我们每秒生成
1.7MB数据量
普通互联网用户每天
产生1.5GB数据量
自动驾驶汽车每天
产生4TB数据量
智慧工厂每天产生
1PB数据量
随着数字经济的高速发展,国内数据分析人才出现了供不应求的状况,数据分析师 更是被媒体称为“未来最具发展潜力的职业之一”。
人才
缺口大
根据相关数据显示,预计2023年中国大数据行业的人才需求规模将达到250万,2025年前大数据人才需求仍将保持30%-40%的增速,需求总量在3000万人左右
构建完善的数据分析知识体系,提升业务实战能力
1 摆脱“人肉取数机器”,突破薪资瓶颈
2 拥有更开阔的业务视角,提升职场竞争力
3 满足大厂数据分析能力模型,斩获高薪Offer
想要拿到大厂高薪Offer,成为业务操盘手
1 不拍脑门,用数据驱动业务决策
2 搭建核心指标体系,抓住业务核心体系
3 自动化办公,用数据提升找工作效率
培训目标 | |
---|---|
|
|
数据分析师 先导篇 |
1.数据分析的概念 2.数据分析的作用 3.数据分析六部曲 4.数据分析的三大误区 5.数据分析师的发展和职业要求 6.数据分析师的职业素质 |
商业数据分析 |
1.商业数据分析与数据分析的区别 2.从数据治理看数据分析师的职责 3.数据分析师职位画像 4.数据分析师必备技能 5.为什么数据思维很重要? 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 2.数据思维基本功 02客观严谨 3.数据思维基本功 03指标思维 4.数据思维基本功 04逻辑思维 5.数据思维基本功 05系统思维 6.数据思维基本功 06-业务思维 7.数据思维基本功 07-用户思维 8.数据思维基本功 08如何培养数据分析思维 |
Excel数据分析 |
1.Excel行列操作 2.Excel 基本筛选 3.Excel的常用函数 4.Excel中的数据验证 5.Excel中的合并计算 6.Excel的函数进阶 |
GPT |
1.GPT简介、行业画、职影建与上手体验 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 | |
---|---|
|
|
Excel数据处理 |
1.用Excel实现数据清洗和转化 2.用Excel之Power Query实现数据转换和清洗 3.数据分析和建模(power query/power pivot) 4.数据展现之基本统计固介绍及简单制作 5.数据展现之利用Excel实现基本数据透视表 6.数据展现之利用Power View实现高级透视表 7.数据展现之利用Power Map实现bing地图 8.宏与VBA 9.Excel解决某公司财务报表动态生成 |
GPT |
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中数据的导入和酒洗/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、展示如何将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 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 应用展示 展示一个GPT与Excel结合的实际应用场景, 总结与展望 总结GPT与Excel结合的优势和局限性 |
Excel |
1.Excel VBE环境配套及宏代码 2.Excel VBA小试牛刀 3.Excel VBA快速上手 4.Excel VBA高手进阶 5.Excel VBA案例实战 |
Power BI |
1.微软Power BI简介 2.通过power pivot报告快速上手power bi 3.Power BI Desktop界面介绍和数据导入整理 4.Power BI Desktop建立数据分析模型 5.Power BI Online Service (在线版)特有功能 6.Power BI Online Service 报告的分享与写作 7.power bi和Excel的配合 8.数据的刷新 9.仪表板的制作原则 10.常用可视化图表介绍 11.Power BI之巧用地图 |
GPT |
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
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 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 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
深入了解
探索更高级的技术和方法 |
项目实战: |
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/博主活跃度清况及评论转化情况等 博主分析 博主所在排行榜清况分析/博主表现形式领域数量清况分析 /博主所拥有的粉丝情况及星座清况分析/博主所在地域分析等 设计知识点
1理论+业务+数据分析思维+数据分析工具 |
GPT |
概述GPT技术及预备知识
分享如何使用X-GP甘甫助数据分析报告的撰写 数据清洗和文本预处理
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 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 最佳实践和注意事项
