友情链接:
合作联系
|
ASPEN培训课程
· 建立数据思维：使学员理解数据在商业与决策中的核心价值，建立“数据驱动”的思维模式。
· 掌握核心技能：掌握从数据获取、处理、分析到可视化与建模的全流程核心方法与工具。
· 赋能业务决策：能够将数据洞察转化为具体的业务建议和可落地的解决方案。
· 了解前沿应用：熟悉大数据、AI、数据中台等前沿概念，并能评估其在自身领域的应用潜力。
· 业务与管理者：希望利用数据优化决策的部门负责人、产品经理、运营经理。
· 数据分析师（初级）：希望系统提升技能的新手分析师。
· 技术转型者：希望向数据领域转型的工程师、技术人员。
· 所有对数据价值有需求的人员。
具备基本的计算机操作能力和逻辑思维，对业务有一定理解。技术模块需要一定的学习意愿。
目标：扫清认知障碍，建立正确的数据观。
· 数据智能导论与价值重塑
o 什么是数据智能？从数据分析到数据智能的演进。
o 数据驱动决策的经典案例与失败教训。
o 数据文化：如何构建一个数据驱动的组织。
· 数据基础与指标体系
o 数据类型：结构化、半结构化、非结构化数据。
o 关键指标设计：如何定义和选取KPI、OSM模型、AARRR模型等。
o 数据埋点与采集：用户行为数据、业务数据的获取原理与方法论。
· 数据伦理、安全与合规
o 数据隐私保护（GDPR， CCPA， 《个人信息保护法》）。
o 数据安全基础与数据伦理挑战。
目标：理解数据从原始到可用的处理流程，掌握核心工具。
· 数据获取与预处理
o 数据来源：数据库、API、日志文件、公开数据集。
o 数据清洗：处理缺失值、异常值、重复值。
o 数据集成与变换。
· SQL语言核心
o 数据库基础概念。
o 核心SQL操作：查询、过滤、分组、聚合、多表连接（JOIN）、子查询。
o 实战：使用SQL解决业务查询问题。
· Python数据分析基础
o Python环境与核心库介绍（Pandas， NumPy）。
o 使用Pandas进行数据操作：读取、清洗、转换、聚合。
o 基础数据可视化（Matplotlib， Seaborn）。
目标：掌握探索性数据分析方法，并学会用故事讲述数据。
· 探索性数据分析
o 描述性统计：集中趋势、离散程度、分布形态。
o 相关性分析与假设检验基础。
o 分组与对比分析、趋势分析、漏斗分析。
· 商业智能与可视化工具
o Power BI / Tableau 核心技能：连接数据、数据模型、DAX/计算字段。
o 设计原则：如何制作清晰、有效、有影响力的图表和仪表盘。
o 从图表到故事：构建数据叙事，制作数据报告。
· 统计学基础入门
o 概率分布、抽样、中心极限定理。
o 回归分析基础（线性回归）与应用场景。
目标：入门机器学习，理解AI如何解决预测与分类问题。
· 机器学习基础概念
o 监督学习 vs. 无监督学习。
o 过拟合与欠拟合、模型评估指标（准确率、精确率、召回率、AUC等）。
o 标准建模流程：问题定义、数据准备、特征工程、模型训练与评估。
· 经典算法与应用场景
o 分类算法：逻辑回归、决策树、随机森林（使用Scikit-learn）。
o 回归算法：线性回归、回归树。
o 聚类算法：K-Means， 用于客户分群、市场细分。
o 场景案例：客户流失预测、销售预测、产品推荐系统基础、图像/文本分类入门。
· 前沿技术概览
o 深度学习简介：神经网络是什么？CNN， RNN的典型应用（计算机视觉， NLP）。
o 大语言模型与AIGC入门：如何利用现有API（如ChatGPT）赋能办公与数据分析。
o 数据中台与DataOps概念简介。
