人人都能学的数据分析-带源码课件-夸克网盘资源下载-桔子搜

现在是大数据时代，学会数据分析是非常有必要的，在职场上可以说是核心竞争力。今天给大家分享这套数据分析课程，一共16周课程，简单易懂，非常适合零基础小白学习。

📢 以下资源由夸克网盘用户[爱分*干货]于2024-09-22分享（文件数量过多时只展示部分文件）

人人都能学的数据分析 - 带源码课件9.43GB

第1周走进数据分析139.54MB

1-1 互联网数据分析通用课程-导学~1_.mp410.19MB

1-2 从互联网数据分析说起~1_.mp46.17MB

2-1 什么是数据~1_.mp417.03MB

2-2 什么是统计指标~1_.mp413.2MB

2-3 统计指标：集中趋势~1_.mp413.1MB

2-4 统计指标：离散趋势~1_.mp417.95MB

2-5 统计指标：分布形态~1_.mp414.46MB

2-6 识别异常值~1_.mp411.77MB

2-7 处理异常值~1_.mp410.49MB

2-8 数据分析流程~1_.mp420.98MB

2-9 本章小结~1_.mp44.19MB

第2周 Excel从入门到表格分析574.69MB

1-1 Excel基本功能_ev~1_.mp425.26MB

1-2 文本函数_ev~1_.mp443.7MB

1-3 数学函数_ev~1_.mp430.93MB

1-4 处理重复数据_ev~1_.mp447.5MB

1-5 拆分列数据_ev~1_.mp433.83MB

1-6 数据排序和筛选_ev~1_.mp462.05MB

2-1 逻辑函数_ev~1_.mp422.11MB

2-2 条件聚合函数_ev~1_.mp434.58MB

2-3 查找与引用函数_ev~1_.mp424.35MB

2-4 数据透视表_ev~1_.mp436.95MB

2-5 认识图表_ev~1_.mp414.3MB

2-6 制作可视化图表_ev~1_.mp493.93MB

2-7 大数据岗人才需求分析报告_ev~1_.mp4101.4MB

2-8 本章小结_ev~1_.mp43.79MB

第3周从0开始学SQL218.23MB

1-1 什么是SQL_ev~1_.mp46.68MB

1-2 认识数据表结构_ev~1_.mp49MB

1-3 MySQL安装及配置_ev~1_.mp424.85MB

1-4 安装Navicat_ev~1_.mp437.05MB

1-5 基础语法_ev~1_.mp431.7MB

1-6 数据排序与筛选_ev~1_.mp443.64MB

2-2 对数据进行分类汇总_ev~1_.mp419.1MB

2-3 联表查询_ev~1_.mp428.7MB

2-4 导出数据_ev~1_.mp413.9MB

2-5 本章小结_ev~1_.mp43.62MB

第4周数据可视化利器 Tableau256.29MB

1-1 什么是Tableau_ev~1_.mp418.27MB

1-2 安装Tableau_ev~1_.mp431.34MB

1-3 准备数据_ev~1_.mp433.11MB

1-4 构建图表_ev~1_.mp466.95MB

1-5 创建仪表板_ev~1_.mp416.59MB

1-6 创建故事_ev~1_.mp49.74MB

1-7 保存与发布_ev~1_.mp49.14MB

1-8 可视化练习：美妆产品销售分析_ev~1_.mp467.32MB

1-9 本周小结_ev~1_.mp43.81MB

第5周 Python基础语法355.28MB

1-1 学习编程的几个建议_ev~1_.mp412.17MB

1-2 什么是Python_ev~1_.mp45.22MB

1-3 运行环境_ev~1_.mp422.08MB

1-4 开发环境_ev~1_.mp422.98MB

1-5 运算符_ev~1_.mp418.33MB

2-1 数据类型_ev~1_.mp425.92MB

2-2 数据容器_ev~1_.mp462.65MB

2-3 条件判断语句：if、else、elif_ev~1_.mp426.3MB

2-4 循环语句：for、while_ev~1_.mp434.7MB

2-5 循环中止：break,continue_ev~1_.mp434.09MB

