到－数据思维数据分析转变篇	1.中小企业的决策常态	11.数据分析的场景
	2.中小企业的数据困顿	12.数据分析的能力模型
	3.数据分析的目的	13.依据时间维度
	4.是什么在支撑产品设计	14.依据空间维度
	5.是什么在支撑产品运营	15.依据综合维度
	6.是什么在支撑产品迭代	16.对比分析法
	7.企业想要的数据分析师	17.分类分析法
	8.解决方案的梯度	18.分布分析法
	9.DMAIC的概念	19.相关分析法
	10.DMAIC的流程展开
数据人必须了解的数据埋点技术	1.数据人必须了解的数据埋点技术概述	5.数据埋点技术
	2.数据埋点简介	6.数据埋点流程
	3.数据埋点分类	7.数据埋点方案设计
	4.主流的数据上报技术	8.数据埋点案例
干货：神策数据埋点体系搭建方法与实践经验分享	1.课程背景简介	4.如何规范埋点业务
	2.理解埋点采集对数据分析的重要性	－确认埋点业务的组织架构和关键决策人
	3.如何高效准确地实现埋点设计	－埋点业务职能角色以及工作流程
	－埋点设计思路与方法／埋点采集方式和触发时机	－埋点采集全流程总览
数据分析师核心能力指标体系搭建	1.指标与指标体系	5.如何搭建指标体系1) OSM模型
	2.为什么需要指标与指标体系	2) AARRR 模型 3) UJM 模型
	3.如何读懂数据指标	4) MECE原则 5)北极星法
	4.数据指标体系搭建实例
用户画像与数据分析经典指标、模型剖析	1.SW2H模型	9.什么是标签体系
	2.PEST模型	10.数据类型的场景
	3.SWOT模型	11.如何定义标签
	4.PSM模型	12.四阶用户画像
	5.产品运营类指标	13.用户画像的意义
	6.产品会员类指标	14.用户画像的微观示例
	7.成本控制类指标	15.用户画像的标签建设
	8.收益控制类指标
数据分析师必须了解的电商运营分析工具“生意参谋”	生意参谋是什么? 1) 提升店铺分析目标寻找机会	5）服务视窗：服务体验、咨询看板、退款看板
	生意参谋怎么用?	6）实时：实时榜单
	1）主页－实时概况 2）主页－店铺排名	7）流量：看板、访客人数、访客分析、特征分布
	3）运营视窗(1)-整体、流量看板、转化看板	8）品类－宏观监控服务－体验诊断售后评价
	4）运营视窗(2)-内容看板、竞争情报	总结数据分析面试时面试官喜欢问的数据参谋问题
数据化运营	1.运营的江湖地位	6.规避运营黑天鹅
	2.内容运营基础	7.数据化运营的探索创新
	3.活动运营基础	8.互联网运营的进阶之路
	4.用户运营基础	9.如何创建一支运营团队
	5.数据化运营本质
行业竟品分析与数据可视化报告撰写	1.什么是竞品分析	7.数据可视化的对比与分类
	2.为什么要做竞品分析	8.数据可视化图表举例
	3.无目的有目的的竞品分析	9.数据可视化应用领域
	4.结论的呈现	10.数据可视化步骤&工具梯度
	5.数据可视化的概念	11.图表呈现流程
	6.数据可视化的意义	12.数据报告撰写
实战：O2O电商平台功能优化效果评估及可视化数据分析报告撰写	1.了解电商业务背景
	2.以客户分析为应用场景，对数据进行加载、清洗、分析及模型建立
	3.以货品分析为应用场景，针对品类销售及商品销售进行分析
	4.以流量分析为应用场景，针对流量渠道及关键词做有效分析
	5.根据业务实际背景做舆情分析
	6.将分析结果及建议制成报告进行发布
GPT（专题八）如何借助GPT高效完成毕业设计	如何借助GPT选择一个合适的主题	GPT可以帮助您生成有关许多不同主题的文章或段落。如果您需要一些启发，您可以与GPT进行对话，以获取一些可能感兴趣的主题
	如何借助GPT收集相关文献资料及找寻相关数据	GPT也可以帮助您搜索和解析大量的文献资料。您可以通过与GPT交谈来获得有关所选主题的最新研究和发现，还能帮助您了解该主题背景信息。
	如何借助GPT建立自己的模型	如果您的毕业设计涉及机器学习或自然语言处理等领域，则可以使用GPT作为基础，对其进行微调，以创建自己的模型。这将需要一些编程技能，但GPT会为您提供必要的API和示例代码。
	如何借助GPT对毕业设计作品进行测试和评估	完成模型后，您需要对其进行测试和评估。这将需要一些数据集和度量标准。您可以与GPT交谈，以获取有关如何正确评估模型性能的建议和指导。
	借助GPT撰写毕设	过程中如何向GPT询问技术难点，如何向GPT询问业务流程，如何向GPT询问编写数据分析报告

