热线电话:4000-51-9191

就学培训网

登录
首页系统课GrowingIO &CDA 增长黑客就业班
GrowingIO &CDA 增长黑客就业班
GrowingIO &CDA 增长黑客就业班
  • 远程班 随报随学

课程简介

GrowingIO &CDA 增长黑客就业班:2020年以来,数字化转型热度指数级增长,热情前所未有。数字经济已经从零部件演变为基础设施,衣食住行在内的各个产业都正在发生翻天覆地的变化。
而数字化转型并不仅仅意味着企业的变革,更是对人才能力要求的变革,包括产品、运营、投放、市场在内的越来越多岗位开始要求数据能力,不仅要求会看数据、分析数据,更重要的是,能够用数据驱动业务增长的复合能力。
除了业务岗位,企业对于数据分析师的要求也在逐步发生变化。不仅要求对数据分析工具的充分掌握,也更加关注分析师是否具备业务思维、是否能够基于数据成果、为业务侧带来策略输出与优化建议,带来实际的增长结果。
在此背景之下,GrowingIO结合经典的增长黑客理论体系,以及在创立GrowingIO帮助数字化在上千家企业的独家方法论,推出了这门未来增长官认证课程。以实战为导向,把数据增长的核心方法论和GrowingIO产品实操结合起来,交付体系化的用数据驱动增长的底层能力。

学习目标

掌握数据增长理论模型
掌握数据增长工具使用掌握
掌握数据指标搭建与监测能力,并掌握如何基于数据进行解读分析、决策优化
掌握包括留存、转化、获客与裂变在内的核心增长黑客方法论

学习对象和基础

零基础学生、转行人士,低门槛无忧就业
基础薄弱数据类岗位从业者,系统提升专业技能
产品、运营、营销、财务等业务部门在职者,提升数字化工作效率
研发、中台、技术类部门在职者,数字化赋能支持业务发展
企业创始人、经理人、管理咨询类岗位从业者,把握数字化转型方案及流程

1预科学习

1-1Excel 预习视频
1-2数据库预习视频
1-3Power BI 预习视频
1-4Python 编程在线学习

2数据分析概述

2-1数据分析分类
2-2数据分析目的及意义
2-3数据分析方法与流程
2-4数据分析角色与职责
2-5数据分析师职业道德与行为准则

3撰写业务分析报告

3-1表格结构数据特征
3-2表格结构数据获取方法
3-3表格结构数据引用、查询与计算方法
3-4数据驱动型业务管理(数据埋点、数据治理、数据应用等)
3-5指标的应用 - 搭建营销运营指标体系
3-6财务指标的分析与应用
3-7业务场景指标 - 多场景业务场景指标应用精讲(运营、客户、商品、活动等)
3-8指标的设计 - 多场景指标设计、使用及分析案例(绩效、运营、销售等)
3-9业务指标综合分析案例 - 互联网运营业务指标综合分析案例
3-10可视化分析方法
3-11业务分析方法应用 - 杜邦分析法、帕累托分析法、四象限分析法
3-12业务模型应用 - 价值模型、帕累托模型、漏斗模型、RFM模型
3-13撰写业务分析报告方法
3-14电商、互联网、零售行业的数据分析场景介绍
3-15客户分析 - 电商客户维度综合分析案例(用户生命周期、用户特征、用户行为分析)
3-16产品分析 - 电商产品维度综合分析案例(商品画像、商品标签、商品定位策略分析)
3-17运营分析 - 互联网运营业务综合分析案例(运营效果分析、电商漏斗模型分析应用)
3-18行为效果分析 - 电商运营活动效果评估分析案例(A/B测试、行为效果评估)
3-19市场分析 - 汽车行业市场分析案例(市场分析报告撰写方法)
3-20业务分析综合案例 - 互联网市场、运营综合实战案例(业务模型综合分析应用)

4制作可视化分析报表

4-1表结构数据特征
4-2表结构数据获取
4-3表结构数据加工与使用
4-4ETL及数据仓库应用
4-5多表透视分析逻辑
4-6多维数据模型
4-7透视分析方法
4-8多表透视分析应用案例 -- 多维透视分析应用案例
4-9客户分析-电商客户运营分析仪表板(潜在客户挖掘、电商运营效果监控、运营指标分析应用)
4-10产品分析-产品进销存追踪监控看板(进销存业务流程分析与监控)
4-11运营分析-电商运营分析驾驶舱(电商获客分析、营销漏斗模型监控分析)
4-12市场分析-汽车市场销售监控仪(市场动态监控看板制作方法)
4-13销售分析-销售进度管理监控分析仪(销售漏斗模型分析应用、销售结果预测分析模型)
4-14综合实战案例-电商综合运营分析仪表板(流量、转化、客单相关指标分析监控)

