AI 人工智能课程: 名企商业实战分析特训营

课程亮点

课程内容，项目导向

内容覆盖电商、金融、游戏、互联网、短视频、新零售等领域，搭配12大企业真实项目实战，补齐你的行业知识短板，实现自我能力向上跃迁。

课程导师，实战导向

课程主讲老师，均来源于国内知名大厂，均具备丰富深厚的行业经验；教授内容，均来自于真实的工作场景，助力学员跨越培训与实际工作的鸿沟。

学员服务，结果导向

“讲、学、练、测”四位一体，帮助更好的实现课程内容吸收；班主任老师全程陪伴式学习，从头带你：确定学习目标、制定学习方案、划定学习重点、监督学习落地、规范毕业答辩、助力求职就业、协助工作晋升。

学习方式，效率导向

“录播知识主干+直播知识拓展+阶段性成果评测+毕业答辩作品产出”，打造高效的学习方案，给学员带来满满的收获感

课程研发及导师团队

李文哲

贪心科技创始人兼CEO

曾任金融科技独角兽公司的首席科学家；美国亚马逊/美国高監高级工程师；美国南加州大学博士；先后在AAAI、KDD、AISTATS等顶会上发表过15篇以上论文

周景阳

贪心科技联合创始人

前百度资深工程师；前国美大数据中心技术负责人；曾领导百度图像识别项目团队突破技术难题；10余年数据分析、数据挖掘、大数据、人工智能、软件研发等多方面实战经验

主讲老师

叶鹏飞

曾任职于bilibili电商事业部

曾任职于亚马逊跨境电商；知乎数据分析领域知名博主“旭鹏”、“进击的林克”；代表作书籍：《亚马逊跨境电商运营实战》、《亚马逊跨境电商数据化运营指南》等

主讲老师

蓝曼

现任某独角兽人工智能公司产品总监

曾任美团高级产品经理；曾任当当网数据产品经理；在增长营销、会员服务、智能支付、数据后台搭建等方面有丰富的从业经验；B站、知乎、CSDN知名专栏作者：姜太公公

主讲老师

杨强

曾任职于bilibili电商事业部

曾任职于阅文集团原创内容部；《亚马逊跨境电商服装零售运营实战》作者；在海外市场商业化运营方面拥有丰富经验

助教

瑞恩老师

现为上海某金融服务公司高级数据分析师

10年数据分析经验，曾就职于外资银行、第三方支付公司；熟悉销售方向的业绩看板搭建、用户行为分析、时间序列分析

你将收获

建立数据化思维，系统的掌握商业分析的逻辑与方法，数据分析的原理与步骤

掌握真实企业所需要的数据分析工具技能：Excel、Tableau、Power BI、Mysql

掌握必备的思维模型：分类思维、测试/对比思维、相关思维、反向思维、闭环思维......

深刻理解与掌握电商领域用户画像、商品画像、仓储备货、品牌定位与营销、内容精细化运营、多品牌管理、供应链管理等内容

深刻理解与掌握用户运营、产品运营的主流分析方法论以及策略应对方法/方向，掌握需求分析、竞品分析以及行业/市场调研的分析方法

精通工作中常用的定性/定量分析模型：AARRR模型、RFM用户分层模型、Fogg行为模型、A/B test、PEST分析模型、SWOT分析模型、用户增长模型、运筹模型等

掌握各类实用数据可视化图表的使用，掌握企业可视化监控看版(BI Dashboard)的搭建方法

获得多个完整全链路的项目实践经历，从定义问题、拆解问题、确定指标体系、数据收集与清洗，到数据可视化分析、定性/定量模型分析、数据分析报表产出

获得一份高质量的个人作品集、富有含金量的认证证书、优质的岗位内推机会......

获得高质量的学习交流圈，认识一群拥有同样兴趣、同样优秀、同样可爱的人，大家一起相互交流、相互分享、相互帮助、相互学习

你还将收获更多惊喜......

建立数据化思维，系统的掌握商业分析的逻辑与方法，数据分析的原理与步骤

掌握真实企业所需要的数据分析工具技能：Excel、Tableau、Power BI、Mysql

掌握必备的思维模型：分类思维、测试/对比思维、相关思维、反向思维、闭环思维......