学完后胜任的工作岗位	ETL数据工程师、数据挖掘工程师（基础岗）、数仓开发工程师（基础岗）
数据仓库基础教程	Part-01 : 数仓扫盲	Part-02: 认识数仓
	1)什么是数据仓库	1)从曲型的数据工作流程看数仓工作内容与地位
	2)数仓的用途--数仓要解决的问题	2)数仓经典架构、数仓发展历史、数仓分层设计
	3)数仓涉及的技术	Part-03: 数仓未来发展趋势
	4)数仓涉及的职位	1)数据湖＆数据中台
	5)消除几个对数仓的误解	2)湖仓—体
ETL工具利用Kettle进行数据转换与处理	Part-01 : ETL扫盲	Part-03: 使用Kettle对数据进行处理
	什么是ETL? /为什么需要ETL/ETL工作内容	1)Kettle处理csv格式的数据/Excel格式的数据
	ETL工程师的技术与能力要求／如何去做ETL	2)Kettle处理关系型数据库数据
	Part-02: Kettle快速上手	3)利用Kettle进行数据清洗
	1)什么是Kettle	4.1null值处理 4.2重复值处理
	2)Kettle的安装与配置	4.3异常值处理 4.4过滤与分组排序
	3)Kettle快速上手体验	ETL综合案例：职位分析与人才画像之构建城市数据字典
SPSS与SPSS Modeler数据建模分析	1.课程规划与简介	6.商业分析基础简介
	2.数据挖掘项目生命周期	7.回归模型／决策树模型
	3.简单必备的统计学基础	8.支持向量机
	4.用Modeler进行数据挖掘	9.聚类模型
	5.数据挖掘的知识类型	10.关联规则
数据挖掘项目实战银行客户信用评分卡建模分析	涉及技术	1)数据预处理：数据审核、缺失值处理特征变量构建、数据分箱 2)单因素分析：卡方检验、方差分析 3)预测建模：分类模型基本概念、Logistic回归模型、决策树模型等常用模型 4)模型评估：分类模型常用评估指标、混淆矩阵、正确率、召回率 5)金融行业相关指标：信用评分指标、WOE
GPT（专题九）如何让GPT帮你美化简历	1.优秀简历的标准	7.如何使用GPT生成一份简历?
	2.GPT帮你挖掘经历的价值	8.GPT提示关键词（指令）
	3.GPT助您雕刻理想职业简历	9.利用GPT生成简历
	4.使用GPT撰写简历：开始的几个步骤	10利用GPT全面优化简历
	5.确定您的需求	11.实例演示
	6.了解GPT需要什么信息
GPT（专题十）如何让GPT成为你的专职AI面试官	简介GPT技术面试岗位和技能要求分析	分析当前AI相关岗位企业所需的技能和能力要求描述如何准备和规划面试过程以满足企业的招聘要求强调GPT如何协助实现这些目标如何设计和实现模拟人类面试官的模型
	GPT面试官的设计和实现	介绍如何设计和实现一个能够模拟人类面试官的GPT模型展示如何训练GPT面试官模型，并调整模型参数以提高性能
	GPT面试官的设计和实现、面试官的应聘	讨论如何使用GPT面试官来测试和评估AI相关岗位的候选人的技能水平探索如何使用GPT面试官来生成企业面试题对候选人进行模拟面试，并给出针对性的评价和改进意见
	GPT面试官的最佳实践和案例	提供最佳实践，包括如何选择合适的GPT面试官模型、如何准备数据进行训练以及如何评估GPT面试官的效果，分亨GPT面试官应用的成功案例
	GPT面试官演示	演示一个使用GPT面试官对候选人进行实际模拟面试的场景分析该演示的关键步骤和注意事项
GPT（专题十一）GPT赋能面试让你成为“面霸”	开篇词+GPT如何赋能面试让你成为“面霸”	2.1 GPT在企业面试中起到的作用和担当角色 2.2如何给到GPT更好的问题 2.3如何让GPT给到你更准确的答案 2.4如何调教GPT(技巧与方法）
	实战：如何利用GPT帮你顺利搞定人面	3.1请问你的兴趣爱好是什么? 3.2请问你为何从上一家辞职？ 3.3请说出你三个优点与三个缺点? 3.4你期望的工资＆接受加班和出差么？
	实战：如何利用GPT帮你顺利通过技面	4.1GPT赋能高效解决mysql面试题 4.2GPT高效解决数据分析业务题 4.3GPT赋能高效解决python面试题 4.4GPT高效解决机器学习面试题