2-6 编写一个函数_ev~1_.mp449.9MB

2-7 练习：计算销售额_ev~1_.mp436.65MB

2-8 本章小结_ev(2)~1_.mp44.29MB

第6周 Python实现网络爬虫1.13GB

1-1 什么是爬虫_ev~1_.mp413.29MB

1-2 Requests库入门_ev~1_.mp4131.41MB

1-3 认识HTML网页结构_ev~1_.mp4137.44MB

1-4 BeautifulSoup库入门_ev~1_.mp486.06MB

2-1 获取目标信息_ev~1_.mp4108.95MB

2-2 连续获取多个页面信息_ev~1_.mp4119.69MB

2-3 整合爬虫功能函数_ev~1_.mp4111.55MB

2-4 数据存储与代码优化_ev~1_.mp4144.94MB

3-1 通过API接口获取数据_ev~1_.mp4104.12MB

3-2 练习：爬取全部电影数据_ev~1_.mp476.82MB

3-3 练习：爬取全部电影数据_ev~1_.mp4122.28MB

3-4 本章小结_ev~1_.mp45.49MB

第7周更高效的数据处理与可视化绘图1.33GB

1-1 Pandas库入门_ev~1_.mp463.02MB

1-2 什么是DataFrame_ev~1_.mp464.92MB

1-3 案例介绍：电影数据分析_ev~1_.mp425.48MB

2-1 读取数据_ev~1_.mp421.07MB

2-2 清理数据重复值、缺失值、拆分_ev~1_.mp4116MB

2-3 数据运算：按年统计、时间聚合_ev~1_.mp437.2MB

2-4 数据运：算多类型统计_ev~1_.mp457.51MB

2-5 数据运算：评分统计_ev~1_.mp439.58MB

2-6 排序与筛选_ev~1_.mp431.07MB

3-1 练习1：各国每年电影产量_ev~1_.mp4145.6MB

3-2 练习3：电影语言频数统计_ev~1_.mp445.26MB

3-3 练习2：各国评分数据_ev~1_.mp455.55MB

3-4 练习：TOP电影排行榜_ev~1_.mp438.73MB

3-5 本章小结_ev~1_.mp43.32MB

4-1 Matplotlib入门_ev~1_.mp457.53MB

4-2 什么是画布_ev~1_.mp48.77MB

4-3 调整视觉元素_ev~1_.mp439.69MB

5-1 直方图：电影年产量_ev~1_.mp449.94MB

5-2 折线图：各国电影年产量_ev~1_.mp477.17MB

5-3 饼图：电影语种统计_ev~1_.mp451.33MB

5-4 散点图：评分分值与人数_ev~1_.mp441.47MB

5-5 热力图：电影类型、评分、数量_ev~1_.mp4117.44MB

5-6 箱线图：每年电影评分变化_ev~1_.mp446.26MB

5-7 词云图：电影类型频数统计_ev~1_.mp485.73MB

5-8 案例2：豆瓣电影数据分析报告_ev~1_.mp433.33MB

5-9 本章小结_ev~1_.mp44.45MB

第8周初始互联网商业模式535.96MB

1-1 阶段引导：从数据分析工具，到商业分析思维_ev~1_.mp412.2MB

1-2 互联网行业简介_ev~1_.mp433.86MB

1-3 如何做行业分析_ev~1_.mp418.4MB

1-4 市场规模：直播电商发展时间线_ev~1_.mp4128.59MB

1-5 市场规模：直播电商成交额_ev~1_.mp4115.99MB

1-6 竞争分析：波特五力模型_ev~1_.mp419.43MB

1-7 价值链：直播生态产业图谱_ev~1_.mp465.39MB

1-8 趋势预测：PEST分析法_ev~1_.mp413.15MB

1-9 案例3：直播电商行业分析报告_ev~1_.mp461.24MB

2-1 互联网岗位解析_ev~1_.mp442.04MB

2-2 数据职能岗发展通道_ev~1_.mp421.15MB

2-3 本章小结_ev~1_.mp44.52MB

第9周解析数据指标体系453.91MB

1-1 用户生命周期、AARRR、RFM_ev~1_.mp424.78MB