深刻理解与掌握电商领域用户画像、商品画像、仓储备货、品牌定位与营销、内容精细化运营、多品牌管理、供应链管理等内容

深刻理解与掌握用户运营、产品运营的主流分析方法论以及策略应对方法/方向，掌握需求分析、竞品分析以及行业/市场调研的分析方法

精通工作中常用的定性/定量分析模型：AARRR模型、RFM用户分层模型、Fogg行为模型、A/B test、PEST分析模型、SWOT分析模型、用户增长模型、运筹模型等

掌握各类实用数据可视化图表的使用，掌握企业可视化监控看版(BI Dashboard)的搭建方法

获得一份高质量的个人作品集、富有含金量的认证证书、优质的岗位内推机会......

获得高质量的学习交流圈，认识一群拥有同样兴趣、同样优秀、同样可爱的人，大家一起相互交流、相互分享、相互帮助、相互学习

你还将收获更多惊喜......

课程大纲

导学·Part1

1、认识数据分析师

2、数据据分析师工作职责

3、数据分析师发展前景

就业现状

求职目标

岗位要求

4、数据分析师成长路径

5、课程介绍和学习要求

导学·Part2

1、课程特点

理论指导（数学+统计学基础理论讲解）

工具应用（基础办公软件+进阶数据分析软件+专业数据分析工具）

项目实践（bilibili+淘宝+会员购等电商平台项目）

2、教学方式

录播+社群服务+导师答疑+直播答疑/拓展+课后作业

3、内容补充

文章+书籍+音频+视频等扩充性内容

导学·Part3

1、课程目标

了解数据分析在互联网运营中的具体应用

培养数据导向思维的实际工作能力

2、数字化用户运营

用户运营的基本框架

利用数据进行用户分析

3、产品运营与市场分析

产品运营的能力要求

用户行为与市场调研方法

4、用户增长案例：以知乎为例

自媒体用户增长

平台用户增长

模块一·名师助力，入门数分Week1-Week2

模块说明：本部分内容覆盖数据思维、数据指标体系设计、统计学基础、数据爬虫/数据清洗技能、Excel的使用技巧，希望可以利用两周的时间来带学员入门，夯实专业基础，为后面的学习铺平道路。

一、走进数据分析

1、走进数据分析

1.1 数据分析的概念与意义

1.2 数据分析在业务上的应用

1.3 数据分析四大步骤

数据抓取

数据清洗

数据分析

业务应用

2、数据分析思维与业务指标体系设计

2.1 数据、统计、信息、解读、归因的链路

2.2 数据分析的模块/内容拆分方法与具体效果体现

2.3 事前、事中、事后分析具体指什么

2.4 “产品、模块、场景、用户”的业务数据细分体系

二、统计学基础

1、统计学的背景及概念

1.1 离散+集中+变化的统计趋势

算数/加权平均数

中位数与众数

极差

方差

标准差

同比

环比

相关性与相关系数

1.2 统计量及其分布

1.3 参数估计与假设检验

1.4 线性回归/逻辑回归

1.5 概率及数学仿真

2、数据采集与清洗技能

2.1 第三方数据采集器的使用

以爬山虎为例对网页数据进行采集

2.2 第三方数据分析工具的使用

以helium 10为例对平台数据进行采集

2.3 采集数据的常用清洗方法与逻辑

课后作业：

网页数据自动化采集实践

三、Excel数据分析技能

1、表格基础与数据透视表

1.1 基础函数的应用

1.2 vlookup函数的应用

1.3 数据透视表的应用

1.4 复杂数据的拆解与分析

2、做图与数据可视化

2.1 Excel图表的生成与参数优化

2.2 不同数据类型可视化的选择

3、相关、预测、矩阵的操作

3.1 数据相关性的计算

3.2 回归预测的应用

3.3 矩阵类数据的处理和计算

4、数据采集与清洗技能

4.1 描述性分析：结构与逻辑树+漏斗与转化

4.2 验证性分析：留存与魔法点+相关性分析+矩阵分析

4.3 探索性分析：聚类与预测+场景与行为

课后作业：

1. 线性回归在Excel中的实践

2. 数学仿真在Excel中的实践

模块二·工具聚合，策略落地Week3-Week5

模块说明：工欲善其事，必先利其器。本部分包含了运营、产品、数据分析师等大多数相关岗位必须要掌握的数据分析工具，分别为：Tableau、Power BI以及Mysql，每个章节都会搭配上与之对应的项目实战（VGChartz 电子游戏销量排行可视化分析项目、NIKE连锁商店双十一交易数据分析项目、Airbnb订房数据分析项目）。这些内容学员们应该全部掌握，对应的操作及应用都应该做到如数家珍，这样才可以在真实的工作场景中做到游刃有余。