培训目标	借助六大商业级项目实战，让学员对数据分析、数据挖掘、商业智能应用有全面的理解与认识，让学员在工作中有机会冲击高级数据分析师工作岗位
学完后胜任的工作岗位	BI数据分析师、商业数据分析师、BI工程师等
毕业项目实战基于猎聘网的职位分析与人才画像	1)能够根据业务需求完成网络数据的抓取
	2)能够借助相关技术完成数据清洗转换处理操作
	3)能够从关系型数据库进行取数及复杂数据统计功能
	4)能够使用BI工具完成可视化大屏看板需求
	5)能够独立完成数据分析可视化报告撰写
电商数据分析分析方式之漏斗模型及数据量化	1.数据分析方法	4.AARRR模型
	2.电商行业视角	5.销售漏斗模型
	3.电商通用指标体系
用户行为与营销模型实战	1.数据分析思路的4W模式、企业数据分析流程、电商用户行为分析常见指标
	2.营销推荐模型、CRISP数据挖掘流程、随机森林与决策树、Python代码实现
金融风控模型的构建与分析实战	1.数据挖掘工具：SAS、modelbuilder
	2.常用模型：逻辑回归随机森林、LGBM、GBDT、XGBOOST
	3.编程语言：Python
展会电话邀约项目数据分析实战	1.电话邀约核心指标分析	3.Excel BI数据转换
	2.Excel数据处理	4.透视表、可视化图表分析
零售行业数据分析	1.数据分类、数据治理、数据管理流程、数据清洗、数据分析与可视化
	2.零售业的基本思维方式、零售业的常用分析指标、零售业指标
GPT（专题十二）进入职场后GPT的“七十二”种玩法	一、普通人利用GPT变现（赚钱）的10+场景与最佳实践
	变现场景：卖号、代问答、知识付费（卖资料）、文字创作、AI绘画、短视频创作、客服、翻译等
	二、技术人利用GPT变现（赚钱）的10+场景与最佳实践
	GPT变现场景—：卖号
	GPT变现场景二：知识付费（卖视频写技术文章）
	GPT变现场景三：数据分析与预测
	GPT变现场景四：技术方案
	GPT变现场景五：搭建企业内部的GPT
	GPT变现场景六：搭建微信小程序版GPT (企业公众号开发）
	GPT变现场景七：利用X-GP实现的智能聊天机器人
	GPT变现场景八：开发嵌入GPT的PC端、App端、嵌入式端应用
	GPT变现场景九：行业GPT提示词专家与培训工作者
	GPT变现场景十：成为GPT提志词工作者

变《数据分析核心能力：数据埋点与指标体系全流程搭建》

加入新课《业务数据分析全攻略-行业应用与方法精粹》

加入新课《 数据分析就业冲刺课程——迈向职业成功之路》

加入《主流电商数据平台操作与案例精讲》课程

加入新课《数据分析就业冲刺课程——迈向职业成功之路》