现在是一个信息爆炸的时代，各种学习资源和渠道层出不穷，很多时候，你不是没有选择，而是无法做出选择。学习数据分析是个麻烦的事情，从哪里入手也是件麻烦的事情。网上信息太多，我们都经历转发某类文章，加某类QQ群，然后可以下载一大堆资料，但是下载后就一直放在那其实一直都没有看过，所以贪多嚼不烂，建议一开始学习的切入，只需要找准几个精准优秀的资源，选准一个点之后认真学习一定是最优效率的。
如果你对数据科学感兴趣，同时又不想掌握复杂的编程语言，我推荐你学习SPSS作为数据分析入门工具。
一、读书是最有效的学习路径，这里我推荐张文彤老师的如下系列书籍：
1.《 SPSS
统计分析基础教程》豆瓣评分8.7分
本书以真实案例贯穿，从
统计分析实战的角度出发详细介绍SPSS界面操作、数据管理、、统计描述、统计图表制作和常用数据分析的原理与实际操作，并结合SPSS的强大功能进行很好地扩展。书中还提供医疗、经济、市场研究等各行业的综合案例，完全从实际案例出发讲解各类方法的综合运用，以更好地协助读者提高实战能力。
本书全面、系统地介绍了各种多变量统计模型、多元
统计分析模型、智能
统计分析方法的原理和软件实现。在书中作者结合自身多年的
统计分析实战和SPSS行业应用经验，侧重于对统计新方法、新观点的讲解。
以上两本教材帮助大家从入门到精通足矣。
二、读万卷书，不如行万里路。
数据分析是一个贴近于实际工作的学科，很多的时候，数据分析的知识和经验需要与业务和项目结合。
CDA LEVEL I业务数据分析师旨在以最简易的工具和技能培养业务数据分析和实践运用能力。SPSS方向使用SPSS+Excel工具，结合银行、电信、零售等行业案例深入浅出讲解数据分析的流程和方法。
9月16号开课，快来充电吧！
【培训信息】
北京&远程（SPSS专题）：9月16~10月22
授课安排：现场班6900元，远程班4900元
(1) 授课方式：面授直播两种形式，中文多媒体互动式授课方式
(2) 授课时间：上午9:00-12:00，下午13:30-16:30，16:30-17:00(答疑)
(3) 学习期限：现场与视频结合，长期学习加练习答疑。
【课程大纲】
第一阶段：数据分析前沿与统计基础理论
1.商业数据分析前沿与概述
2.数据分析流程与方法论
3.数理统计基础知识
4.随机事件与随机变量
6.其他统计学三大分布
第二阶段：数据分析统计基础理论P2
1.随机抽样知识
2.抽样估计基础
5.相关与回归分析
6.数据分析理论基础总结
第三阶段：数据预处理技术P1
1.数据分析与SPSS介绍
a.实例演示
b.SPSS 的特点
c.SPSS 界面介绍
2.数据的输入与保存
a.数据获取及其格式
b.SPSS 数据变量详解
c.SPSS 访问外部数据
第四阶段：数据预处理技术P2
1.数据预处理及分析
2.数据清理
3.新变量生成
5.SPSS 统计图形与可视化
b.比较子组
c.回归变量图
第五阶段：数据分析与建模技术
1.相关分析
2.回归分析基础
3.简单回归分析
4.多元回归分析
a.案例分析：商品韧性材料的影响因素及其预测分析
5.卡方分析
a.案例分析：商品投诉因素分析
第六阶段：数据分析与建模技术
1. 二分类 logistic 分析a.客户违约信息预测
2. 主成分分析与聚类分析
a.主成分分析
b.两步聚类法
4. 统计报表过程
第七阶段：案例分析及业务应用
2.回归分析与因子分析方法
3.市场调研-用户体验评测案例（全咨询项目）
4.业务分析-球员综合评价案例
5.信用卡产能预测与监控
6.贷款违约预测建模全流程
【讲师介绍】
赵仁乾
CDA数据分析研究院讲师/京邮电大学管理科学与工程硕士
现就职于北京电信规划设计院，从事移动、联通集团及各省分公司市场、业务、财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与
精准营销、移动网络价值区域分析、潜在价值客户挖掘等。
丁亚军
CDA数据分析师讲师/首席数据分析师。
兼职中国学习路径图国际培训中心技术顾问，SAS、SPSS高级统计学讲师。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目，具有丰富的数据处理经验。
【课程优惠】
1.全日制在读学生8折优惠（需提供证件证明）；
2.参加过论坛其他现场班老学员9折优惠；
3.三人及以上9折优惠，五人及以上8折优惠；
4.同时报名参加LEVELⅠ和LEVEL Ⅱ享受8折优惠。
【报名流程】
1.在线填写报名信息
https://www.cda.cn/kecheng/30.html
2.给予反馈，确认报名信息
3.网上缴费
4.开课前一周发送电子版课件和教室路线图
联系我们
电话：010-68411404
手机（微信）：18511302788 王老师
邮箱：wangzhenda@pinggu.org
—— Join Learn!
阅读原文链接：