四、Tableau数据分析可视化

1、Tableau简介

1.1 什么是Tableau

1.2 学习Tableau的价值在哪里

1.3 Tableau和Excel的区别

1.4 Tableau 在企业中的应用

多渠道数据整合

分析过去

描述现在

预测未来

2、Tableau 基本概念

2.1 软件简介：下载、安装、注册 Tableau

2.2 工作区的基础操作

“数据”窗格的操作

“分析”窗格的操作

工具栏、状态栏

2.3 工作表的基础操作：创建、复制、删除…

2.4 Tableau 全流程体验，快速从数据到分析

3、Tableau 基础操作｜数据处理和建模

3.1 数据角色：纬度和度量、连续和离散

3.2 数据类型：文本、数字…

3.3 数据链接：Excel、Access、Tableau工作簿…

3.4 数据整合：多表连结、行列转换…

3.5 数据处理：替换、插入、删除

4、Tableau 基础操作｜数据可视化

4.1 Tableau 基本图形分析

条形图、直方图

折线图、气泡图...

4.2 Tableau 高级可视化分析：帕累托图、瀑布图、雷达图…

4.3 Tableau 地图可视化分析

4.4 Tableau 数据仪表盘

5、Tableau 项目实战：VGChartz 电子游戏销量排行可视化分析

课后作业：

1）操作：使用课程提供的数据，实际操作

2）思考：Tableau 的可视化和 Excel 的区别

五、SQL与Mysql

1、SQL/MySQL简介

1.1 什么是SQL/Mysql

1.2 SQL/Mysql在企业中的应用

1.3 学习SQL/Mysql的价值在哪里

1.4 对比EXCEL功能认识SQL

2、SQL/Mysql基本概念

2.1 SQL/Mysql种类以及语法：DQL，DML，DDL，DCL

2.2 SQL/Mysql的基本概念：数据库、表、行和列、主键

2.3 SQL/Mysql输写顺序和执行顺序

案例：SQL/Mysql 全流程体验，从数据到分析

3、SQL/Mysql语法

3.1 数据检索：检索、排序、过滤（高级过滤、通用符过滤）

3.2 数据插入、更新和删除

3.3 常用7大函数（1）

日期和时间函数

字符串函数

窗口函数

3.4 常用7大函数（2）

数学函数

聚合函数

类型转化函数

控制流函数

窗口函数

3.5 表的关联和合并（JOIN，UNION）

3.6 复合字段取数（Arrary，Map，Json）

3.7 案例：以某校的排课表和成绩表为例，进行语法实操

4、如何写SQL/Mysql

4.1 需求梳理：表、存储逻辑、口径、限制条件

4.2 SQL阶段：写SQL、跑SQL、SQL核查

4.3 结果加工阶段：二次加工、结果核查

4.4 案例：以电商行业为例，讲解需求到结果的全流程

5、SQL 项目实战：NIKE连锁商店双十一交易数据分析

课后作业：

1）操作：实际操作SQL练手50道

2）思考：每道题是否有高级用法

六、Power BI商业智能报表

1、Power BI简介

1.1 什么是Power BI

1.2 Power BI在企业中的应用

1.3 学习Power BI的价值在哪里

1.4 Power BI和 Tableau的对比差异

2、Power BI 基本概念

2.1 Power BI 生态系统解析

2.2 Power BI 高级报表鉴赏

2.3 PowerBI Desktop介绍：下载、安装、注册、主界面介绍

2.4 案例：流程体验，快速从原始数据到动态报告

3、Power BI 操作

3.1 探索多种数据源（CSV、EXCEL、SQL、ONline、etc）

3.2 玩转Power BI十三种图表

柱状图、折线、饼图

唯恩图、漏斗图、地图...

