数据分析50+高频场景实战 业绩提升立竿见影「已完结」

第1章 数据分析师是做什么工作的/

[ 12M] 1-1导学小白数据分析师成长记—课程导学

[7.1M] 1-2数据分析师小王流水账的一天

[7.7M] 1-3数据分析师的工作内容有哪些

第2章 Excel 数据怎么导入 MySQL？—创建表/

[1.7M] 2-1第一个任务：先把数据导入MySQL

[6.5M] 2-2什么是MySQL—数据库和SQL

[ 13M] 2-3搭建学习环境—安装MySQL

[ 13M] 2-4搭建学习环境—windows下安装

[6.4M] 2-5使用开发工具—安装Navicat

[ 26M] 2-6导入Excel数据—表的创建createtable

[ 17M] 2-7多加一列—表的更新altertable

[6.5M] 2-8表不用了怎么办—表的删除droptable

第3章 [SQL]表中漏了几条数据？—插入数据/

[2.5M] 3-1第二个任务：把漏掉的数据补到表里

[ 19M] 3-2直接往表里写数据—插入数据insert

[ 16M] 3-3修改某行数据—更新数据update

[6.0M] 3-4数据出错了怎么办—删除数据delete

第4章 [SQL]导入的数据怎么查询？—select 查询语句/

[9.8M] 4-1第三个任务：简单查询表中的数据

[8.3M] 4-2先把数据都查出来—select语句

[ 25M] 4-3查询满足条件的数据—where语句

[ 16M] 4-4灵活的字符串匹配—regexp正则表达式

[6.5M] 4-5数据按某个值排序—orderby语句

[6.3M] 4-6限制返回的条数—limit语句

[ 11M] 4-7分组统计数据—groupby语句

[8.8M] 4-8分组后过滤数据—having语句

第5章 [SQL]均值和最值怎么统计？—MySQL 常用函数/

[1.9M] 5-1第四个任务：掌握MySQL常用的函数

[ 14M] 5-2均值、最值和求和—五大聚合函数

[ 10M] 5-3绝对值和平方根—数学函数

[ 18M] 5-4字符串怎么截取—字符串函数

[ 29M] 5-5日期格式的转换—日期和时间函数

[ 13M] 5-6灵活生成新的字段—条件判断函数

第6章 [SQL]渠道类型怎么匹配？—表的连接查询/

[3.9M] 6-1第五个任务：匹配渠道id对应的名称

[ 28M] 6-2匹配相同的渠道—内连接innerjoin

[ 29M] 6-3有些渠道匹配不到—外连接outerjoin

[ 13M] 6-4所有渠道通通都要—全外连接union

[ 24M] 6-5查询语句还可以嵌套—子查询

第7章 [SQL]新增用户的留存率怎么统计？—留存率实战专项/

[6.4M] 7-1留存率的概念

[ 30M] 7-2第X日留存率

[ 13M] 7-3X日内留存率

[ 34M] 7-4次周和次月留存率

[ 17M] 7-5留存率计算拓展—不限定日期差

第8章 [SQL]每天销量最好的三个商品是哪些？—窗口函数/

[2.9M] 8-1第六个任务：统计每天销量最好的三个商品

[ 30M] 8-2对数据分组排序—row_number函数

[ 16M] 8-3排序时值重复了怎么办—rank函数

@it资源网ukoou.com

[ 18M] 8-4排名百分比—percent_rank函数

[ 17M] 8-5取值函数—nth_value函数

[ 20M] 8-6偏移函数—lead和lag函数

第9章 [SQL]用户最大连续活跃天数？—MySQL经典问题/

[ 16M] 9-1经典问题之分组查询每组TopN

[ 14M] 9-2经典问题之最大连续活跃天数

[ 11M] 9-3经典问题之行列转换

[7.2M] 9-4经典问题之多行变一行

[ 26M] 9-5经典问题之一行变多行

[ 11M] 9-6经典问题之多值匹配

第10章 [SQL]是时候测试一下SQL的实际水平了—某厂SQL笔试真题/

[ 27M] 10-1运营活动数据统计

[ 15M] 10-2用户行为数据统计

[9.1M] 10-3用户留存数据统计

