课程介绍
数据分析50+高频场景实战 业绩提升立竿见影。本课程从 MySQL 查询、Quick BI 报表、Python 数据分析、业务思维、分析模型这五个数据分析师核心技能出发，全程使用提问式的教学形式（基于职场二人，师傅带徒弟），对数据分析中的50+高频率工作场景实战任务，进行生动有趣的讲解，每个任务按照“任务背景、真实任务内容、完成任务”的线索搭建结构完整数据分析技能体系。帮助学员从零开始无痛入门数据分析，并最后成为公司不可或缺的数据分析高值价人才。
学后收获：
从0快速成为数据分析师熟手
4 个高频全流程多领域项目实
50数据分析场景任务随用随查
快速构建数据分析师业务思维
5 大典型数据分析模型精讲
全程提问式教学方式
试看链接：
相关推荐：
课程目录：
├── 第1章 数据分析师是做什么工作的/
│ ├── [ 12M] 1-1导学小白数据分析师成长记—课程导学
│ ├── [7.1M] 1-2数据分析师小王流水账的一天
│ └── [7.7M] 1-3数据分析师的工作内容有哪些
├── 第2章 Excel 数据怎么导入 MySQL？—创建表/
│ ├── [1.7M] 2-1第一个任务：先把数据导入MySQL
│ ├── [6.5M] 2-2什么是MySQL—数据库和SQL
│ ├── [ 13M] 2-3搭建学习环境—安装MySQL
│ ├── [ 13M] 2-4搭建学习环境—windows下安装
│ ├── [6.4M] 2-5使用开发工具—安装Navicat
│ ├── [ 26M] 2-6导入Excel数据—表的创建createtable
│ ├── [ 17M] 2-7多加一列—表的更新altertable
│ └── [6.5M] 2-8表不用了怎么办—表的删除droptable
├── 第3章 【SQL】表中漏了几条数据？—插入数据/
│ ├── [2.5M] 3-1第二个任务：把漏掉的数据补到表里
│ ├── [ 19M] 3-2直接往表里写数据—插入数据insert
│ ├── [ 16M] 3-3修改某行数据—更新数据update
│ └── [6.0M] 3-4数据出错了怎么办—删除数据delete
├── 第4章 【SQL】导入的数据怎么查询？—select 查询语句/
│ ├── [9.8M] 4-1第三个任务：简单查询表中的数据
│ ├── [8.3M] 4-2先把数据都查出来—select语句
│ ├── [ 25M] 4-3查询满足条件的数据—where语句
│ ├── [ 16M] 4-4灵活的字符串匹配—regexp正则表达式
│ ├── [6.5M] 4-5数据按某个值排序—orderby语句
│ ├── [6.3M] 4-6限制返回的条数—limit语句
│ ├── [ 11M] 4-7分组统计数据—groupby语句
│ └── [8.8M] 4-8分组后过滤数据—having语句
├── 第5章 【SQL】均值和最值怎么统计？—MySQL 常用函数/
│ ├── [1.9M] 5-1第四个任务：掌握MySQL常用的函数
│ ├── [ 14M] 5-2均值、最值和求和—五大聚合函数
│ ├── [ 10M] 5-3绝对值和平方根—数学函数
│ ├── [ 18M] 5-4字符串怎么截取—字符串函数
│ ├── [ 29M] 5-5日期格式的转换—日期和时间函数
│ └── [ 13M] 5-6灵活生成新的字段—条件判断函数
├── 第6章 【SQL】渠道类型怎么匹配？—表的连接查询/
│ ├── [3.9M] 6-1第五个任务：匹配渠道id对应的名称
│ ├── [ 28M] 6-2匹配相同的渠道—内连接innerjoin
│ ├── [ 29M] 6-3有些渠道匹配不到—外连接outerjoin
│ ├── [ 13M] 6-4所有渠道通通都要—全外连接union
│ └── [ 24M] 6-5查询语句还可以嵌套—子查询
├── 第7章 【SQL】新增用户的留存率怎么统计？—留存率实战专项/
│ ├── [6.4M] 7-1留存率的概念
│ ├── [ 30M] 7-2第X日留存率
│ ├── [ 13M] 7-3X日内留存率
│ ├── [ 34M] 7-4次周和次月留存率
│ └── [ 17M] 7-5留存率计算拓展—不限定日期差
├── 第8章 【SQL】每天销量最好的三个商品是哪些？—窗口函数/
│ ├── [2.9M] 8-1第六个任务：统计每天销量最好的三个商品
│ ├── [ 30M] 8-2对数据分组排序—row_number函数
│ ├── [ 16M] 8-3排序时值重复了怎么办—rank函数
│ ├── [ 18M] 8-4排名百分比—percent_rank函数
│ ├── [ 17M] 8-5取值函数—nth_value函数
│ └── [ 20M] 8-6偏移函数—lead和lag函数
├── 第9章 【SQL】用户最大连续活跃天数？—MySQL经典问题/
│ ├── [ 16M] 9-1经典问题之分组查询每组TopN
│ ├── [ 14M] 9-2经典问题之最大连续活跃天数
│ ├── [ 11M] 9-3经典问题之行列转换
│ ├── [7.2M] 9-4经典问题之多行变一行