5描述性统计分析

5-1统计学概述
5-2描述性统计图表
5-3集中趋势的描述
5-4离散程度的描述
5-5分布形态的描述
5-6相关分析
5-7统计分析面试题突击训练

6SQL数据库应用基础

6-1数据库基本概念
6-2DDL数据定义语言
6-3DML数据操作语言
6-4单表查询
6-5多表查询
6-6函数

7SQL大厂面试直通车

7-1SQL大厂面试题突击训练
7-2查询应用案例1 -- 电商多表查询案例
7-3查询应用案例2 -- 零售业多表查询案例

8大型数据分析综合项目现场实战

8-1电商数字化运营综合实战案例【结业项目】
8-2世界500强外企数字化营销综合实战案例【结业项目】
8-3学生现场探索性实操
8-4项目现场专家评审与1V1指导

9数据分析师职业规划课

9-1职业规划
9-2职场沟通力
9-3团队协作力培养

10面试技巧一对一辅导

10-11V1面试技巧指导与简历修改

11Python编程基础(选修)

11-1Python标准数据类型
11-2控制流语句
11-3自定义函数
11-4异常和错误
11-5面向对象编程
11-6Python连接数据库操作

12Python数据清洗与可视化(选修)

12-1Pandas数据处理
12-2Pandas数据表的合并与连接
12-3Pandas数据的累计与分组
12-4Python数据可视化包-Matplotlib介绍
12-5使用Python数据处理包Pandas做可视化
12-6Python数据可视化包-Seaborn介绍与图形绘制

13Python数据分析综合案例(选修)

13-1斯德哥尔摩气候可视化分析
13-2餐饮订单数据清洗与分析
13-3文本数据分析之QQ聊天信息可视化分析

14Python面试直通车(选修)

14-1Python大厂面试题突击训练

15技能拓展课(选修)

15-1快速入门HiveSQL查询
15-2何为数据产品经理?
15-3Python爬虫
15-4Python办公自动化

16指标体系搭建

16-11.理解商业模式没你想的难
16-22.什么是指引业务发展的北极星指标?
16-33.用 OSM、UJM 搭建用户指标体系
16-44.指标体系搭建案例实操
16-55.如何进行数据归因
16-66.Growing lO 数据看板初识
16-77.Growing lO 业务看板搭建操作演示
16-88.场景演练搭建你的业务数据看板

17用户留存

17-11.认识用户留存与两个核心关键点
17-22.留存分析的基础分析与进阶分析
17-33.认识活跃用户
17-44.运用留存价值矩阵提升活跃用户留存
17-55.运用 HOOK 模型提升活跃用户留存
17-66.新用户如何定义
17-77.新用户留存三部曲
17-88.用户留存实战案例拆解
17-99.Growing lO 留存功能基本操作演示
17-1010.Growing lO 留存功能的典型应用场景
17-1111.场景演练业务场景下的留存分析实操

18用户转化

18-11.从完整价值路径出发开展转化分析
18-22.如何追踪漏斗优化效果
18-33.流失用户去了哪儿?
18-44.LIFT模型优化落地页案例拆解
18-55.Growing lO 漏斗分析功能基本操作演示
18-66.场景演练 业务场景下的漏斗分析实操

19获客与裂变

19-11.渠道投放与分析的起点:用户旅程
19-22.六大用户接触点的分析与度量
19-33.如何运用数据分析找到投放优化点
19-44.渠道投放效果评估与投放策略制定
19-55.小程序的推荐分享如何分析与提升
19-66.小程序的渠道获客评估
19-77.Growing lO 获客分析功能基本操作演示
19-88.场景演练:业务场景下的获客分析实操

20综合实战项目

20-1实战项目:某美妆品牌数据指标体系搭建项目实战
20-2实战项目:某食品零售品牌留存分析项目实战
20-3实战项目:某酒店品牌转化分析项目实战
20-4实战项目:某在线教育品牌渠道获客分析项目实战

21毕业项目答辩

21-1实战项目:某服装零售品牌数据指标体系搭建项目实战
21-2实战项目:某零售百货公司留存分析项目实战
21-3实战项目:某房产平台转化分析项目实战
21-4实战项目:某零售电商公司渠道获客分析项目实战