第11章 [Quick BI]电商销量数据可视化/

[2.1M] 11-1提效好帮手：QuickBI报表实战导学

[2.6M] 11-2常用的企业报表工具

[7.2M] 11-3QuickBI报表简介

[2.5M] 11-4第一个任务：电商销量数据导入QuickBI

[6.5M] 11-5[数据准备]先把数据接进来—数据源

[ 12M] 11-6[数据准备]可视化分析基础—数据集

[922K] 11-7第二个任务：电商销量数据可视化

[ 13M] 11-8[可视化图表]销量的变化趋势—折线图

[ 10M] 11-9[可视化图表]分类别销量比较—柱状图

[5.0M] 11-10[可视化图表]分类别销售额占比—饼图

[6.1M] 11-11[可视化图表]销量和销售利润率—散点图

[ 12M] 11-12[可视化图表]销量和环比—组合图

[ 17M] 11-13[可视化图表]招聘流程数据—漏斗图

第12章 [Quick BI]对图表数据进行过滤 & 分类显示图表数据/

[1.9M] 12-1第三个任务：对图表数据进行过滤

[ 14M] 12-2新建查询控件—日期、文本和数值

[9.5M] 12-3美化查询控件—查询控件样式调整

[ 10M] 12-4优化查询控件使用体验—条件级联

[ 23M] 12-5查询控件和数据集关联—占位符

[1.6M] 12-6第四个任务：分类显示图表数据

[ 16M] 12-7Tab—标签页形式展示图表

[9.0M] 12-8富文本—文字展示汇总数据

[3.7M] 12-9图片—通过图片跳转链接

第13章 [Quick BI]给图表数据添加导航栏 & 给报表增加目录/

[1.6M] 13-1第五个任务：给图表数据添加导航栏

[ 13M] 13-2故事线—调整报表展示逻辑

[8.0M] 13-3钻取—按层次结构逐层拆解

[8.0M] 13-4联动—多个图表共享查询条件

[ 16M] 13-5跳转—从当前报表到其他报表

[1.2M] 13-6第六个任务：给报表增加目录

[ 13M] 13-7新建数据门户

第14章 [Quick BI]汽车销量报表案例实战/

[3.3M] 14-1汽车销量报表搭建思路

[ 21M] 14-2市场概览

[ 23M] 14-3乘用车市场

[ 13M] 14-4渗透率

[ 27M] 14-5纯电动市场

[2.3M] 14-6QuickBI报表小结

第15章 [Python]打好 python 语法基础，进入 python 的新世界/

[1.8M] 15-1建模好工具：Python语言编程入门

[9.2M] 15-2Python语言简介和安装

[5.6M] 15-3第一个任务：输出HelloPython

[9.3M] 15-4VisualStudioCode安装和使用

[1.2M] 15-5第二个任务：定义一个变量

[6.5M] 15-6变量的命名和使用

[6.4M] 15-7变量的数据类型

[ 13M] 15-8Python中的运算符

[816K] 15-9第三个任务：拼接多个字符串

[ 13M] 15-10字符串拼接

[ 14M] 15-11字符串格式化

[ 12M] 15-12字符串常用函数

[1.2M] 15-13第四个任务：判断学生成绩的等级

[3.5M] 15-14if语句

[3.0M] 15-15ifelse语句

[8.4M] 15-16ifelifelse语句

[1.1M] 15-17第五个任务：计算1到100的和

[ 10M] 15-18while循环

[5.6M] 15-19for循环

[4.7M] 15-20break语句

[5.1M] 15-21continue语句

第16章 [Python]打好 python 语法基础（高级）/

[6.6M] 16-1列表的定义

[6.1M] 16-2列表元素的访问

[ 11M] 16-3列表的修改

[ 10M] 16-4列表的常用函数

[5.8M] 16-5元组的定义

[5.9M] 16-6元组元素的访问

[3.9M] 16-7元组的常用函数

[认准一手完整 www.ukoou.com]