│ ├── [ 26M] 9-5经典问题之一行变多行
│ └── [ 11M] 9-6经典问题之多值匹配
├── 第10章 【SQL】是时候测试一下SQL的实际水平了—某厂SQL笔试真题/
│ ├── [ 27M] 10-1运营活动数据统计
│ ├── [ 15M] 10-2用户行为数据统计
│ └── [9.1M] 10-3用户留存数据统计
├── 第11章 【Quick BI】电商销量数据可视化/
│ ├── [2.1M] 11-1提效好帮手：QuickBI报表实战导学
│ ├── [2.6M] 11-2常用的企业报表工具
│ ├── [7.2M] 11-3QuickBI报表简介
│ ├── [2.5M] 11-4第一个任务：电商销量数据导入QuickBI
│ ├── [6.5M] 11-5【数据准备】先把数据接进来—数据源
│ ├── [ 12M] 11-6【数据准备】可视化分析基础—数据集
│ ├── [922K] 11-7第二个任务：电商销量数据可视化
│ ├── [ 13M] 11-8【可视化图表】销量的变化趋势—折线图
│ ├── [ 10M] 11-9【可视化图表】分类别销量比较—柱状图
│ ├── [5.0M] 11-10【可视化图表】分类别销售额占比—饼图
│ ├── [6.1M] 11-11【可视化图表】销量和销售利润率—散点图
│ ├── [ 12M] 11-12【可视化图表】销量和环比—组合图
│ └── [ 17M] 11-13【可视化图表】招聘流程数据—漏斗图
├── 第12章 【Quick BI】对图表数据进行过滤 & 分类显示图表数据/
│ ├── [1.9M] 12-1第三个任务：对图表数据进行过滤
│ ├── [ 14M] 12-2新建查询控件—日期、文本和数值
│ ├── [9.5M] 12-3美化查询控件—查询控件样式调整
│ ├── [ 10M] 12-4优化查询控件使用体验—条件级联
│ ├── [ 23M] 12-5查询控件和数据集关联—占位符
│ ├── [1.6M] 12-6第四个任务：分类显示图表数据
│ ├── [ 16M] 12-7Tab—标签页形式展示图表
│ ├── [9.0M] 12-8富文本—文字展示汇总数据
│ └── [3.7M] 12-9图片—通过图片跳转链接
├── 第13章 【Quick BI】给图表数据添加导航栏 & 给报表增加目录/
│ ├── [1.6M] 13-1第五个任务：给图表数据添加导航栏
│ ├── [ 13M] 13-2故事线—调整报表展示逻辑
│ ├── [8.0M] 13-3钻取—按层次结构逐层拆解
│ ├── [8.0M] 13-4联动—多个图表共享查询条件
│ ├── [ 16M] 13-5跳转—从当前报表到其他报表
│ ├── [1.2M] 13-6第六个任务：给报表增加目录
│ └── [ 13M] 13-7新建数据门户
├── 第14章 【Quick BI】汽车销量报表案例实战/
│ ├── [3.3M] 14-1汽车销量报表搭建思路
│ ├── [ 21M] 14-2市场概览
│ ├── [ 23M] 14-3乘用车市场
│ ├── [ 13M] 14-4渗透率
│ ├── [ 27M] 14-5纯电动市场
│ └── [2.3M] 14-6QuickBI报表小结
├── 第15章 【Python】打好 python 语法基础，进入 python 的新世界/
│ ├── [1.8M] 15-1建模好工具：Python语言编程入门
│ ├── [9.2M] 15-2Python语言简介和安装
│ ├── [5.6M] 15-3第一个任务：输出HelloPython
│ ├── [9.3M] 15-4VisualStudioCode安装和使用
│ ├── [1.2M] 15-5第二个任务：定义一个变量
│ ├── [6.5M] 15-6变量的命名和使用
│ ├── [6.4M] 15-7变量的数据类型
│ ├── [ 13M] 15-8Python中的运算符
│ ├── [816K] 15-9第三个任务：拼接多个字符串
│ ├── [ 13M] 15-10字符串拼接
│ ├── [ 14M] 15-11字符串格式化
│ ├── [ 12M] 15-12字符串常用函数
│ ├── [1.2M] 15-13第四个任务：判断学生成绩的等级
│ ├── [3.5M] 15-14if语句
│ ├── [3.0M] 15-15ifelse语句
│ ├── [8.4M] 15-16ifelifelse语句
│ ├── [1.1M] 15-17第五个任务：计算1到100的和
│ ├── [ 10M] 15-18while循环
│ ├── [5.6M] 15-19for循环
│ ├── [4.7M] 15-20break语句
│ └── [5.1M] 15-21continue语句
├── 第16章 【Python】打好 python 语法基础（高级）/
│ ├── [6.6M] 16-1列表的定义
│ ├── [6.1M] 16-2列表元素的访问
│ ├── [ 11M] 16-3列表的修改
│ ├── [ 10M] 16-4列表的常用函数