3.3 Power BI核心DAX语法

聚合函数、逻辑函数

信息函数、数学函数、转换函数...

3.4 Power BI高级报表整合

KPI汇总

多维度下切

明细数据查询

4、Power BI 项目实战：Airbnb订房数据分析

课后作业：

1）操作：实际操作刷题版

2）思考：每道题是否有高级用法

模块三·玩转电商，持续增长Week6-Week7

模块说明：电商领域作为线上零售的主要组成部分，对于从业者的综合能力要求较高，如何将产品最高效地上架并推送到用户面前？如何通过数据中的蛛丝马迹找到不同用户的需求？如何从零到一构建自身的品牌并提高渗透率？上述种种疑问都需要通过画像体系、仓储备货、品牌定位等方法进行实现。本模块的第一部分为职业引导部分，主要围绕电商从业者的就职定位和岗位技能展开，通过理解不同商业角色（平台、服务商、品牌）的定位，梳理出不同岗位的要求与发展路线。第二部分主要讲解电子商务中的数据运营体系，一共涉及用户画像、商品画像、仓储备货三部分，由浅入深地掌握数据采集、数据清洗、数据分析+可视化、数理建模等业务应用方法。第三部分则会把重心放在品牌分析与运营上，帮助学员掌握品牌定位、品牌营销（以SEO/SEM为代表的广告投放方法）、内容精细化运营、多品牌管理等方法。

七、电商市场营销/运营

1、求职规划

1.1 平台、服务商、品牌之间的就职差异

1.2 电商行业岗位细分

1.3 电商行业职业技能归类

1.4 电商行业职业发展路线

2、画像体系搭建

2.1 画像体系分类

2.2 数据体系搭建

2.3 数据抓取方法

2.4 数据清洗方法

3、用户画像分析

3.1 用户数据来源

3.2 用户数据分析

3.3 用户数据应用

4、商品画像分析

4.1 商品数据来源

4.2 商品数据分析

4.3 商品数据应用

5、仓储备货管理

5.1 日常仓储备货管理方法

5.2 活动促销仓储备货管理方法

5.3 数学仿真法在仓储备货中的应用

6、多品牌/店铺管理

6.1 多品牌/店铺波士顿矩阵分析

6.2 多品牌/店铺运营管理方法

7、内容精细化运营

7.1 电商内容运营涵盖的范围

7.2 数据导向的内容运营搭建方法

7.3 静态内容精细化运营方法

7.4 动态内容精细化运营方法

8、网站SEO/SEM方法

8.1 平台逻辑建模分析

8.2 自然流量优化方法——SEO

8.3 广告流量优化方法——SEM

9、品牌定位/营销方法

9.1 品牌与渠道匹配度分析方法

9.2 品牌营销链路/漏斗分析

9.3 品牌渗透率分析方法

模块四·盘活用户，打通市场Week8-Week9

模块说明：互联网运营是对接产品和用户的桥梁。本模块包含第八和九章，内容将围绕数据分析方法，讲解用户运营和产品运营的业务体系，并通过用户增长的综合性项目，培养学员对于数据分析思维在互联网运营工作中的具体应用能力。在整个学习过程中，建议学员利用课程讲解到的思路，分析身边常用的互联网产品，并以不同视角提出问题，思考在实际运营场景下可能的解决方案。

