cda

数字化人才认证

您的位置:首页 > 课程列表 > 数据成才一对一,教官督学手把手

数据成才一对一,教官督学手把手

数据成才一对一,教官督学手把手

聚集品牌全力,培养数据人才‒ 数字化人才训练营

难度系数:

课程系列:数据成才一对一,教官督学手把手

课程信息:
相关等级报考推荐:
  • Level I¥1200元
  • Level II¥1700元
  • Level III¥2500元
  • WHAT 课程简介

    数据成才一对一,教官督学手把手:

    课程优势


    + 汇聚全球数据精英:数据行业佼佼者,精通数据能力;一对一指定学习方案:因材施教,1位学生一套专属学习方法
    + 随时随地预约体验:随时随地想学就学,时间地点随你定;辅导过程精彩回顾:学习内容时刻记录,回顾课堂重点知识
    + 海量千万级学习题库:分难度梯度式练习,巩固基础数据能力
    + 真人在线or现场教学,轻松解决学生困扰,在家就能学数据分析技能

    培养职场数据素养,直通企业就业


    +对数据科学岗位认知程度比较浅的学员,可在CDA职业规划团队老师的帮助下选择适合学员职业发展路线。

    数智赋能,技术精进


    +在这里,你可以学到前沿且实用的技术,挖掘数据的魅力。
    +聚焦策略分析技术及企业常用的分类、NLP、深度学习、特征工程等数据算法,只教实用干货,以专精技术能力提升业务效果与效率。

    七大工具应用


    +七大数据分析工具Excel、Power BI、Python、SQL数据库、Hive SQL、Linux系统、Tableau等,并根据输出的结果分析业务需求,为进行合理、有效的策略优化提供数据支撑。

    案例实战


    +课程涉及大量企业项目案例:精准营销预测、营销策略优化、客户行为分析、风险管理、客户管理、智能推荐、情感分析、反欺诈等,加持实战经验,为你进入名企做项目背书。
  • WHY 学习目标

    熟练掌握Excel、MySQL、Power BI等数据分析软件
    熟练掌握数据清洗,可以完成缺失值填补、异常值处理等
    精通数据可视化,制作可视化分析报表
    可以独立撰写业务分析报告
    SQL数据库应用基础
    大型数据分析综合项目现场实战
    掌握数据分析在各行业的应用场景
    掌握业务数据分析模型与分析方法
    熟练掌握数据挖掘全流程的Python实操,包括数据清洗算法、特征工程、数据建模、数据治理、数据可视化等
    熟练掌握Python数据挖掘算法与实践,包括统计分析、统计模型、机器学习算法、深度学习算法、文本挖掘算法
    灵活使用数据挖掘算法解决各行业的业务问题,通过策略优化和精准预测来解决运营、产品、营销方面的问题
  • WHO 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
    有一定数学或统计、计算机基础与数据分析业务经验,希望脱产学习后转岗到数据挖掘岗者
    希望提升数据挖掘技术的在职提升者
    从事算法科学、深度学习等工作的科研人员、分析师与工程师等
    产品、运营、营销、管理、咨询相关岗位从业者,希望增加数据分析技能与思维
    参加CDA等级认证考试LEVEL Ⅰ、 LEVELII和 LEVEL Ⅲ 考生

1预科学习

1-1Excel预习
1-2数据库预习
1-3Power BI预习
1-4统计学预习

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业务分析方法与业务分析报告

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财务分析 - 地产行业资产负债情况分析报告(偿债能力及营运能力分析评估)

4统计分析基础

4-1统计学概述
4-2数据的概括性度量
4-3统计分布
4-4参数估计
4-5假设检验
4-6相关分析

5多维数据分析与可视化分析

5-1表结构数据特征
5-2表结构数据获取
5-3表结构数据加工与使用
5-4ETL及数据仓库应用
5-5多表透视分析逻辑
5-6多维数据模型
5-7透视分析方法
5-8多表透视分析应用案例 -- 多维透视分析应用案例
5-9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)
5-10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)
5-11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)
5-12销售分析 - 服装行业销售情况分析(销售情况监控看板制作方法)
5-13财务分析 - 地产企业盈利分析(企业利润结构构成及盈利能力分析看板)
5-14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)

