慕课网- 人人都能学的数据分析

后端开发

课程简介

数据分析工程化：从统计基础到商业落地这份资料的核心价值在于将数据分析从“概念科普”转化为“可执行的工程能力”。课程以电商交易场景为贯穿主线，采用 SQL 与 Python/Excel 双轨并行的技术栈。对于后端开发者或习惯代码思维的工程师而言，这种配置能直接复用现有的数据处理认知体系，避免陷入仅靠鼠标点击操作的被动学习状态。资料涵盖了从数据清洗、统计指标…

已有 2 人浏览发布 2026-10-10 更新 2026-10-12

数据分析工程化：从统计基础到商业落地

这份资料的核心价值在于将数据分析从“概念科普”转化为“可执行的工程能力”。课程以电商交易场景为贯穿主线，采用 SQL 与 Python/Excel 双轨并行的技术栈。对于后端开发者或习惯代码思维的工程师而言，这种配置能直接复用现有的数据处理认知体系，避免陷入仅靠鼠标点击操作的被动学习状态。资料涵盖了从数据清洗、统计指标计算到用户行为建模的完整链路，提供了大量可直接复用的 SQL 查询模板和 Python 处理逻辑。

内容结构严格遵循数据分析的标准生命周期。第一周建立统计思维，重点解决异常值识别、集中趋势与离散程度分析等数据预处理问题，这是保证后续分析准确性的基石。第五周补齐 Python 语法短板，确保读者具备独立编写数据处理脚本的能力。随后的核心章节深入业务场景，包括销售趋势分析、商品价格分布、复购率与回购率的 SQL 实现，以及基于 RFM 模型的用户分层。这种由浅入深的安排，既适合初学者构建完整知识图谱，也适合有经验的开发者查漏补缺。

实践路径与产出建议

建议读者按照“统计基础 → Python 语法 → 单点分析技能 → 综合案例实战”的顺序推进。初期重点攻克异常值处理和描述性统计，掌握如何用代码快速评估数据质量；中期聚焦 SQL 技巧，特别是窗口函数在计算复购率、平均购买周期等指标时的应用，这部分是连接数据库与业务洞察的关键桥梁；后期则通过电商用户留存分析和 RFE 模型构建，完成从单一指标分析到系统性用户价值评估的跃迁。

学完本套资料后，你将具备独立搭建小型数据分析流水线的工程能力。具体表现为：能够处理百万级交易表，提取关键业务指标；熟练使用 Python 进行数据清洗与可视化；构建 RFM 用户分群模型以支持精细化运营；以及输出包含趋势洞察与留存策略的数据分析报告。配合资料练习时，建议不要仅停留在观看视频层面，务必下载对应的数据集，亲手复现每一个 SQL 查询和 Python 脚本。通过对比自己的实现与标准答案的差异，能够更深刻地理解代码背后的业务逻辑与性能优化要点，从而真正将知识内化为工程技能。

课程目录

第12周分析消费行为14 集

3-3 案例8：基于电商的用户消费行为分析_.mp4 [20.0 MB]
2-7 商品分析：销售情况、价格分布【资源精选‖更多关注：CunworkNotes】_.mp4 [59.8 MB]
2-4 趋势分析：消费时间段偏好_.mp4 [74.9 MB]
2-3 趋势分析：销售额 vs 产品数【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [53.7 MB]
2-2 趋势分析：金额、频次、人数、产品数【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [41.8 MB]
2-6 个体分析：消费频次、商品数【持续更新‖免费提供：CunworknoteS】_.mp4 [41.4 MB]
1-1 什么是消费行为【不易整理‖请关注：CunWorkNoteS】_.mp4 [17.1 MB]
1-2 消费行为模式的变迁_.mp4 [30.5 MB]
2-8 使用SQL计算复购率【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [71.3 MB]
2-9 使用SQL计算回购率【整理不易‖记得关注：CunWorKNotes】_.mp4 [75.9 MB]
2-5 个体分析：消费金额【更多精选‖公众号：CunWorknotes】 _.mp4 [38.2 MB]
3-2 使用SQL用户平均购买周期【不易整理‖请关注：CunWorkNoteS】_.mp4 [56.0 MB]
3-1 使用SQL计算头部用户贡献额【持续更新‖免费提供：CunworknoteS】_.mp4 [81.6 MB]
2-1 案例说明：某电商交易数据_.mp4 [59.8 MB]