八、数字化用户运营

1、求职规划

1.1 互联网公司业务类型与人才需求

1.2 用户侧运营类岗位的特点

1.3 产品侧运营类岗位的特点

1.4 互联网运营者的职业发展规划

2、用户分层与精细化运营

2.1 正确认识用户运营

商业目标与用户价值

产品功能与用户需求

运营手段与用户体验

2.2 用户分层的基本策略

明确目的

筛选维度

2.3 数据驱动下的精细化运营

明确业务场景

拆解用户群体

匹配运营策略

2.4 实战项目：Olist平台用户分层分析

课后作业：

1）操作：完成RMF分析（工具不限）

2）思考：非电商行业是否可以使用RMF进行分类

3、用户生命周期与用户成长路径的策略运营

3.1 了解用户生命周期

生命周期模型

用户体验地图

3.2 构建用户成长路径

建模型

搭通道

促成长

3.3 实战项目：金融服务公司潜在用户预测分析

课后作业：

1.操作：分析该项目中用户生命周期情况

2.思考：同时满足动机、能力、触发的用户，是否一定会产生行为

4、用户行为激励与全站激励体系的构建

4.1 用户行为激励的实施

用户需求层次

用户行为过程

4.2 全站激励体系的构建

等级体系

会员体系

积分体系

成就体系

4.3 用户运营与用户增长

重新发现用户痛点

设立增长实验流程

九、产品运营与市场分析

1、产品优化与运营落地

1.1 产品经理与产品运营

产品经理向需求负责

产品运营向落地负责

1.2 了解产品生命周期

1.3 A/B test

2、用户行为数据与用户需求分析

2.1 用户行为与数据埋点

显性行为与隐形行为

前端埋点与后端埋点

2.2 用户需求分析方法

核心用户访谈

KANO模型

需求识别与有效反馈

2.3 实战项目：C端手游公司产品运营分析

课后作业：

1.操作：针对一款你常用的游戏，设计一次A/B test流程

2.思考：A/B test中如果两个方案表现都比较一般，应该如何处理

3、竞品调研与行业市场分析

3.1 竞品经营调研分析

用户反馈

爬虫数据

公司财报

3.2 行业/市场分析方法

PEST分析

SWOT分析

第三方研报

3.3 直播行业调研及短视频平台分析（以抖音为例）

课后作业：

1.操作：选择一个自己感兴趣的互联网公司，收集资料，分析其核心业务情况

2.思考：当不同来源的信息产生冲突时，如何解决

模块五·名企实战，掌控全局Week10-Week11

模块说明：本部分内容将把本次课程推向高潮。在经历了前面内容的千锤百炼之后，学员的能力已经能够达到大部分公司对于相应领域的技能要求。但目前的就业/工作现状就是内卷，为了能够再一次拔高学员们的能力，老师将在本部分带大家完成3个综合难度很高的项目，包含了电商、互联网、金融行业。
最终，学员们需要完成对应的毕业设计、顺利完成毕业答辩、产出合格的个人作品集。顺利通过了这一关，工作中遇到的困难，基本上都能够有效解决。

十、商业决策

综合项目一：电商行业数据分析实战

项目解读：电商领域作为线上零售的主要组成部分，对于从业者的综合能力要求较高，如何将产品最高效地上架并推送到用户面前？如何通过数据中的蛛丝马迹找到不同用户的需求？如何从零到一构建自身的品牌并提高渗透率？上述种种疑问都需要通过画像体系、仓储备货、品牌定位等方法进行实现。本部分将电商领域数据分为宏观分析与微观分析两部分，在宏观分析部分，主要针对行业、品类、商家、商品学习从数据采集，到数据处理，最后再到业务应用的全链路分析流程；在微观分析部分，则是围绕“人、货、场”三要素，对用户、商品、渠道这三个电商核心点进行讲解，期间会使用bilibili会员购平台、淘宝平台以及亚马逊平台的真实数据进行分析，从而掌握在真实业务场景下的数据分析能力。