│ ├── [5.8M] 16-5元组的定义
│ ├── [5.9M] 16-6元组元素的访问
│ ├── [3.9M] 16-7元组的常用函数
│ ├── [6.4M] 16-8集合的定义
│ ├── [5.0M] 16-9集合的修改
│ ├── [5.6M] 16-10集合的常用函数
│ ├── [6.5M] 16-11字典的定义
│ ├── [8.2M] 16-12字典元素的访问
│ ├── [7.1M] 16-13字典的修改
│ ├── [5.5M] 16-14自定义函数
│ └── [ 11M] 16-15函数的调用
├── 第17章 【Python】数据分析包 Pandas、结合 matplotlib 绘图/
│ ├── [ 10M] 17-1使用Pandas读取文件
│ ├── [7.6M] 17-2Pandas基本的数据结构
│ ├── [ 21M] 17-3使用Pandas筛选数据
│ ├── [ 16M] 17-4在Pandas中增加新列
│ ├── [ 22M] 17-5使用Pandas进行数据清洗
│ ├── [9.2M] 17-6数据的分组与统计
│ ├── [5.5M] 17-7折线图
│ ├── [9.0M] 17-8柱状图
│ ├── [1.4M] 17-9直方图
│ ├── [1.6M] 17-10散点图
│ └── [2.4M] 17-11饼图
├── 第18章 【Python数据分析案例】 分析运营商客户“流失”预测模型/
│ ├── [ 19M] 18-1数据概览
│ ├── [ 10M] 18-2数据清洗
│ ├── [ 20M] 18-3数据可视化
│ ├── [ 11M] 18-4特征工程
│ ├── [7.4M] 18-5逻辑回归模型
│ └── [2.8M] 18-6Python编程入门小结
├── 第19章 【业务思维】培养数据分析的业务思维/
│ ├── [1.2M] 19-1修炼好内功：业务分析实战
│ ├── [3.3M] 19-2数据分析师需要具备哪些能力
│ └── [2.4M] 19-3业务分析实战内容简介
├── 第20章 【业务思维】不同行业的核心数据指标/
│ ├── [4.4M] 20-1什么是数据指标体系
│ ├── [3.3M] 20-2为什么要建立指标体系
│ ├── [9.1M] 20-3如何搭建好的指标体系
│ ├── [3.8M] 20-4电商行业指标体系
│ ├── [2.6M] 20-5内容社区行业指标体系
│ ├── [4.4M] 20-6游戏行业指标体系
│ └── [2.5M] 20-7制造行业指标体系
├── 第21章 【分析方法】常见的分析方法 及 分析模型/
│ ├── [686K] 21-1常见的数据分析方法
│ ├── [3.2M] 21-2分层分析法
│ ├── [1.8M] 21-3趋势分析法
│ ├── [3.0M] 21-4矩阵分析法
│ ├── [2.4M] 21-5漏斗分析法
│ ├── [3.6M] 21-6同期群分析
│ ├── [4.6M] 21-7相关分析法
│ ├── [4.2M] 21-8逻辑树分析法
│ ├── [853K] 21-9经典的数据分析模型
│ ├── [8.8M] 21-10AARRR模型
│ ├── [8.6M] 21-11RFM模型
│ └── [3.7M] 21-12OSM模型
├── 第22章 【业务实战场景】指标波动排查实战/
│ ├── [3.4M] 22-1指标波动简介
│ ├── [5.9M] 22-2指标波动排查框架
│ └── [8.2M] 22-3指标波动排查实战
├── 第23章 【业务实战场景】渠道评分模型/
│ ├── [3.8M] 23-1渠道分析简介
│ ├── [5.7M] 23-2渠道评分模型理论
│ └── [ 24M] 23-3渠道评分模型实战
├── 第24章 【业务实战场景】RFM 模型/
│ ├── [5.1M] 24-1RFM模型理论
│ └── [ 20M] 24-2RFM模型实战
├── 第25章 【业务实战场景】DAU 预测模型/
│ ├── [2.5M] 25-1DAU预测简介
│ ├── [7.8M] 25-2DAU预测模型理论
│ └── [ 28M] 25-3DAU预测模型实战
├── 第26章 【业务实战场景】电商用户行为分析/
│ ├── [4.4M] 26-1数据概览
│ ├── [7.2M] 26-2数据清洗
│ ├── [ 10M] 26-3用户购买漏斗数据
│ ├── [7.6M] 26-4商品曝光和购买率分析
│ └── [7.9M] 26-5用户活跃时间分析
├── 第27章 【报告撰写】数据分析报告的撰写/
│ ├── [2.8M] 27-1什么是数据分析报告
│ ├── [2.9M] 27-2数据分析报告的类型
│ ├── [2.4M] 27-3数据分析报告的内容
│ ├── [ 16M] 27-4数据分析报告示例
│ └── [2.7M] 27-5业务分析实战小结
└── 第28章 课程总结/
└── [9.4M] 28-1小白数据分析师成长记—课程总结
└── 资料代码/
![[衡天云]爆款云服务器 低至12元/月](/hty.png)