1.课程简介

根据严谨的业务数据分析教学大纲，从数据库管理，统计理论方法，数据分析主要软件应用，数据挖掘算法模型，一整套数据分析流程技术进行系统讲解。从金融、电商、零售、互联网、医药、保险、房地产等行业需求出发，结合在工作中实际遇到的数据分析案例，让学员全面掌握商业数据分析的能力。

2.教学目标

熟练掌握Excel、SPSS数据分析，Power BI、tableau商业智能，掌握统计学理论知识，精通聚类、回归、因子分析等算法，熟练掌握数据清洗，可以完成缺失值填补、异常值处理等，掌握MySQL数据库基本操作，精通数据可视化，例如箱线图、动态图等，学会简单的Python网络数据爬取，了解各类数据挖掘算法，掌握数据分析在各行业的应用场景，分工完成大型项目，可以独立完成数据建模，数据报告撰写。

3.适合人群

无论你是想成为一名全职开发人员，还是在从事运营或业务岗位，数据分析都是你所需要的关键技能。任何没有背景或只有基础知识的人都非常适合这门课程，因为我们将从最基本的Excel高级技能开始，并教你使用相关数据分析工具。

4.授课内容

章节1：Excel数据处理

章节2：基于Excel的SmartBI开发（选修）

章节3：Power BI学习

章节4：数据存储之MySQL

章节5：Python数据科学

章节6：自然语言处理（选修）

章节7：R数据分析（选修）

章节8：统计学基础

章节9：R语言数据挖掘（选修）

章节10：echarts（选修）

章节11：可视化开发框架-D3（选修）

章节12：SPSS modeler数据挖掘

章节13：数据采集和处理-爬虫

章节14：数据采集和处理Kettle

章节15：数据采集处理Informatica

章节16：大数据离线分析平台（选修）

章节17：大数据数据仓库-Hive（选修）

章节18：商业智能与可视化-Tableau

章节19：商业智能与可视化- Matplotlib

章节20：商业智能与可视化- Pyecharts

章节21：机器学习（选修）

5.项目实战

项目一：某新零售品牌综合运营分析。分析该零售品牌营业额下滑的重要原因，学会如何整理规范的数据报告。

项目二：某商超产品关联分析。应用定制表、假设检验、购物车分析法、维恩图等技能，分析商品是否可以组合营销。

项目三：电信客户流失分析。应⽤⼆元logistic回归模型，建模预测流失⽤户特征画像，以便建⽴流失预警模型。

项目四：某⼩微贷款⾦融⻛控模型设计。应⽤指标、权重、决策树模型，建⽴评分卡预测新贷款所属放款类型，根据借贷客户实际违约情况，对模型深入优化。

项目五：某房产连锁品牌数据爬取。应⽤ python爬取房产连锁品牌的官网，获取多个数据，利用机器学习模型预测房价。

项目六：某餐饮⼝碑网站数据爬取。应⽤ python 爬⾍到该餐饮⼝碑网站中，获取指定品类的商家信息等关键信息，并利⽤这些数据来做餐厅选址参考。

项目七：某房产连锁品牌数据可视化。综合应⽤ python 各种绘图功能，结合条形图、饼图、词云图、热⼒图、地图等，对该房产连锁品牌的数据进⾏可视化展现。

项目八：某餐饮公众号运营分析。获取该公众号的所有⽂章标题，通过描述性分析观察每个词的频数及其分布情况，结合 Matplotlib 进⾏可视化展⽰，并对词进⾏“情感分析”。