数据来源：bilibili会员购平台订单报表数据、淘宝平台商品画像数据、亚马逊平台站内站外全渠道数据

1、宏观数据分析方法

1.1 行业分析

行业分类、集中度、价值链、上下游、产业分布、利润分布

高集中度行业：3C数码行业，代表品牌：苹果

低集中度行业：服饰，代表品牌：ZARA

1.2 品类分析

品类划分、品类淡旺季、品类渠道依赖度

以服饰行业为例，根据不同细分类目内衣、男装、女装、运动、鞋靴等分析各个品类的淡旺季以及不同销售渠道的依赖程度

1.3 商家分析

品牌分布、品牌渗透率、渠道渗透率、垄断/寡头/竞争市场分析

针对线上渠道，例如淘宝、抖音等分析不同品牌/商家的相关数据

1.4 商品分析

自然流量、广告流量、渠道匹配率、转化率、目标用户

产品功能与用针对特定品牌/店铺，分析其流量来源和运营特点户需求

1.5 宏观数据的获取渠道与方法

行业分析类网站渠道

指数类数据网站渠道

国家政府类网站渠道

2、微观数据分析方法

2.1 人、货、场的分析框架

人（用户）类数据的分析框架

货（商品）类数据的分析框架

场（渠道）类数据的分析框架

2.2 B站会员购用户数据分析

2.3 淘宝平台商品数据分析

2.4 亚马逊平台多渠道数据分析

3、毕业设计

主题一：电商平台商品数据的抓取与清洗

商品数据的自动化与人工采集方法

商品数据的清洗思路与方法

主题二：电商文本数据分析实操（静态+动态分析）

文本数据的分析思路（文本长度、词性、词位、词组排列等）

文本数据分析的执行方式

主题三：数据化运营自动化报表的制作与应用

仓储备货的数据报表

订单分析的数据报表

广告优化的数据报表

综合项目二：理解用户增长模型，打造持续增长闭环

项目解读：用户增长数据分析实战项目将以知乎为分析对象，将分别从创作者和平台两个业务角度拆分用户增长模型，让学员全面理解如何通过数据分析驱动用户增长。在创作者部分，将以知乎“旭鹏”为例，通过自媒体从0到1的增长过程，分析如何基于数据对创作内容进行优化；在平台部分，将以知乎为例，拆解内容类社区平台产品的增长模型，了解数据分析在创作者激励方向的应用。通过平台及创作者在面对增长目标时产生的不同落地方案，理解用户运营和产品运营的具体工作内容，并形成对用户增长整体性的理解。

数据来源：知乎

1、自媒体用户增长

1.1 账号定位

流量变现：平台补贴、广告植入

商业转化：电商带货、账号交易

内容变现：内容付费、版权收益

1.2 用户需求

休闲娱乐：了解资讯，消磨时间

深度阅读：围绕主题，系统学习

信息获取：提出问题，获取答案

1.3 增长流程

流量获取：细分选题，提供预期

指标提升：持续创作，内容推广

粉丝转化：真实发声，号召关注

2、平台用户增长

2.1 北极星指标

用户侧：内容丰富，推送精准

创作者侧：物质收益，精神满足

平台侧：促进用户增长，维护社区氛围

2.2 用户需求

用户角色：年龄、性别、地域

使用场景：时间、地点

核心诉求：搜索、浏览、互动

2.3 增长模型

指标拆分：新用户路径、老用户路径

增长实验（A/B test）：兴趣推送、流量倾斜

增长工具：问题推荐、内容自荐

3、毕业设计

选题方向：

针对一款互联网产品中的细分功能（如微信-小程序-微信读书），分析用户的使用场景及需求，提出1-2个运营相关问题，并设计数据分析实验及后续优化思路。

设计说明：

可1-4人组队完成，建议从熟悉的产品细节进行分析，以带入用户视角

提出问题时，可与同类产品运营方案进行对比，判断是否需要A/B test

最终形成5页以内PPT报告，要求数据分析思路清晰，后续优化方案可落地

综合项目三：金融行业数据分析实战

项目解读：Square是美国一家支付公司（第三方支付是指具备一定实力和信誉保障的公司，通过与银行对接而促成交易双方进行交易的网络支付模式）。公司前期处于野蛮生长阶段，目前公司急需建立完善的数据监控体系，并形成看版，每日监控从而发现趋势和异动。希望学员可以通过本项目的学习，快速学习第三方支付公司的商业模式，包括获客方式、盈利模式、业务流程等，建立业务模型，并且定义指标体系。可以使用SQL/Mysql获取数据，并完成数据清洗；使用Tableau进行数据分析，在数据中找到洞见；使用Power Bi 建立可视化监控看版，方便日常数据监控。

