资源介绍
第一周：重点讲授 Excel 数据分析高级功能
课程引导:观察数据可视化面板完成分析报告 在这个破冰项目中。你需要选择一个感兴趣的数据报表，并给出三个洞察和⻅解。
我们向你提供了三个 Excel 数据表单及可视化图表
学习使用 Excel 来做数据分析，筛选和排序、操作文本和数据的公式、拆分与合并列、聚合函数、条件函数、数据透视表和基础的可视化功能。
第二周：重点讲授 python 基础
计算机网络及 python 基础
你将学习 python 编程基础，包括:Python 语言基础，python 程序流程控制，python基础数据结构，网络基础，简单爬虫等内容。
第三周：重点学习基础统计及商业分析
你将学习描述统计学的基本知识，包括:不同的数据类型，集中趋势和离散程度 的测量方法，如何用数学符号表达，以及常用的可视化方法。(均值,方差,大数 定理,中心极限定理,假设检验,p-value 等)
并学会利用 python 的库进行描述分析和可视化 PythonNumpy,Pandas, Matplotlib 等工具库来做数据预览及数据可视化和描述数据分析。
学习行业流行的商业分析问题解决框架，了解不同商业问题的分析方法，包括基础的预测性分析和非预测性分析，数据丰富和数据有限，数值问题、分类 问题、A/B 测试和用户群体划分等简介。
第四周：几种常用市场数据分析方法
市场策略综述、ROI 投资回报分析、消费者行为预测、市场营销组合模型 多市场营销推干渠道分析
市场分析:市场划分方法、目标和定位
市场策略综述 II、市场划分方法和目标客户、市场推干和产品定位
学习线性回归模型以及背后的数学原理，并用 Excel 和 Python 构建回归模型， 并解读模型的有效性。二分类，假设检验，拟合、过拟合与模型选择:举例介绍 Overfitting 拟合的力道，正则化与交叉验证
第五周：重点讲述客户体验和定价方法 主要学习用户体验详解，客户留存及流失预测分析，归因模型和 NPS，定价基础 及实例，商业拓展及销售详解，在线及线下促成引导性销售(leadgeneration)， 销售预测及销售队伍对⻬。
学习机器学习分类和聚类模型，并用 Python 构建模型，并解读模型的有效性。
第六周：电商数据分析方法 电商分析主要指标、在线市场分析全周期详解、如何利用打造客户画像及生命周 期分析
客户转化率相关要素，RFM 模型分析与客户细分。 学习逻辑回归模型以及背后的数学原理，并用 Excel 和 Python 构建回归模型， 并解读模型的有效性。求逻辑回归参数，梯度下降法牛顿法等
第七周：供应链数据分析及预测商业决策带来的增⻓ 如何构建完备的供应链体系，仓储优化，供需预测。
你将应用所学的商业分析模型，预测向新顾客发布产品信息后带来的收益增⻓， 从而帮助管理层做出正确决策。你将使用 Excel/python 来搭建简单模型支持你的分析。
第八周：学习基本的 SQL 功能
学习 SQL 的基本筛选方法，包括LIMIT,ORDERBY,WHERE,LIKE,IN,OR，以 及跨表 JOIN 查询的多种方法。
学习 SQL 聚合函数功能
学习 SQL 子查询和建临时表格
第九周：重点讲述游戏产业数据分析和 A/BTesting 游戏产业综述、基本概率和决策统计基础、主要 KPI 和指标
A/BTesting 实验设计及原则详解、随机设计实验、配对设计实验、测试数据分析及解释详解
第十周：基于零售数据挖掘业务特征
你将作为一名商业分析师对一家食品零售商的数据进行分析。尝试从业务中的各 个角度入手进行分析，比如顾客、供应商、产品、雇员，构建一个该角度相关信息的数据报告。