6SQL数据库应用基础数据库基本概念

6-1数据定义语言
6-2DML数据操作语言
6-3单表查询
6-4多表查询
6-5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跨国企业完整数据分析实战案例
8-2学生现场探索性实操
8-3项目现场专家评审与1V1指导

9Python编程基础

9-1Python基础知识
9-2Python标准数据类型
9-3控制流语句
9-4自定义函数

10Python数据清洗与可视化

10-1Numpy数组分析
10-2Pandas数表分析
10-3Pandas数据清洗与可视化
10-4Python数据可视化包-Matplotlib介绍
10-5Python数据可视化包-Seaborn介绍与图形绘制

11Python数据分析案例

11-1斯德哥尔摩气候可视化分析
11-2餐饮订单数据清洗与分析
11-3文本数据分析之QQ聊天信息可视化分析

12Python统计分析

12-1回归分析
12-2模型的诊断与调优
12-3用户行为显著影响因素分析案例
12-4用户复购预测分析案例

13数据分析师职业规划课

13-1职业规划
13-2职场沟通力
13-3团队协作力培养

14面试技巧一对一辅导

14-11V1面试技巧指导与简历修改

15预习课(录播)——数据库

15-1数据库基本概念
15-2DDL数据定义语言
15-3DML数据操作语言
15-4单表查询
15-5多表查询
15-6Python连接SQL

16预习课(录播)——Python编程基础

16-1Python标准数据类型
16-2控制流语句
16-3自定义函数
16-4异常和错误
16-5类与面向对象编程
16-6Numpy数组操作

17预习课(录播)——数学与统计学基础

17-1线性代数
17-2微积分
17-3描述性统计
17-4参数估计
17-5假设检验
17-6相关分析
17-7卡方分析
17-8一元线性回归理论推导
17-9多元线性回归理论推导

18数据策略分析第1周

18-1用Python做数据分析,必会的库Pandas
18-2用Pandas做数据清洗与数据探索
18-3Python数据可视化库(Matplotlib,Seaborn)
18-4教育行业分析-学校学科教育可视化案例
18-5分析基础-数据分析的概念、过程、能力
18-6统计分析可视化
18-7企业经营分析-指标体系

19数据策略分析第2周

19-1数据库MySQL实战应用
19-2Python连接SQL数据库
19-3零售电商多表分析案例
19-4统计分析(相关分析,方差分析)
19-5线性回归(建立模型和模型检验)
19-6经营问题识别-用户行为影响因素分析案例
19-7旅游行业分析-旅游线路之黄金周分析案例

20数据策略分析第3周

20-1逻辑回归(模型的建立与估计,模型评估)
20-2分类与回归的结合
20-3信息压缩-主成分分析与因子分析(数据降维)
20-4用户流失分析-员工流失预警案例
20-5特征分析-区域经济因子分析
20-6客群分析-标签体系与与用户画像
20-7应用用户画像-美国某企业用户画像实战案例

21数据策略分析第4周

21-1时间序列分析(ARIMA算法)
21-2带滞后项的线性回归
21-3销售额预测-线上平台销售额预测实战案例
21-4数据采集处理方法(数据采集,数据录入,数据预处理)
21-5数据管理(数据分类,数据建模,数据仓库和ETL)
21-6产品目标人群分析-市场数据的应用案例

22数据策略分析第5周

22-1层次聚类
22-2Kmeans聚类
22-3聚类分析评价方法-决策树应用
22-4用户分群-零售行业运营案例
22-5数字化工作方法
22-6运筹优化方法(线性规划与二次优化,基于业务流程的优化)
22-7数字化运营综合案例-某机构营销响应概率预测与风险预测案例

23数据策略分析第6周

23-1数据接入(接入策略,调度工具,实时数据接入方法)(附加内容)
23-2大数据平台技术架构与应用(分布式存储与计算,支持数据分析,大数据架构)(附加内容)
23-3数据挖掘导论
23-4KNN
23-5贝叶斯