数据来源：Square用户数据、交易数据、商家数据

1、搭建指标体系

1.1 行业介绍

1.2 公司业务模式介绍

1.3 业务模型梳理

1.4 业务数据指标梳理

1.5 确定输出指标和输入指标

分析现状

确定结果指标

确定影响结果的关键因素

2、数据获取

2.1 SQL/Mysql 数据提取

2.2 SQL/Mysql 数据核查

3、数据分析

3.1 Tableau 数据导入和清洗

3.2 Tableau 数据可视化

4、绘制数据监控看版

4.1 Power BI 数据导入和清洗

4.2 Power BI数据可视化

5、产出数据分析报告

5.1 好的数据分析报告应该包含哪些内容？

5.2 如何撰写一份优质的数据分析报告？

5.3 金融行业数据分析报告实战

6、毕业设计

6.1 毕设主题

主题一：金融方向

主题二：新零售方向

主题三：开放性选题

6.2 毕设目的

锻炼学员独立实操SQL、Power BI、Tableau等数据分析工具的能力

锻炼学员独立进行数据分析的能力，包括确定定分析目标、描述分析定位问题、诊断原因、提出问题解决方案、数据分析报告产出

综合项目一：电商行业数据分析实战

数据来源：bilibili会员购平台订单报表数据、淘宝平台商品画像数据、亚马逊平台站内站外全渠道数据

1、宏观数据分析方法

1.1 行业分析

行业分类、集中度、价值链、上下游、产业分布、利润分布

高集中度行业：3C数码行业，代表品牌：苹果

低集中度行业：服饰，代表品牌：ZARA

1.2 品类分析

品类划分、品类淡旺季、品类渠道依赖度

以服饰行业为例，根据不同细分类目内衣、男装、女装、运动、鞋靴等分析各个品类的淡旺季以及不同销售渠道的依赖程度

1.3 商家分析

品牌分布、品牌渗透率、渠道渗透率、垄断/寡头/竞争市场分析

针对线上渠道，例如淘宝、抖音等分析不同品牌/商家的相关数据

1.4 商品分析

自然流量、广告流量、渠道匹配率、转化率、目标用户

产品功能与用针对特定品牌/店铺，分析其流量来源和运营特点户需求

1.5 宏观数据的获取渠道与方法

行业分析类网站渠道

指数类数据网站渠道

国家政府类网站渠道

2、微观数据分析方法

2.1 人、货、场的分析框架

人（用户）类数据的分析框架

货（商品）类数据的分析框架

场（渠道）类数据的分析框架

2.2 B站会员购用户数据分析

2.3 淘宝平台商品数据分析

2.4 亚马逊平台多渠道数据分析

3、毕业设计

主题一：电商平台商品数据的抓取与清洗

商品数据的自动化与人工采集方法

商品数据的清洗思路与方法

主题二：电商文本数据分析实操（静态+动态分析）

文本数据的分析思路（文本长度、词性、词位、词组排列等）

文本数据分析的执行方式

主题三：数据化运营自动化报表的制作与应用

仓储备货的数据报表

订单分析的数据报表

广告优化的数据报表

综合项目二：理解用户增长模型，打造持续增长闭环

数据来源：知乎

1、自媒体用户增长

1.1 账号定位

流量变现：平台补贴、广告植入

商业转化：电商带货、账号交易

内容变现：内容付费、版权收益

1.2 用户需求

休闲娱乐：了解资讯，消磨时间

深度阅读：围绕主题，系统学习

信息获取：提出问题，获取答案

1.3 增长流程

流量获取：细分选题，提供预期

指标提升：持续创作，内容推广

粉丝转化：真实发声，号召关注

2、平台用户增长

2.1 北极星指标

用户侧：内容丰富，推送精准

创作者侧：物质收益，精神满足

平台侧：促进用户增长，维护社区氛围

2.2 用户需求

用户角色：年龄、性别、地域

使用场景：时间、地点

核心诉求：搜索、浏览、互动

2.3 增长模型

指标拆分：新用户路径、老用户路径

增长实验（A/B test）：兴趣推送、流量倾斜

增长工具：问题推荐、内容自荐

3、毕业设计

选题方向：

设计说明：

可1-4人组队完成，建议从熟悉的产品细节进行分析，以带入用户视角

提出问题时，可与同类产品运营方案进行对比，判断是否需要A/B test

最终形成5页以内PPT报告，要求数据分析思路清晰，后续优化方案可落地

综合项目三：金融行业数据分析实战

数据来源：Square用户数据、交易数据、商家数据