[6.4M] 16-8集合的定义

[5.0M] 16-9集合的修改

[5.6M] 16-10集合的常用函数

[6.5M] 16-11字典的定义

[8.2M] 16-12字典元素的访问

[7.1M] 16-13字典的修改

[5.5M] 16-14自定义函数

[ 11M] 16-15函数的调用

第17章 [Python]数据分析包 Pandas、结合 matplotlib 绘图/

[ 10M] 17-1使用Pandas读取文件

[7.6M] 17-2Pandas基本的数据结构

[ 21M] 17-3使用Pandas筛选数据

[ 16M] 17-4在Pandas中增加新列

[ 22M] 17-5使用Pandas进行数据清洗

[9.2M] 17-6数据的分组与统计

[5.5M] 17-7折线图

[9.0M] 17-8柱状图

[1.4M] 17-9直方图

[1.6M] 17-10散点图

[2.4M] 17-11饼图

第18章 [Python数据分析案例] 分析运营商客户“流失”预测模型/

[ 19M] 18-1数据概览

[ 10M] 18-2数据清洗

[ 20M] 18-3数据可视化

[ 11M] 18-4特征工程

[7.4M] 18-5逻辑回归模型

[2.8M] 18-6Python编程入门小结

第19章 [业务思维]培养数据分析的业务思维/

[1.2M] 19-1修炼好内功：业务分析实战

[3.3M] 19-2数据分析师需要具备哪些能力

[2.4M] 19-3业务分析实战内容简介

第20章 [业务思维]不同行业的核心数据指标/

[4.4M] 20-1什么是数据指标体系

[3.3M] 20-2为什么要建立指标体系

[9.1M] 20-3如何搭建好的指标体系

[3.8M] 20-4电商行业指标体系

[2.6M] 20-5内容社区行业指标体系

[4.4M] 20-6游戏行业指标体系

[2.5M] 20-7制造行业指标体系

第21章 [分析方法]常见的分析方法 及 分析模型/

[686K] 21-1常见的数据分析方法

[3.2M] 21-2分层分析法

[1.8M] 21-3趋势分析法

[3.0M] 21-4矩阵分析法

[2.4M] 21-5漏斗分析法

[3.6M] 21-6同期群分析

[4.6M] 21-7相关分析法

[4.2M] 21-8逻辑树分析法

[853K] 21-9经典的数据分析模型

[8.8M] 21-10AARRR模型

[8.6M] 21-11RFM模型

[3.7M] 21-12OSM模型

第22章 [业务实战场景]指标波动排查实战/

[3.4M] 22-1指标波动简介

[5.9M] 22-2指标波动排查框架

[8.2M] 22-3指标波动排查实战

第23章 [业务实战场景]渠道评分模型/

[3.8M] 23-1渠道分析简介

[5.7M] 23-2渠道评分模型理论

[ 24M] 23-3渠道评分模型实战

第24章 [业务实战场景]RFM 模型/

[5.1M] 24-1RFM模型理论

[ 20M] 24-2RFM模型实战

第25章 [业务实战场景]DAU 预测模型/

[2.5M] 25-1DAU预测简介

[7.8M] 25-2DAU预测模型理论

[ 28M] 25-3DAU预测模型实战

第26章 [业务实战场景]电商用户行为分析/

[4.4M] 26-1数据概览

[7.2M] 26-2数据清洗

[ 10M] 26-3用户购买漏斗数据

[7.6M] 26-4商品曝光和购买率分析

[7.9M] 26-5用户活跃时间分析

第27章 [报告撰写]数据分析报告的撰写/

[2.8M] 27-1什么是数据分析报告

[2.9M] 27-2数据分析报告的类型

[2.4M] 27-3数据分析报告的内容

[ 16M] 27-4数据分析报告示例

[2.7M] 27-5业务分析实战小结

第28章 课程总结/

[9.4M] 28-1小白数据分析师成长记—课程总结

资料代码/