北京CDA数据分析师的数据分析全栈班面向学习更多前沿项目思路的CDA老学员，课程学习过程逼近一线大厂项目。案例由浅入深进行讲解，从客户价值管理、商品管理、用户行为分析、销量预测等等，涵盖互联网公司常见的数据挖掘任务。现在火热报名中。
-
课程简介
数据分析全栈班：对于数据分析师来说，缺乏足够的项目经验无疑让个人履历显得平平无奇，泛乏可陈。在人才市场上，具有一线大厂项目经验的数据分析从业者，无疑可以让用人单位另眼相看，重金以待。
为了让括CDA俱乐部成员在内的数据分析从业者吸取一线互联网公司的项目经验，学习前沿的数据挖掘技术，CDA联合京东云数据科学团队联合推出《京东&CDA数据分析师实战训练营》。
该部分课程均由京东数据科学家与CDA数据科学研究院专家团联合研发并授课，必修实战项目均来源于京东云团队参与的成功的数据挖掘项目，操作数据为京东真实的脱敏数据，学习过程逼近一线大厂项目。案例由浅入深进行讲解，从客户价值管理、商品管理、用户行为分析、销量预测等等，涵盖互联网公司常见的数据挖掘任务。学习目标
掌握数据分析体系
掌握用户数据分析框架
掌握EDIT模型在电商用户数据分析场景的使用
掌握AIPL以及4A用户营销分析方法
掌握商品数据分析框架
掌握EDIT模型在商品数据分析场景的使用
掌握销售分析、库存分析、市场分析、促销分析等常用分析诊断方法
掌握商品数据分析常用数据挖掘模型
掌握流量数据分析框架
掌握流量分析的基本工具
掌握流量异常检测方法和常用的流量分析模型
掌握基于Power BI的动态数据可视化报告制作面向对象
掌握基于Power BI的动态数据可视化报告制作
缺少一线互联网大厂数据分析与数字化决策的项目经验，希望个人履历能添光溢彩者
希望了解一线互联网大厂在数据资产变现思路者
简历无亮点缺乏竞争优势
学习更多前沿项目思路的CDA老学员培训内容
1章电子表格工具应用（录播4课时）
1-1Excel工具应用
2章数据分析概念（3课时）
2-1数据分析分类
2-2数据分析目的及意义
2-3数据分析方法与流程
2-4数据分析角色与职责
3章数据结构（9课时）
3-1表格结构数据特征
3-2表格结构数据获取方法
3-3表格结构数据引用、查询与计算方法
3-4表结构数据特征
3-5表结构数据获取
3-6表结构数据加工与使用
4章数据库应用（录播4课时）
4-1数据库基本概念
4-2DDL数据定义语言
4-3DML数据操作语言
4-4查询
4-5函数
5章数据库应用（12课时）
5-1查询应用案例1--电商多表查询案例
5-2查询应用案例2--零售进销存监控分析仪的搭建
6章描述性统计分析（录播3课时）
6-1统计学概述
6-2描述性统计图表
6-3集中趋势的描述
6-4离散程度的描述
6-5分布形态的描述
6-6相关分析
7章商业智能分析工具应用（录播4课时）
7-1Power BI工具应用
8章多维数据透视分析（12课时）
8-1多表透视分析逻辑
8-2多维数据模型
8-3透视分析方法
8-4多表透视分析应用案例--服装连锁品牌商销售分析仪的搭建
9章财务指标分析（录播4课时）
9-1财务指标分析
10章业务分析方法（12课时）
10-1数据驱动业务管理
10-2指标的应用
10-3业务场景指标
10-4指标的设计
10-5指标的设计-多场景指标设计、使用及分析案例（绩效、运营、销售等）
10-6业务指标综合分析案例-互联网运营业务指标综合分析案例
11章业务分析应用（12课时）
11-1业务分析方法概述
11-2客户分析方法-客户维度分析案例
11-3产品分析方法-产品维度分析案例
11-4运营分析方法-互联网运营业务综合分析案例
11-5行为效果分析方法-电商运营活动效果评估分析案例
11-6业务模型应用-销售业务漏斗模型实战案例
11-6业务分析方法综合应用-互联网市场、运营综合实战案例
12章工具先导课（录播10课时）【好学AI】
12-1Python基础和数据清洗
13章数据采集与处理（6课时）【面授】
13-1数据采集方法
