课程介绍
这套课程按 16 周组织数据分析学习内容。前半部分从数据类型、统计指标和分析流程入手，接着练习 Excel、SQL、Tableau 与 Python，再延伸到网页数据采集、数据处理和可视化绘图。
业务分析部分覆盖互联网商业模式、数据指标体系、用户画像、引流转化与消费行为，并包含销售分析、活跃留存和 AB 实验等专题。最后整理数据报告与面试准备内容，配套资料以资源中的压缩包为准。
网盘说明：本课程为夸克网盘资源。
课程目录
第1周 走进数据分析
1-1 互联网数据分析通用课程-导学~1_
1-2 从互联网数据分析说起~1_
2-1 什么是数据~1_
2-2 什么是统计指标~1_
2-3 统计指标：集中趋势~1_
2-4 统计指标：离散趋势~1_
2-5 统计指标：分布形态~1_
2-6 识别异常值~1_
2-7 处理异常值~1_
2-8 数据分析流程~1_
2-9 本章小结~1_
第2周 Excel从入门到表格分析
1-1 Excel基本功能
1-2 文本函数
1-3 数学函数
1-4 处理重复数据
1-5 拆分列数据
1-6 数据排序和筛选
2-1 逻辑函数
2-2 条件聚合函数
2-3 查找与引用函数
2-4 数据透视表
2-5 认识图表
2-6 制作可视化图表
2-7 大数据岗人才需求分析报告
2-8 本章小结
第3周 从0开始学SQL
1-1 什么是SQL
1-2 认识数据表结构
1-3 MySQL安装及配置
1-4 安装Navicat
1-5 基础语法
1-6 数据排序与筛选
2-2 对数据进行分类汇总
2-3 联表查询
2-4 导出数据
2-5 本章小结
第4周 数据可视化利器 Tableau
1-1 什么是Tableau
1-2 安装Tableau
1-3 准备数据
1-4 构建图表
1-5 创建仪表板
1-6 创建故事
1-7 保存与发布
1-8 可视化练习：美妆产品销售分析
1-9 本周小结
第5周 Python基础语法
1-1 学习编程的几个建议
1-2 什么是Python
1-3 运行环境
1-4 开发环境
1-5 运算符
2-1 数据类型
2-2 数据容器
2-3 条件判断语句：if、else、elif
2-4 循环语句：for、while
2-5 循环中止：break,continue
2-6 编写一个函数
2-7 练习：计算销售额
2-8 本章小结_ev(2)~1_
第6周 Python实现网络爬虫
1-1 什么是爬虫
1-2 Requests库入门
1-3 认识HTML网页结构
1-4 BeautifulSoup库入门
2-1 获取目标信息
2-2 连续获取多个页面信息
2-3 整合爬虫功能函数
2-4 数据存储与代码优化
3-1 通过API接口获取数据
3-2 练习：爬取全部电影数据
3-3 练习：爬取全部电影数据
3-4 本章小结
第7周 更高效的数据处理与可视化绘图
1-1 Pandas库入门
1-2 什么是DataFrame
1-3 案例介绍：电影数据分析
2-1 读取数据
2-2 清理数据重复值、缺失值、拆分
2-3 数据运算：按年统计、时间聚合
2-4 数据运：算多类型统计
2-5 数据运算：评分统计
2-6 排序与筛选
3-1 练习1：各国每年电影产量
3-2 练习3：电影语言频数统计
3-3 练习2：各国评分数据
3-4 练习：TOP电影排行榜
3-5 本章小结
4-1 Matplotlib入门
4-2 什么是画布
4-3 调整视觉元素
5-1 直方图：电影年产量
5-2 折线图：各国电影年产量
5-3 饼图：电影语种统计
5-4 散点图：评分分值与人数
5-5 热力图：电影类型、评分、数量
5-6 箱线图：每年电影评分变化
5-7 词云图：电影类型频数统计
5-8 案例2：豆瓣电影数据分析报告
5-9 本章小结
第8周 初始互联网商业模式
1-1 阶段引导：从数据分析工具，到商业分析思维
1-2 互联网行业简介
1-3 如何做行业分析
1-4 市场规模：直播电商发展时间线
1-5 市场规模：直播电商成交额
1-6 竞争分析：波特五力模型
1-7 价值链：直播生态产业图谱
1-8 趋势预测：PEST分析法
1-9 案例3：直播电商行业分析报告
2-1 互联网岗位解析
2-2 数据职能岗发展通道
2-3 本章小结
第9周 解析数据指标体系
1-1 用户生命周期、AARRR、RFM