总结GPTE数据分析报告中的应用优势和不足,提供一些最佳实践和 |
利用 Tableau |
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 实战:利用Tableau进行电商产品分析 实战:利用Tableau进行客户分析 实战:利用Tableau进行营销效果分析 实战:利用Tableau进行商品评论分析 |
GPT |
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 借助GPT
描述如何使用GPT生成自然语言报告 应用案例
分享一些GPT辅助BI数据分析的实际案例 总结与展望
总结GPT在BI数据分析中的应用优势和局限性 |
利用SQL进行 |
1.初识My Sql (安装My Sql、 使用CMD登录等) 2.缺失值处理:对缺失数据行进行删除或填充 3.重复值处理:重复值的判断与删除 4.异常值处理:清除多余的空格和极端、异常数据 5.利用SQL进行简单的业务数据查询 6.利用SQL完成复杂条件查询 7.利用多表关联完成复杂业务查询 8.利用嵌套子查询完成复杂业务数据分析 9.聚合、分组、排序函数 10.行列转换、试图与存储过程、应用子查询处理业务 11.业务数据表关联查询及查询 12.结果纵向融合、日常业务需求数据宽表构建 13.窗口分析函数及案例实战 14.SQL中利用正则表达式进行数据抽取 15.利用SQL解析Json格式的数据 16.MySQL8新语法特性 (CTE表达式/ON/USING) 17.跨表更新 18.MySQL企业面试题讲解 |
GPT |
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 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 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: |
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。 涉及知识点
1.SQL统计分析函数、 SQL关联多表查询 |
SQL性能 |
1.为什么需要进行SQL优化? 2.mysql的编写过程和解析过程 3.SQL引擎的运行原理 4.索引的原理与索引优化 5.SQL多表关联的优化 6.SQL查询的优化 7.SQL的其他优化注意事项 |
FineBI 国产 |
1.FineBI国产商业智能概述 2.FineBI国产商业智能高级技巧 3.FineBI综合项目实战(旅游/物流可视化大屏制作) 4.FineReport报表开发概述 5.FineReport数据决策分析 -初识FineReport/ FineReport多报表设计&数据 分析计算/FineReport可视化制作&大屏概述及制作 -FineBI与 FineReport的整合应用及整合案例分享 -FineBI和FineReport的整合应用场景与优势 -FineBI和FineReport的数据互通技巧与实例 综合实战01:某科室医护患比月度趋势分析 综合实战02:国家标配与现状对比分析 综合实战03:病床利用率达标及某科室月度趋势分析 综合实战04:住院收入月度趋势分析 |
项目实战: |
任务一、风险分析 |
GPT |
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 ETL数据工程的流程\引入GPT解决编写SQL语句的挑战\使用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 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 实例演示
演示一个使用GPT编写SQL语句的实例 |
培训目标 | |
---|---|
|
|
学完后胜任的岗位 | |
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 |
1.中小企业的决策常态 |
数据人必须了解 |
1.数据人必须了解的数据埋点技术概述 |
干货: |
1.课程背景简介 |
数据人必须了解 |
1.指标与指标体系 |
用户画像与数据 |
1.SW2H模型 |
数据分析师 |
生意参谋是什么? 1) 提升店铺、分析目标、寻找机会 |
数据化运营 |
1.运营的江湖地位 |
行业竞品分析 |
1.什么是竞品分析 |
实战: |
1.了解电商分析的业务背景 |
课程介绍 | |
---|---|
|
|
可胜任的岗位 | |
Python数据分析师
|
|
数据分析编程基础 |
1.从零开始学会搭建Python开发环境 |
GPT |
利用GPT可以帮助您在学习Python的入门阶段时,训练GPT担当如下角色 |
数据收集- |
1.了解Python爬虫的基本工作原理 |
GPT |
1.训练GPT协助你学习Python爬虫职曲知识。与GPT交谈获取Python爬虫基础知识和最佳实践的帮助。 |
利用Python进行 |
1.能够利用Numpy包进行—些金融,电商等数据的量化分析工作 |
利用Python进行 |
1.能够利用Pandas包进行人工智能/机器学习应用的数据分析工作 |
Python |
1.能够使用 Python库进行可视化数据分析 |
GPT |
1.训练GPT协助你学习Python数据分析基础知识。它会提供—些示例代码来帮助您理解Python数据分析。 |
项目实战: |
