课程名称：构建数据分析工程师能力模型，实战八大企业级项目
课程章节：第一章：数据分析实战-前奏
课程讲师：fish

课程内容

• 必备技能：程序语言的准备工作，如何进行可视化分析
• 算法理论
• 数据挖掘流程
• 数据分析思维
• 企业实战项目

注意事项：

• 数理统计：相关性分析、卡方检验、推到方面的理论和过程
• 前置知识：python基本语法以及使用
• 编程环境：python相关的环境，自己喜欢就好，课上推荐anaconda,个人觉得都行

进阶指南：
初级->中级->高级
初级数据分析工程师：

• 工具使用：常用工具EXCEL，SQL和Python，借助工具对数据进行采集、分析和处理。
• 数据管理：能够处理结构化（表格等）和非结构化数据（文本，图像，音频）、能完成数据抽取、清理转换、格式化数据、能运用常用的数据库存取数据。
• 数据分析：能根据业务问题选择一些简单的数据处理方法（描述性分析、推断性分析、方差分析、线性回归分析）、能运用各类数据方法进行数据分析
• 可视化展示：掌握办公软件（word、excel、ppt等）的相关知识及运用，借助这些工具进行数据结论展示。

中级数据分析工程师

• 业务分析：能够定义业务问题，能够将业务目标转换为数据分析目标，能分析业务对应产品分类和服务模式。要深度理解业务。
• 数据分析：掌握高级的数据分析方法（多维度拆解、ARR模型、RFM模型等），并熟练应用于真实的项目分析需求中。
• 数据挖掘分析：能分析数据特征，能运用数据挖掘分析方法，能熟练的进行多维度分析，能实现特定的数据挖掘功能。
• 可视化展示：能理解和展示可视化分析的算法模型，能按要求撰写数据分析报告。

高级数据分析工程师

• 数据库架构设计于特征评估：能分析评估不同数据库的特性于优缺点，能协助工程师完成数据库架构设计、能协助ETL工程师工作。
• 大数据管理于设计：能进行数据分析于建模，能协助实践BI全过程，能协助大数据开发分析处理系统。（Spark）
• 统计机器学习与深度学习：模型与算法的计设、测试和验证，能灵活对特定的业务场景进行统计学方法和机器学习方法、能理解图像或语音或文本分析和挖掘方法。

市场数据分析师岗位要求

• 1.分析业务流程关键节点、梳理核心指标并分解，并入体系指标。
• 2.确定数据分析维度，粒度和口径，进行可视化分析，设计和开发。
• 3.基于平台设计和开发周期性报告，关键指标监控和数据挖掘。
• 4.完成核心数据分析，为管理层提供决策支持及建议。

数据分析报告
核心目标：通过数据驱动业务正常发展。

• 产品：用户产品、商业产品
• 运营：内容运营、用户运营、活动运营、新媒体运营。通过判断运营中产生的相关数据来判断我们的运营是否有效。
• 自提：观察业务痛点，并解决痛点。

课程收获：
感谢老师，使我对数据分析师这项工作有了一个更加细致的认识，拓宽了我的知识面，数据分析不只是局限于python编程开发，它更具综合性，使我第一次认识到大学中学习的数理统计以及方差等概念其理论基础的作用，希望能够跟着老师的实战课程，掌握基本的数据分析能力，学以致用。