第1周走进数据分析10 集

2-8 数据分析流程~1_.mp4 [21.0 MB]
2-6 识别异常值~1_【优质资源‖关注：cunWorkNotes 解锁】.mp4 [11.8 MB]
2-4 统计指标：离散趋势~1_.mp4 [18.0 MB]
2-3 统计指标：集中趋势~1_.mp4 [13.1 MB]
1-2 从互联网数据分析说起~1_.mp4 [6.2 MB]
2-5 统计指标：分布形态~1_.mp4 [14.5 MB]
2-7 澶勭悊寮傚父鍊紐1_.mp4 [10.5 MB]
2-1 什么是数据~1_.mp4 [17.0 MB]
1-1 互联网数据分析通用课程-导学~1_.mp4 [10.2 MB]
2-2 什么是统计指标~1_.mp4 [13.2 MB]

第14周促进用户活跃度、提升用户留存8 集

2-4 案例8补充：基于电商的用户留存与价值分析_.mp4 [10.6 MB]
2-1 什么是产品的 Aha Moment？_.mp4 [13.7 MB]
1-1 如何提升产品活跃度？_.mp4 [19.0 MB]
1-2 用户活跃度模型（RFE）_.mp4 [8.9 MB]
2-3 练习：使用Excel计算用户生命周期【公重号：CunWorkNotes】_.mp4 [82.1 MB]
1-3 练习：使用Excel构建RFE模型_.mp4 [165.3 MB]
2-2 练习：使用Excel计算用户留存率_.mp4 [141.8 MB]
资料1.url [112.0 B]

第5周 Python基础语法9 集

2-4 寰幆璇彞锛歠or銆亀hile_.mp4 [34.7 MB]
2-6 编写一个函数【公重号：CunWorkNotes】_.mp4 [49.9 MB]
2-7 练习：计算销售额_.mp4 [36.7 MB]
1-2 什么是Python【持续更新‖免费提供：CunworknoteS】_.mp4 [5.2 MB]
2-3 条件判断语句：if、else、elif_.mp4 [26.3 MB]
2-5 循环中止：break,continue【更多精选‖公众号：CunWorknotes】 _.mp4 [34.1 MB]
2-1 数据类型_.mp4 [25.9 MB]
2-2 数据容器【不易整理‖请关注：CunWorkNoteS】_.mp4 [62.6 MB]
1-1 学习编程的几个建议_.mp4 [12.2 MB]

第7周更高效的数据处理与可视化绘图24 集

5-4 散点图：评分分值与人数_.mp4 [41.5 MB]
4-3 调整视觉元素_.mp4 [39.7 MB]
5-7 词云图：电影类型频数统计_.mp4 [85.7 MB]
2-3 数据运算：按年统计、时间聚合_.mp4 [37.2 MB]
5-2 折线图：各国电影年产量_.mp4 [77.2 MB]
2-1 读取数据_.mp4 [21.1 MB]
1-1 Pandas库入门【整理不易‖记得关注：CunWorKNotes】_.mp4 [63.0 MB]
4-1 Matplotlib入门【整理不易‖记得关注：CunWorKNotes】_.mp4 [57.5 MB]
5-8 案例2：豆瓣电影数据分析报告【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [33.3 MB]
5-5 热力图：电影类型、评分、数量_.mp4 [117.4 MB]
3-1 练习1：各国每年电影产量_.mp4 [145.6 MB]
2-5 数据运算：评分统计_.mp4 [39.6 MB]
3-5 本章小结【资源精选‖更多关注：CunworkNotes】_.mp4 [3.3 MB]
3-4 练习：TOP电影排行榜_.mp4 [38.7 MB]
2-6 鎺掑簭涓庣瓫閫塤.mp4 [31.1 MB]
2-4 数据运：算多类型统计_.mp4 [57.5 MB]
1-3 案例介绍：电影数据分析【持续更新‖免费提供：CunworknoteS】_.mp4 [25.5 MB]
2-2 清理数据重复值、缺失值、拆分_.mp4 [116.0 MB]
3-3 练习2：各国评分数据_.mp4 [55.5 MB]
4-2 什么是画布【整理不易‖记得关注：CunWorKNotes】_.mp4 [8.8 MB]
3-2 练习3：电影语言频数统计_.mp4 [45.3 MB]
5-1 直方图：电影年产量_.mp4 [49.9 MB]
5-3 饼图：电影语种统计_.mp4 [51.3 MB]
5-6 箱线图：每年电影评分变化【资源精选‖更多关注：CunworkNotes】_.mp4 [46.3 MB]

第3周从0开始学SQL8 集

1-2 认识数据表结构_.mp4 [9.0 MB]
1-3 MySQL安装及配置【资源精选‖更多关注：CunworkNotes】_.mp4 [24.9 MB]
2-5 本章小结【公重号：CunWorkNotes】_.mp4 [3.6 MB]
2-4 导出数据【持续更新‖免费提供：CunworknoteS】_.mp4 [13.9 MB]
1-5 基础语法【不易整理‖请关注：CunWorkNoteS】_.mp4 [31.7 MB]
1-6 数据排序与筛选【公重号：CunWorkNotes】_.mp4 [43.6 MB]
2-2 对数据进行分类汇总_.mp4 [19.1 MB]
1-4 安装Navicat_.mp4 [37.0 MB]