1.分析各品牌SKU数 |
专为数据分析 |
1.教会你基础的Python办公自动化技能 |
GPT |
1.学习如何利用GPT完成数据预处理:使用GPT实现文本清洗,例如删除无用符号、转换大小写等。 |
学完后胜任的工作岗位 | |
---|---|
|
|
大数据分析篇 |
1.Linux发展及介绍 |
Hadoop |
1.Hadoop简介:介绍Hadoop的概念、架构、特点和应用场景。 |
Hive |
1.了解Hive的基本架构及实现原理 |
GPT |
简介Hive和GPT技术 解释为什么需要将它们集成在一起 Hive和HQL的基础 定义Hive和HQL的基本概念、回顾Hive中常见的数据处理技术、Hive环境中的典型工作流程 GPT在Hive
如何使用GPT生成HQL查询代码 在Hive中使用窗口
讨论Hive中窗口函数的概念和应用场景/如何在Hive中使用窗口函数分析数据 GPT和Hive集成
如何使用GPT生成HQL查询代码 GPT+HQL
演示一个使用GPT生成HQL查询代码的实例 总结与展望 总结X-GP面Hive的优势和局限性展望未来GPT在Hive数据分析中的应用 |
项目实战: |
一、项目简介 |
项目实战: |
一、项目简介 |
Hive大数据分析 |
优化-1:执行计划 |
数据仓库 |
认识数据仓库 |
ETL |
Part-01 : ETL扫盲 |
课程介绍 | |
---|---|
|
|
可胜任的岗位 | |
数据挖掘/ 分析师
|
|
数据分析 |
1.概率 |
SPSS建模分析 |
1.课程规划与简介 |
SAS建模分析 |
1.SAS概述:SAS简介与教育版安装 |
数据挖掘项目实战 |
项目简介 银行客户信用评分卡建模分析是针对银行客户的信用状况开展的—种风险管理手段,通过对客户的基本全面的评估和分析,预测未来潜在的风险避免贷款风险的发生。 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 |
GPT |
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。如果您需要启发,您可以与GPT进行对话,以获取—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。 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询间编写数据分析报告 |
学完后胜任的工作岗位 | |
---|---|
人工智能应用开发工程师
|
|
机器学习入门 |
机器学习扫盲 |
人工智能: |
1.sk-learn机器学习库 |
GPT |
借助GPT学习
可以与GPT交谈,获取有关机器学习的基础知识和最佳实践的帮助。 训练GPT帮你 当您需要对机器学习预测算法所需的大量数据进行预处理时,GPT可以为您提供Python代码示例和处理建议以更有效地预处理数据。 借助GPT选择 在完成数据预处理后,您需要选择适当的机器学习模型并对其进行调整。GPT可以向您介绍不同类型的机器学习模型,例如线性回归、决策树、随机森林、支持向量机等,并指导您如何调整模型以获得更好的性能。 利用GPT进行模型 在选择和调整机器学习模型时,您需要对其进行评估和优化。 |
项目实战: |
【项目背景】如何从中挖掘客户的消费特征和价值以及如何有针对性的对客户进行精准营销。 |
GPT |
1.优秀简历的标准 |
GPT |
简介GPT技术
分析当前Al相关岗位企业所需的技能和能力要求 GPT面试官的设计和
讨论如何使用GPT面试官来测试和评估Al相关岗位的候选人的技能水平 GPT面试官的 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,分享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 |
GPT |
开篇词+GPT如何赋能
2.1GPT在企业面试中能起到的作用和担当的角色 实战:如何利用GPT
3.1请问你的兴趣爱好是什么? 实战:如何利用GPT
4.1GPT赋能高效解决mysql面试题 |
课程介绍 | |
---|---|
|
|
可胜任的岗位 | |
Python高级数据分析师、数据挖掘工程师、人工智能机器学习开发工程师
|
|
毕业顼目实战 |
1.能够根据业务需求完成网络数据的抓取 |
电商数据分析 |
1.数据分析方法 |
用户行为 |
1.数据分析思路的4W模式企业购彭今析流程、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 |
1.数据挖掘工具:SAS、modelbuilder |
展会电话邀约 |
1.电话邀约核心指标分析 |
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 |
GPT |
—、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、Al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变现场景一: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(企业公众研发) GPT变现场景七:利用GPT飞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提示示词专家与培训工作者 GPT变现场景十:成为GPT提示词工作者 |