降低入行门槛，文科商科背景也能学
业务数据分析相关岗位是数据科学岗位中对专业背景、学历背景要求最低的岗位，但是入职后工作经验越长，薪资待遇提高越快的岗位。数据分析就业班所培训的技能，对口业务数据分析相关岗，学员只需要在培训过程熟练掌握工具操作和业务逻辑，在导师的项目实操下掌握业务分析流程，可获得进入业务数据分析岗所要求掌握的基本技能。
常用技能重点教学，针对就业夯实基础
为了快速学习业务数据分析相关岗位所要求的技能，除了优质的师资团队，CDA还提供优质的学员服务，包括班主任和助教答疑服务，为学员快速扫除知识障碍，提升学习效率提供保障。
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。

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

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

1章预科学习（工具篇）
1-1Excel 预习视频
1-2数据库预习视频
1-3Power BI 预习视频

2章预科学习（业务篇）
2-1业务前台人员数据思维训练营

3章业务数据分析(Excel)
3-1表格结构数据的特征、获取方法
3-2表格结构数据引用、查询与计算方法
3-3数据驱动型业务管理（数据埋点、数据治理、数据应用等）
3-4指标的应用 - 搭建营销运营指标体系
3-5财务指标的分析与应用
3-6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）
3-7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）
3-8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
3-9可视化分析方法
3-10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
3-11业务模型应用 - 价值模型、帕累托模型、漏斗模型、RFM模型
3-12撰写业务分析报告方法
3-13电商、互联网、零售行业的数据分析场景介绍
3-14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）
3-15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）
3-16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）
3-17市场分析 - 汽车行业市场分析案例（市场分析报告撰写方法）
3-18银行综合分析案例 - 银行综合业务分析报告

4章数据管理与数据治理简介
4-1企业决策的四个层次：战略、管理、运营、操作
4-2企业数据分析能力的演进
4-3企业运营和操作数据应用
4-4数据管理基础知识与DMBOK知识体系
4-5企业数据能力建设
4-6数据治理实操框架

5章企业架构与数据架构基础
5-1企业架构（EA）基本理论
5-2数据架构基本理论

6章统计基础与数据预处理（Excel）
6-1分析的基本概念
6-2描述性统计与数据预处理
6-3统计分布

7章多维数据分析与可视化分析（Power BI）
7-1表结构数据的特征与获取
7-2表结构数据加工与使用
7-3多表透视分析逻辑
7-4透视分析方法
7-5多维数据模型
7-6多表透视分析应用案例 -- 多维透视分析应用案例
7-7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）
7-8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）
7-9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）
7-10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）
7-11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）
7-12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）

8章SQL数据库(MySQL)
8-1DDL数据定义语言（创建、选用、删除数据/表）
8-2DML数据操作语言（添加、修改、删除数据）
8-3单表查询
8-4查询结果排序、限制查询结果数量
8-5多表查询
8-6函数
8-7SQL大厂面试题突击训练
8-8查询应用案例1 -- 电商多表查询案例
8-9查询应用案例2 -- 零售业多表查询案例

9章Hive SQL
9-1Linux系统
9-2Linux常用命令和文件系统
9-3分布式存储与计算(Hadoop)
9-4系统的安装与部署
9-5Hive 架构原理
9-6Hive 数据类型
9-7HiveQL与应用

10章大型数据分析综合项目实战(Power BI+SQL)
10-1跨国企业完整数据分析实战案例
10-2学生探索性实操制作分析报告
10-3项目现场专家评审与1V1指导

11章数据产品设计
11-1数据产品概述
11-2数据产品设计
11-3产品管理
11-4数据产品演练

12章Python编程基础
12-1Python 与 Anaconda 简介
12-2Python 标准数据类型
12-3基本语法规则
12-4控制流语句
12-5自定义函数

13章Python 数据清洗与可视化
13-1Nump y数组分析
13-2Pandas 数表分析
13-3Pandas 数据清洗与可视化
13-4Python 数据可视化包-Matplotlib 介绍
13-5Python 数据可视化包-Seaborn 介绍与图形绘制
13-6Python BI包-Pyecharts 介绍与图形绘制
13-7分析案例—斯德哥尔摩气候可视化分析
13-8分析案例—餐饮订单数据清洗与分析
13-9分析案例—文本数据分析之QQ聊天信息可视化分析

14章Python+SQL 及 Python 自动化
14-1Python 连接SQL
14-2Python 办公自动化
14-3实现自动风控报表

15章Python 统计与综合案例
15-1参数估计与假设检验基础
15-2相关分析
15-3回归分析
15-4回归模型的诊断与调优
15-5用户行为显著影响因素分析案例
15-6大型案例：用户复购预测分析案例

16章数据分析师职业规划课
16-1职业规划
16-2职场沟通力
16-3团队协作力培养

17章面试技巧一对一辅导
17-11V1面试技巧指导与简历修改

18章技能拓展（选修课）
18-1互联网数字化运营【18课时】
18-2何为数据产品经理？【1课时】
18-3Python 爬虫【15课时】
18-4人工智能(深度学习)实战之图像识别【6课时】
18-5采销、物流与供应链数据分析应用实战【10课时】 (需额外付费）
18-6Tableau 数据可视化视频【1.5课时】(需额外付费）
18-7SPSS Modeler 数据挖掘实战【34课时】（需额外付费）
18-8增长黑客入门【2.5课时】（需额外付费）

1.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。

2.一对一督学
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。

3.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。

4.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。

5.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。