第10周构建用户画像18 集

2-10 数值特征对比：雷达图【持续更新‖免费提供：CunworknoteS】_.mp4 [121.6 MB]
3-3 用户下单流程分析【不易整理‖请关注：CunWorkNoteS】_.mp4 [34.0 MB]
2-2 利用Python预处理数据【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [55.9 MB]
1-1 什么是流量【公重号：CunWorkNotes】_.mp4 [12.7 MB]
3-4 案例7：利用Excel绘制转化漏斗图【持续更新‖免费提供：CunworknoteS】_.mp4 [59.1 MB]
1-2 拓展：流量数据指标_.mp4 [35.4 MB]
2-1 案例：背景与目标_.mp4 [7.8 MB]
2-4 数据标准化：Min-Max【更多精选‖公众号：CunWorknotes】 _.mp4 [48.7 MB]
2-11 案例6：基于Kmeans的广告效果聚类分析_001_.mp4 [25.1 MB]
1-3 大流量分析模型：波动、特征、预测_.mp4 [8.4 MB]
2-9 聚类结果分析：特征均值、众数【更多精选‖公众号：CunWorknotes】 _.mp4 [96.7 MB]
2-8 聚类结果分析：样本量与占比_.mp4 [82.1 MB]
2-5 字符串分类：OneHot编码_.mp4 [40.3 MB]
2-7 练习：最佳KMeans聚类模型_.mp4 [111.2 MB]
2-6 KMeans建模：利用轮廓系数确定K【持续更新‖免费提供：CunworknoteS】_.mp4 [14.9 MB]
2-3 计算相关性指标【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [42.5 MB]
3-2 漏斗分析有哪些应用场景【公重号：CunWorkNotes】_.mp4 [15.6 MB]
3-1 什么是漏斗分析模型【资源精选‖更多关注：CunworkNotes】_.mp4 [23.0 MB]

第11周用户引流与转化15 集

1-7 练习：使用SQL提取商品数据【更多精选‖公众号：CunWorknotes】 _.mp4 [44.4 MB]
2-1 什么是RFM模型【整理不易‖记得关注：CunWorKNotes】_.mp4 [8.3 MB]
2-5 给用户贴标签【不易整理‖请关注：CunWorkNoteS】_.mp4 [66.7 MB]
1-5 练习：使用SQL提取用户数据_.mp4 [44.0 MB]
1-2 数据标签系统：背景介绍_.mp4 [66.2 MB]
2-2 利用Excel计算R、F、M分值_.mp4 [47.1 MB]
1-4 数据标签系统：构建用户画像_.mp4 [59.9 MB]
1-3 数据标签系统：数据采集、埋点【持续更新‖免费提供：CunworknoteS】_.mp4 [42.2 MB]
2-4 计算R、F、M得分【持续更新‖免费提供：CunworknoteS】_.mp4 [49.4 MB]
2-7 模型展示与可视化_.mp4 [52.7 MB]
1-6 数据标签系统：构建商品画像【更多精选‖公众号：CunWorknotes】 _.mp4 [81.0 MB]
2-8 案例5：基于RFM的用户精细化管理_.mp4 [32.6 MB]
2-3 设置R、F、M评分标准_.mp4 [38.0 MB]
2-6 RFM评分卡优化：使用K-Means进行数据分组【持续更新‖免费提供：CunworknoteS】_.mp4 [89.2 MB]
1-1 什么是用户画像_.mp4 [17.2 MB]

第6周 Python实现网络爬虫11 集

1-4 BeautifulSoup库入门【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [86.1 MB]
3-3 练习：爬取全部电影数据_.mp4 [122.3 MB]
3-2 练习：爬取全部电影数据_.mp4 [76.8 MB]
2-3 整合爬虫功能函数_.mp4 [111.6 MB]
3-1 通过API接口获取数据_.mp4 [104.1 MB]
2-4 数据存储与代码优化【整理不易‖记得关注：CunWorKNotes】_.mp4 [144.9 MB]
1-1 浠€涔堟槸鐖櫕_.mp4 [13.3 MB]
2-1 获取目标信息_.mp4 [109.0 MB]
1-3 认识HTML网页结构_.mp4 [137.4 MB]
2-2 连续获取多个页面信息【不易整理‖请关注：CunWorkNoteS】_.mp4 [119.7 MB]
资料文档.url [112.0 B]