24机器学习进阶第7周

24-1带正则项的回归分析
24-2支持向量机(SVM)
24-3决策树(ID3, C4.5, CART)
24-4决策树的模型调优
24-5生存分析-病马死亡预测案例
24-6用户分类-保险行业用户分类分析

25机器学习进阶第8周

25-1集成与提升方法(AdaBoost, 随机森林, GBDT, XGBoost, LightGBM)
25-2聚类分析进阶(密度聚类,谱聚类)
25-3异常识别(孤立森林,局部异常因子)
25-4交易反欺诈-异常交易识别案例

26机器学习进阶第9周

26-1关联规则(关联规则的概念,评估指标,Apriori算法)
26-2协同过滤
26-3产品组合策略-电信公司产品捆绑销售策略分析案例
26-4数据处理的前沿方法:特征工程概要
26-5特征工程(特征的建构、选择、转换、学习)
26-6深度神经网络(BP神经网络概述,架构)
26-7感知机及感知机的极限

27机器学习进阶第10周

27-1文本分析(分词与词性标注,文本特征处理,关键词抽取、文本分类与聚类方法)
27-2文本与用户情绪分析-新闻文本分析案例

28机器学习进阶第11周

28-1径向基网络
28-2卷积神经网络
28-3循环神经网络
28-4图像分析-手写数字自动识别
28-5自然语言处理-用户情绪自动识别
28-6实战项目-金融行业反欺诈

29机器学习进阶第12周

29-1实战项目-行业文本分析
29-2实战项目-信用评分卡

30毕业周

30-1毕业答辩

31选修课

31-1互联网数字化运营【18课时】
31-2何为数据产品经理?【1课时】
31-3Python爬虫【15课时】
31-4Python办公自动化【10课时】
31-5人工智能(深度学习)实战之图像识别【6课时】
31-6采销、物流与供应链数据分析应用实战【10课时】 (需额外付费)

硬核服务

  • 朝九晚九全程跟班答疑

    助教线上服务时间由原先的上课期间答疑调整为课程持续期间答疑,包括中途休息时间;同时,每日答疑时间由原先的“朝九晚六”调整为“朝九晚九”,全面覆盖同学晚自习时间。
  • 一对一督学

    每个班级、每位同学、每月都会进行至少一次一对一辅导,询问同学学习状态、解决学员学习问题;同时,针对每个模块测试结果后10%的学员进行额外辅导,以确保学员能够跟上学习进度。
  • 定期直播串讲

    对于重难点知识和同学普遍反应的问题,助教将进行每周1-2次的晚自习串讲,串讲时常为2小时左右,且相关内容需要重新制作、有别于课程内容,帮助同学攻克重难点知识。
  • 有问必答

    助教线上服务要求有问必答,并能真正做到解决所有课程中遇到的问题。在原先每个班一个助教+一个班主任的配置下,调整为每个班2名助教+项目服务团队的模式,以确保快速、高质量的解决线上提问。
  • 出勤率和进度监督

    在课程持续期间,助教还需实时统计学员出勤情况,监督课堂纪律,跟进学习进度。除正常答疑外,服务团队会与班级同学保持沟通、给予正确指引,从而营造积极学习氛围。
  • 作业与测试

    在远程授课期间,每个课程会安排相关课后作业,确保同学课下能够进行适当练习,提升同学实时参与感、保证当日学习效果。除了作业,服务团队还会组织学员进行阶段性测试,以考试性质为主,主要考察学员对本阶段知识掌握程度。

来自业界的数据领袖团队

  • 徐杨老师

    英国Glasgow大学计量经济学毕业,师从Hisayuki Yoshimoto。主攻计量模型与算法,研究方向为复杂数据空间的模型参数识别与检验问题,对各种回归模型和机器学习模型有深入研究。曾就职于中国银行,中国社科院,长期从事算法研发工作,参与过多个大型经济数据分析项目。
  • 曹鑫

    曹鑫,CDA 数据分析师人才教育品牌联合创始人,《Python Tutorial for Humans》活动发起者。2015年从事数据分析教育以来,累计参加现场培训30多期、四次参加CDAS数据分析师峰会并发表主题演讲,倡导用数据学 Python,帮助更多新人掌握数据分析技能。
  • 常国珍老师