1-2 5W2H、逻辑树、AB测试
1-3 SWOT、PEST、波特五力
2-1 互联网业务分析指标一览
2-2 拉新（获客）指标
2-3 活跃指标
2-4 留存指标
2-5 转化（变现）指标
2-6 传播指标：K因子
2-7 案例4：搭建商业化指标体系
2-8 本章小结
第10周 构建用户画像
1-1 什么是流量
1-2 拓展：流量数据指标
1-3 大流量分析模型：波动、特征、预测
2-1 案例：背景与目标
2-2 利用Python预处理数据
2-3 计算相关性指标
2-4 数据标准化：Min-Max
2-5 字符串分类：OneHot编码
2-6 KMeans建模：利用轮廓系数确定K
2-7 练习：最佳KMeans聚类模型
2-8 聚类结果分析：样本量与占比
2-9 聚类结果分析：特征均值、众数
2-10 数值特征对比：雷达图
2-11 案例6：基于Kmeans的广告效果聚类分析
3-1 什么是漏斗分析模型
3-2 漏斗分析有哪些应用场景
3-3 用户下单流程分析
3-4 案例7：利用Excel绘制转化漏斗图
3-5 本章小结
第11周 用户引流与转化
1-1 什么是用户画像
1-2 数据标签系统：背景介绍
1-3 数据标签系统：数据采集、埋点
1-4 数据标签系统：构建用户画像
1-5 练习：使用SQL提取用户数据
1-6 数据标签系统：构建商品画像
1-7 练习：使用SQL提取商品数据
2-1 什么是RFM模型
2-2 利用Excel计算R、F、M分值
2-3 设置R、F、M评分标准
2-4 计算R、F、M得分
2-5 给用户贴标签
2-6 RFM评分卡优化：使用K-Means进行数据分组
2-7 模型展示与可视化
2-8 案例5：基于RFM的用户精细化管理
2-9 本章小结
第12周 分析消费行为
1-1 什么是消费行为
1-2 消费行为模式的变迁
2-1 案例说明：某电商交易数据
2-2 趋势分析：金额、频次、人数、产品数
2-3 趋势分析：销售额 vs 产品数
2-4 趋势分析：消费时间段偏好
2-5 个体分析：消费金额
2-6 个体分析：消费频次、商品数
2-7 商品分析：销售情况、价格分布
2-8 使用SQL计算复购率
2-9 使用SQL计算回购率
3-1 使用SQL计算头部用户贡献额
3-2 使用SQL用户平均购买周期
3-3 案例8：基于电商的用户消费行为分析
第13周 预售销售额、调整运营策略
1-1 为什么要预测销售额？
1-2 如何拆解GMV：流量、转化、客单价？
2-1 测模型的定义与分类
2-2 练习：使用Excel预测销售额
2-3 Python回归分析：数据预处理
2-4 Python回归分析：多项式回归模型
2-5 Python回归分析：绘图、预测
2-6 案例9：预测2020天猫双11销售额
3-1 什么是商品分析？
3-2 什么是层次分析法AHP？
3-3 Excel层次分析法：构建层次结构
3-4 Excel层次分析法：构造成对比较矩阵
3-5 Excel层次分析法：构造方案判断矩阵
3-6 Excel层次分析法：总排序权重计算与决策
3-7 案例10：选择最优商品进行推广
4-1 15.16什么是运营策略：摩拜红包车
4-2 15.17如何策划一场活动
4-3 15.18案例11：设计内容运营方案
4-4 15.19本章小结
第14周 促进用户活跃度、提升用户留存
1-1 如何提升产品活跃度？
1-2 用户活跃度模型（RFE）
1-3 练习：使用Excel构建RFE模型
2-1 什么是产品的 Aha Moment？
2-2 练习：使用Excel计算用户留存率
2-3 练习：使用Excel计算用户生命周期
2-4 案例8补充：基于电商的用户留存与价值分析
2-5 本章小结
第15周 使用AB实验迭代功能
1-1 什么是AB测试
1-2 AB测试的基本流程
1-3 统计学基础：假设检验
1-4 练习：Python计算点击率CTR
1-5 练习：Python计算p值
1-6 案例13：利用AB测试优化产品设计
2-1 什么是异常监测
2-2 练习：Python孤立森林异常检测
2-3 本章小结_ev(2)~1_
第16周 撰写数据报告、面试指导
1-1 18.1如何撰写数据分析报告
1-2 18.2演讲技巧与PPT模板分享
2-1 18.3如何撰写简历
2-2 18.4面试经验分享
配套资料
资料（压缩包）