第9周解析数据指标体系11 集

1-1 用户生命周期、AARRR、RFM_.mp4 [24.8 MB]
2-5 转化（变现）指标_.mp4 [45.4 MB]
2-3 娲昏穬鎸囨爣_.mp4 [29.7 MB]
1-2 5W2H、逻辑树、AB测试【持续更新‖免费提供：CunworknoteS】_.mp4 [15.8 MB]
2-8 本章小结【整理不易‖记得关注：CunWorKNotes】_.mp4 [3.6 MB]
1-3 SWOT、PEST、波特五力【资源精选‖更多关注：CunworkNotes】_.mp4 [32.0 MB]
2-6 传播指标：K因子_.mp4 [40.0 MB]
2-4 鐣欏瓨鎸囨爣_.mp4 [120.2 MB]
2-2 拉新（获客）指标【整理不易‖记得关注：CunWorKNotes】_.mp4 [53.7 MB]
2-7 案例4：搭建商业化指标体系【更多精选‖公众号：CunWorknotes】 _.mp4 [50.5 MB]
2-1 互联网业务分析指标一览_.mp4 [38.3 MB]

第16周撰写数据报告、面试指导4 集

2-1 18.3如何撰写简历【资源精选‖更多关注：CunworkNotes】_.mp4 [39.6 MB]
1-1 18.1如何撰写数据分析报告_.mp4 [29.2 MB]
2-2 18.4面试经验分享_.mp4 [29.3 MB]
1-2 18.2演讲技巧与PPT模板分享【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [21.6 MB]

资料3 条

人人都能学会数据分析【不易整理‖请关注：CunWorkNoteS】.exe [15.5 MB]
数据包.exe [573.6 MB]
辅助材料.exe [47.9 MB]

第4周数据可视化利器 Tableau8 集

1-8 可视化练习：美妆产品销售分析_.mp4 [67.3 MB]
1-4 构建图表【整理不易‖记得关注：CunWorKNotes】_.mp4 [67.0 MB]
1-7 淇濆瓨涓庡彂甯僟.mp4 [9.1 MB]
1-3 准备数据【不易整理‖请关注：CunWorkNoteS】_.mp4 [33.1 MB]
1-5 鍒涘缓浠〃鏉縚.mp4 [16.6 MB]
1-2 安装Tableau_.mp4 [31.3 MB]
1-6 鍒涘缓鏁呬簨_.mp4 [9.7 MB]
1-9 本周小结【优质资源‖关注：cunWorkNotes 解锁】_.mp4 [3.8 MB]

第15周使用AB实验迭代功能8 集

1-5 缁冧範锛歅ython璁＄畻p鍊糭.mp4 [71.9 MB]
1-2 AB测试的基本流程_.mp4 [13.8 MB]
1-4 练习：Python计算点击率CTR【资源精选‖更多关注：CunworkNotes】_.mp4 [57.7 MB]
2-1 什么是异常监测_.mp4 [11.7 MB]
2-2 练习：Python孤立森林异常检测【公重号：CunWorkNotes】_.mp4 [88.5 MB]
1-6 案例13：利用AB测试优化产品设计【持续更新‖免费提供：CunworknoteS】_.mp4 [15.6 MB]
1-1 浠€涔堟槸AB娴嬭瘯_.mp4 [9.0 MB]
1-3 统计学基础：假设检验_.mp4 [12.8 MB]

第2周 Excel从入门到表格分析10 集

1-3 数学函数【不易整理‖请关注：CunWorkNoteS】_.mp4 [30.9 MB]
2-2 条件聚合函数【公重号：CunWorkNotes】_.mp4 [34.6 MB]
1-5 拆分列数据_.mp4 [33.8 MB]
1-4 处理重复数据_.mp4 [47.5 MB]
1-6 数据排序和筛选_.mp4 [62.0 MB]
2-3 查找与引用函数_.mp4 [24.4 MB]
2-6 制作可视化图表_.mp4 [93.9 MB]
1-1 Excel基本功能【资源精选‖更多关注：CunworkNotes】_.mp4 [25.3 MB]
2-7 大数据岗人才需求分析报告【不易整理‖请关注：CunWorkNoteS】_.mp4 [101.4 MB]
2-4 数据透视表_.mp4 [36.9 MB]

第8周初始互联网商业模式3 集

2-2 数据职能岗发展通道_.mp4 [21.2 MB]
1-4 市场规模：直播电商发展时间线_.mp4 [128.6 MB]
1-3 如何做行业分析【资源精选‖更多关注：CunworkNotes】_.mp4 [18.4 MB]
… 其余 31 项略，目录共 231 项