13-2市场调研与数据录入
13-3数据探索与可视化
13-4数据预处理
14章数据模型管理（2课时）【面授】
14-1数据分类基本概念
14-2建模与数据仓库
15章标签体系与用户画像（4课时）【面授】
15-1标签体系设计原理
15-2标签的加工方式
15-3用户画像
16章统计分析（录播20课时）【面授】
16-1数据分布
16-2抽样估计
16-3假设检验
16-4方差分析
16-5一元线性回归分析
17章案例项目课（12课时）【面授】
17-1超市设计方案对销量影响的方差与列联检验比较
18章数据分析模型（录播6课时）【面授】
18-1主成分分析
18-2因子分析
18-3多元线性回归分析
19章案例项目课（12课时）【面授】
19-1金融客户行为的特征分解
19-2汽车销售数据综合回归预测
20章数据分析模型（录播6课时）【面授】
20-1分类分析
20-2时间序列
20-3聚类分析
21章案例项目课（12课时）【面授】
21-1收益率的系列预测
21-2客户行为的市场细分
22章数字化方法（6课时）【面授】
22-1业务探查与问题定位
22-2问题诊断
22-3业务策略优化和指导
23章案例项目课（6课时）【面授】
23-1数字化方法
24章先导课（录播12课时）【好学AI】
24-1Python基础和数据清洗与可视化
25章Python数据挖掘预科（12课时）【面授/直播】
25-1Python数据清洗与可视化案例
26章数据挖掘概论（录播6课时）【录播】
26-1数据挖掘概要
26-2数据挖掘方法论
26-3基础数据挖掘技术
26-4进阶数据挖掘技术
27章高级数据处理与特征工程（6课时）【面授/直播】
27-1高级数据预处理
27-2特征工程概要
27-3特征建构
27-4特征选择
27-5特征转换
27-6特征学习
28章机器学习算法及案例（录播48课时）【面授/直播】
28-1朴素贝叶斯
28-2决策树（分类树及回归树）
28-3实战项目：保险行业案例
28-4神经网络与深度学习
28-5支持向量机
28-6实战项目：基于神经网络的汽车燃油率预测
28-7集成方法
28-8聚类分析
28-9实战项目：航空客户价值分析案例
28-10关联规则
28-11序列模式
28-12模型评估
28-13实战项目：推荐系统实战
29章自然语言处理与文本分析（7课时）【录播】
29-1自然语言处理概要
29-2分词与词性标注
29-3文本挖掘概要
29-4关键词提取
29-5文本非结构数据转结构
30章项目案例（录播12课时）【面授/直播】
30-1实战项目：文本挖掘实战—电商标题关键词分析
31章机器学习实战（12课时）【面授/直播】
31-1自动机器学习
31-1类别不平衡问题
31-1半监督学习
31-1模型优化
32章数字化决策方法与数据行业赋能商业案例
32-1基于消费者行为的资产模型的分析和应用
32-2零售营销资源投放策略分析
32-3用户关注度模型构建及运营
32-4基于用户搜索行为的商品推荐策略
32-5品牌触点分析与营销资源投放策略
32-6行业发展指数的构建与营销策略的配置
32-7金融反欺诈业务指标概述
32-8金融反欺诈预测系统的搭建
32-9探查与问题定位
32-10问题诊断方法
32-11策略优化和指导
32-12构建基于LBS的线下实体运营决策支持
32-13电商数据赋能线下实体行业的应用
33章选修实战项目
33-1使用Python进行离网用户预警案例
33-2基于fbprophet算法的股价预测
33-3基于深度学习的舆情监控系统的搭建
33-4基于Xgboost的消费者购买意向预测
33-5数据科学岗位调研
33-6音乐推荐系统算法的搭建
33-7用电敏感客户分类
33-8基于用户搜索关键词的用户画像
33-9基于决策树的通讯客户满意度分析
33-10基于基站定位数据的商圈分析
33-11基于客户购买行为数据分析的的商业策略优化
33-12医疗数据分析行业应用之糖尿病预测
33-13房价预测案例