    北京大学会计学博士, CDA数据科学研究院执行院长,中国大数据产业生态联盟专家委员会委员。曾任毕马威咨询大数据总监。北京语言大学金融硕校外导师,中国社会科学院大学等多所院校外聘讲师。具有18年数据挖掘、精益数据治理、数据规划咨询顾问经验。著有《金融商业数据分析与应用》系列丛书、《用商业案例学 R 语言数据挖掘》、《胸有成竹:数据分析的SASEG 进阶》等多本著作。
  • 李御玺

    国立台湾大学资讯工程博士 铭传大学大数据研究中心主任 中华数据挖掘协会理事,厦门大学数据挖掘中心顾问,中国人民大学数据挖掘中心顾问,IBM SPSSChina/SAS-Taiwan 顾问
  • 丁亚军老师

    南京上度咨询数据分析总监 经管之家论坛SAS、SPSS 版版主 CDA 数据分析研究院研究员和SAS、SPSS 软件讲师研究方向为“统计软件与数据分析”、“市场调查分析”、“数据挖掘咨询”,IBM SPSS-China/SAS-Taiwan 顾问
  • 柯家媛

    CDA 专职讲师,人大硕士,5年安防数据分析和处理经验,曾就职于跨境电商外企,负责CRM 处理, 擅长的技术包括Excel,Tableau,SQL,R。目前任职CDA 数据分析研究院SQL 讲师,负责数据库课程研发与授课。
  • 张志绮

    德勤高级咨询顾问/创业公司数据科学家 经验涉及快消、通信、互联网餐饮、银行等多个领域的咨询项目; 涉及短视频、电商、数据平台等多个领域的投资尽调项目; 涉及快消、品牌商领域的数据建模项目,如智能定价、精准推荐、选品等。 专精于企业业务数据分析、数据可视化、制定及实施商业智能业务解决方案。
  • 李奇

    奇意咨询创始人,微软Excel MVP(Excel最有价值专家),电子表格应用大会主席,经管之家资深签约讲师,拥有丰富的企业咨询服务及数据分析线上及线下培训经验, 曾任IBM销售管理团队数据分析项目组长及德勤数据分析团队高级咨询顾问,主持过多个大型企业数据分析及管理咨询项目,助力多家企业提高业务决策力及数据生产力。线下、线上培训经验超800次、培训人数超30万人

几乎所有行业

都稀缺独当一面的CDA数据分析师®人才

在招聘市场上,越来越多的企业要求持CDA数据分析师®证书

GROWN

开启数据科学家成长之路

考核通过后,可获得CDA数据分析师中英文双证书,其中中文证书由中国成人教育协会数据分析教育培训专业委员会监制,英文证书由CDA INSTITUTE 认证。
“CDA数据分析师认证”是一套科学化,专业化,国际化的人才考核标准,共分为CDA LEVELⅠ ,LEVEL Ⅱ,LEVEL Ⅲ三个等级,涉及行业包括互联网、金融、咨询、电信、零售、医疗、旅游等,涉及岗位包括大数据、数据分析、市场、产品、运营、咨询、投资等。该标准符合当今全球数据科学技术潮流,可以为各行业企业和机构提供数据人才参照标准。
  • CDA LEVEL I

    人人皆需的职场数据思维与通用数据技能

    面向范围

    • 零基础就业转行者、应届毕业生
    • 产品、运营、营销等业务岗与研发、技术岗在职者
    • 企业创始人、经理人、管理咨询类岗位从业者

    岗位去向

    商业(业务)分析师初级数据分析师
    (数据)产品运营(数字)市场营销
    数据专员...

  • CDA LEVEL II

    企业数字化发展中必备的数据分析流程与技能

    面向范围

    • 产品、运营、营销等业务部门与研发、中台、技术类部门数据分析相关岗位在职者
    • 数字化转型企业创始人与数字化流程中相关负责人

    岗位去向

    数据分析师(数据)产品运营经理
    (数字)营销经理风控建模分析师
    量化策略分析师数据治理(质量)...

