广州国富业务数据分析师培训班,适合零基础在职数据分析师,学生,待业、期待转行从事数据分析工作人员,帮助学员掌握使用Excel进行业务数据分析,业务数据分析模型与分析方法、使用Power BI进行商业智能分析等,更多课程详情请往下看。
对数据敏感
对数字不恐惧,常关注行业数据动态,能从数据变化中自行感觉出事物背后的原因规律。
抗压力与耐心
在处理数据中需要强大抗压力和耐心,与数据打交道的时候需要你爱上数据而不是排斥数据。
自学能力强
在数据分析的过程中需要经常自行研究,学习一些新的思路和方法,不断修正,不断更新。
大学生、在职提升、转行或待业人员
面授/网课、周一到周五8-17点开课
以大型商业软件SAS为工具,通过丰富、实际的教学内容,帮你为业务数据分析师职位做好准备。朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试
学会基于统计学思想的商业分析技巧方法,掌握一门大型数据分析软件SAS;
学会自行建模分析,独立完成数据分析工作,增强业务与技术对接能力;
掌握使用Excel进行业务数据分析,掌握业务数据分析模型与分析方法;
掌握使用Power BI进行商业智能分析,使用Mysql进行数据库增删改查操作;
通过制作和观察Tableau仪表盘提供商业洞察,开发自动化交互式报表能力;
运用统计学分析方法构建实战模型分析方法,并同结合SPSS软件实现;
掌握数理统计学基础知识,精通基础分类、回归、聚类方法并结合案例应用;
可以独立完成数据报告,可以熟悉掌握数据分析在各行业的应用场景;
业务数据分析师(SAS方向)
视频+面授,全日制班,共64课时
本课程为CDA LEVEL I 业务数据分析师认证培训班-SAS专题,SAS作为世界知名大数据分析产品,只要是大机构, 不论是、制药、金融、保险、市场部门、NGO还是政府部门,SAS的覆盖率,都是完全不可被替代的。同时SAS系统具有使用灵活方便、功能齐全、编程能力强且简单易学、数据处理和统计分析融为一体、扩展性和适用性强及应用面广等优点,CDA数据分析师结合国内外行业领先师资力量和企业一同精心设计了本课程,以大型商业软件SAS为工具,通过丰富、实际的教学内容,帮你为业务数据分析师职位做好准备。
业务数据分析师(3个月)
现场+远程,周末班,共192课时
业务数据分析师课程针对周末时间充裕、零基础的专科、本科在校生,以及在职&欲转行从事数据分析人员提供3个月非脱产周末集训,课程内容以CDA数据分析师LEVEL I标准大纲要求,包含业务数据分析和模型-数据获取和SQL查询–Power BI商业智能分析- 统计理论方法 – SPSS建模分析,一整套数据分析流程技术进行讲解,还将从医药、保险、电商、零售、房地产等行业需求出发,使用实际案例手把手将数据分析技术传授给学员,使所学更符合就业要求,达到企业实务标准,快速在大数据时代找准工作定位,快人一步成为企业抢手人才,掌握先机!
课程模块 | 课程详情 |
---|---|
业务数据分析基础 | 数据分析概述—数据分析流程、方法、在企业管理中的应用;数据加工方法;数据计算方法;数据透视分析方法;业务数据可视化方法;业务数据分析案例-财务分析 |
业务数据分析模型与分析方法 | 帕累托分析;案例应用1-核心产品分析;分类分析-RFM模型;案例应用2-用户忠诚度模型;树状结构分析;案例应用3-汽车行业分析报告 |
数据库概述与SQL查询 | 数据库概述与数据库基础;数据类型和约束条件;创建及使用数据库;创建、修改及删除表;插入、更新、删除数据;查询数据:单表查询、集合函数查询、连接查询、子查询、合并查询、多表查询;SQL运算符和函数;SQL综合案例:电商数据多表查询练习 |
Power BI商业智能分析基础 | 商业智能分析概述;商业智能分析流程;指标及指标体系;商业智能可视化分析方法论;理解数据仓库概念;数据仓库上的数据收集;数据仓库上的数据处理加工 |
Power BI搭建多维业务数据模型 | 理解数据模型;数据模型创建逻辑;理解维度与度量;掌握多条件下的透视规则;时间维度透视分析 |
Power BI商业智能实战案例 | 案例分析流程:业务背景介绍-理解数据-制作分析仪;综合案例1:零售销售情况监控仪;综合案例2:餐饮指标监控仪;综合案例3:电商流量分析仪;综合案例4:快消行业销售分析仪 |
数据分析之统计学基础-Part1 | 数据分析方法概述:数据分析过程、数据分析的商业驱动;概率论基础:随机事件、概率、概率分布;描述性统计分析:集中程度、离散程度、偏度和峰度;常见分布族:正态分布和中心定理;多维随机变量:联合分布、协方差、相关系数;数据简化原理:似然函数和辅助函数;参数估计:点估计和区间估计 |
数据分析之统计学基础-Part2 | 匹配样本样本量的确定;统计学二类错误;T检验和F检验方法;分类变量的相关性分析;方差分析方法;一元线性回归分析;多元线性回归分析;作业练习:运用调研数据进行资产价格预测 |