1、搭建指标体系

1.1 行业介绍

1.2 公司业务模式介绍

1.3 业务模型梳理

1.4 业务数据指标梳理

1.5 确定输出指标和输入指标

分析现状

确定结果指标

确定影响结果的关键因素

2、数据获取

2.1 SQL/Mysql 数据提取

2.2 SQL/Mysql 数据核查

3、数据分析

3.1 Tableau 数据导入和清洗

3.2 Tableau 数据可视化

4、绘制数据监控看版

4.1 Power BI 数据导入和清洗

4.2 Power BI数据可视化

5、产出数据分析报告

5.1 好的数据分析报告应该包含哪些内容？

5.2 如何撰写一份优质的数据分析报告？

5.3 金融行业数据分析报告实战

6、毕业设计

6.1 毕设主题

主题一：金融方向

主题二：新零售方向

主题三：开放性选题

6.2 毕设目的

锻炼学员独立实操SQL、Power BI、Tableau等数据分析工具的能力

锻炼学员独立进行数据分析的能力，包括确定定分析目标、描述分析定位问题、诊断原因、提出问题解决方案、数据分析报告产出

模块六·前辈经验，直通名企Week12

模块说明：该模块是本次课程的完结篇，知识性内容在前面的各个模块中都有清晰的讲解。本模块存在的意义主要是为了提高学员们的软实力，为最终的就业或者跳槽提供帮助。在这个模块，你将学会如何写简历、如何科学的投递简历；你将掌握不同岗位的面试技巧、面对心仪的岗位你将做哪些准备、优秀的面试模版是什么、面试中应该如何进行追问；你将听到来自不同老师的不同的故事，也许他们的职场/创业经历能够给你带来一定的启发，为自己的职业发展提供更多的参考、更多的可能性。

十一、面试指导与行业经验分享

1、叶老师分享

1.1 简历的制作与投递方法

1.2 职业不同阶段（实习、校招、社招）面试技巧

1.3 电商行业不同岗位面试经验

1.4 个人行业发展路径分享

1.5 个人创业经历分享

2、杨老师分享

2.1 岗位匹配度判断

2.2 简历优化与面试准备

2.3 社招、校招与实习岗的区别

2.4 数据分析能力在面试中的体现

3、王老师分享

3.1 为什么采用行为面试

3.2 行为面试的标准回答模版

3.3 如何准备行为面试

3.4 行为面试的常见追问类型

3.5 个人职场经历分享

项目介绍

贴心的学员服务

报名阶段

登记报名信息

添加班主任微信

预习阶段

制定学习目标规划

开启导学课程学习

老师一对一答疑指导

学习阶段

加入学习群，结伴学习

落地学习目标规划

学习必备资料共享

陪伴学习，监督作业

作业批改反馈

学习进度跟踪

每周定期回访、反馈

毕业阶段

项目答辩

导师全程跟进指导

颁发优秀学员证书

求职阶段

求职面试重点辅导

职业发展规划跟踪

私教一对一简历指导

推荐相关企业面试内推

认证证书

适合人群

岗位赋能

在职的销售、运营、产品、人力、财务、表哥、表姐，想要提升自己的专业知识，强化自己的工作处理能力，提高职业竞争力

求职就业

即将毕业或刚刚步入职场，简历缺乏亮点，需要增加项目经验、深化业务理解，从而找到数据分析相关工作的同学

转岗转行

在目前的岗位上到达了瓶颈期，想要通过数据分析技能的学习，转到其他工作/岗位赛道的同学

实习or升学

缺乏优秀作品集，想要继续升学深造在校生；想要谋求一份数据分析相关领域实习工作的商科、文科背景的在校生

常见问题

1、参加本次课程有什么要求吗？

本次课程适合所有背景基础的人群，对商业分析和数据科学有兴趣的践行者。

2、项目式课程是如何学习的呢？

课程设计以理论+实践的方式教学，从基础开始讲解每个核心知识点，掌握之后老师会带大家一步步完成课程中的企业级实战项目，从而正式的去掌握每个核心知识点的应用，为职业道路夯实基础。

3、本课程怎么答疑？

1 在线提问课程导师 2 学习社群（或1V1）在线提问助教老师 3 在线云文档，学员和老师可以在文档中进行提问与回答 4 共同的问题会在Review部分进行讲解

4、上课后不满意可以退款吗？

开课七天内支持无理由退款，只需提供账户信息，30分钟内即可完成退款。

5、如何开发票？

待正式课程开课之后，可以联系相关工作人员完成开票。