  • CDA LEVEL III

    企业数字化发展中必备的高级数据分析方法与技术

    面向范围

    • 业务岗与技术岗从事数据分析、数据挖掘、机器学习等技术在职提升者
    • 从事算法科学、深度学习等工作的科研人员、分析师与工程师等

    岗位去向

    高级数据分析师机器学习工程师
    算法工程师数据科学家
    首席数据官...

EXAM

CDA认证报考开放化

CDA认证LEVELⅠ 对于考生的学历、专业、技能等没有限制性报考条件,在与全球计算机化考试服务商Pearson VUE达成深度合作后LEVELⅠ更是随报随考机制。
查看CDA认证报考流程 

VALUE

CDA证书的价值

  • 共识性CONSENSUS
    CDA数据分析师标准由中国成人教育协会数据分析教育培训专业委员会监制,国际范围内的数据科学领域的行业专家、学者及知名企业共同制定并于每年更新,逐步推动数据人才标准的行业共识。
  • 专业性speciality
    CDA认证是根据数据科学专业岗位设立的科学化,专业化,国际化的人才考核标准。考试与国际知名考试服务机构Pearson VUE合作,随报随考、专家命题、评分公平、流程严格,更具含金量。
  • 权益性rights
    CDA持证人自动纳入为CDA会员并享有系列特殊权益。证书皆绑定考生真实身份,可在CDA认证考试中心查询,证书确保唯一性与防伪性,持证人还可获得电子徽章,加入到Linkedin个人档案中。证书三年审核一次,保证持证人的实力与权益。

RIGHTS

CDA持证人的权益

  • 会员资格

    吸纳为CDA Institute、CDA数据分析师俱乐部会员,活动中具有优先报名参与权

  • 职业发展

    可优先获得CDA内部就业及职业发展推荐

  • 免费CDA活动

    免费参与CDAS行业峰会等各项活动,CDA持证人享受特权位置

  • 兼职机会

    有机会加入CDA数据分析教学、研发等项目

  • 黄金会员

    免费享有AIU人工智能学院1个月黄金会员,内含国外前沿数据科学学习等海量资源

  • 免费资源

    经管之家论坛学习资源、优秀文献资料免费下载权

  • Q:为什么课程费用这么高

    A:根据课程安排,制定+ 一对一指定学习方案:因材施教,1位学生一套专属学习方法,+ 真人在线or现场教学,轻松解决学生困扰,不会的代码,不会的模型随时可以预约老师解决
  • Q:上课形式是怎么样的?

    A:根据疫情情况,CDA数据分析就业班采取面授与远程直播授课的形式,足不出户即可学习到优质课程。线上直播 + 录播视频 + 线上答疑,充分保障同学们的学习效果。
  • Q:如果学不会怎么办?

    A:首先,我们的课程是根据多年的教学研究研发的,如果学不会,授课老师会和学生面谈,发现问题所在,并让老师给出学习建议,查缺补漏,可以再跟着免费学一期。目前咱们还没有出现过这样的情况,对于学员来讲都是想尽快掌握技术能够运用到工作中。
  • Q:培训后负责就业吗?

    A:我们课程设计就是以就业为导向。安排专职就业老师,从就业指导、面试模拟、毕业答辩会等全方面的就业服务和就业推荐。
  • Q:上课时间是怎么安排的?

    A:每天上课时间:9:30-12:00,13:30-17:00,晚自习时间:18:30-20:30,每周上课5天左右。周末班为每周末上课。
  • Q:学完之后可以从事哪些工作?

    A:学完课程之后,可以在互联网、信息技术与服务、金融、管理咨询、通信、银行、制药、汽车、零售、电商等行业从事商业数据分析师、商业策略分析师、战略咨询顾问、高级数据产品经理、高级数据运营经理、高级数字化营销经理等岗位工作。
  • Q:完成课程后,可以获得证书吗?

    A:参加课程学员学完后报考CDA LEVEL II 、LEVEL Ⅲ等级考试,通过CDA认证考试者可获得CDA数据分析师中英文认证证书,同时可自愿申请工信部《数据分析师证书》。

OK