1-2 5W2H、逻辑树、AB测试_ev~1_.mp415.77MB

1-3 SWOT、PEST、波特五力_ev~1_.mp431.96MB

2-1 互联网业务分析指标一览_ev~1_.mp438.31MB

2-2 拉新（获客）指标_ev~1_.mp453.67MB

2-3 活跃指标_ev~1_.mp429.72MB

2-4 留存指标_ev~1_.mp4120.2MB

2-5 转化（变现）指标_ev~1_.mp445.44MB

2-6 传播指标：K因子_ev~1_.mp439.98MB

2-7 案例4：搭建商业化指标体系_ev~1_.mp450.45MB

2-8 本章小结_ev~1_.mp43.63MB

第10周构建用户画像841.21MB

1-1 什么是流量_ev~1_.mp412.73MB

1-2 拓展：流量数据指标_ev~1_.mp435.43MB

1-3 大流量分析模型：波动、特征、预测_ev~1_.mp48.44MB

2-1 案例：背景与目标_ev~1_.mp47.81MB

2-2 利用Python预处理数据_ev~1_.mp455.89MB

2-3 计算相关性指标_ev~1_.mp442.49MB

2-4 数据标准化：Min-Max_ev~1_.mp448.66MB

2-5 字符串分类：OneHot编码_ev~1_.mp440.25MB

2-6 KMeans建模：利用轮廓系数确定K_ev~1_.mp414.9MB

2-7 练习：最佳KMeans聚类模型_ev~1_.mp4111.18MB

2-8 聚类结果分析：样本量与占比_ev~1_.mp482.08MB

2-9 聚类结果分析：特征均值、众数_ev~1_.mp496.73MB

2-10 数值特征对比：雷达图_ev~1_.mp4121.63MB

2-11 案例6：基于Kmeans的广告效果聚类分析_001_ev~1_.mp425.06MB

3-1 什么是漏斗分析模型_ev~1_.mp423.03MB

3-2 漏斗分析有哪些应用场景_ev~1_.mp415.61MB

3-3 用户下单流程分析_ev~1_.mp433.99MB

3-4 案例7：利用Excel绘制转化漏斗图_ev~1_.mp459.14MB

3-5 本章小结_ev~1_.mp46.15MB

第11周用户引流与转化744.5MB

1-1 什么是用户画像_ev~1_.mp417.16MB

1-2 数据标签系统：背景介绍_ev~1_.mp466.17MB

1-3 数据标签系统：数据采集、埋点_ev~1_.mp442.18MB

1-4 数据标签系统：构建用户画像_ev~1_.mp459.91MB

1-5 练习：使用SQL提取用户数据_ev~1_.mp444.02MB

1-6 数据标签系统：构建商品画像_ev~1_.mp480.96MB

1-7 练习：使用SQL提取商品数据_ev~1_.mp444.4MB

2-1 什么是RFM模型_ev~1_.mp48.28MB

2-2 利用Excel计算R、F、M分值_ev~1_.mp447.05MB

2-3 设置R、F、M评分标准_ev~1_.mp438.03MB

2-4 计算R、F、M得分_ev~1_.mp449.37MB

2-5 给用户贴标签_ev~1_.mp466.74MB

2-6 RFM评分卡优化：使用K-Means进行数据分组_ev~1_.mp489.22MB

2-7 模型展示与可视化_ev~1_.mp452.7MB

2-8 案例5：基于RFM的用户精细化管理_ev~1_.mp432.56MB

2-9 本章小结_ev~1_.mp45.75MB

第12周分析消费行为721.88MB

1-1 什么是消费行为_ev~1_.mp417.12MB

1-2 消费行为模式的变迁_ev~1_.mp430.45MB

2-1 案例说明：某电商交易数据_ev~1_.mp459.83MB

2-2 趋势分析：金额、频次、人数、产品数_ev~1_.mp441.77MB

2-3 趋势分析：销售额 vs 产品数_ev~1_.mp453.74MB

2-4 趋势分析：消费时间段偏好_ev~1_.mp474.94MB

2-5 个体分析：消费金额_ev~1_.mp438.16MB

2-6 个体分析：消费频次、商品数_ev~1_.mp441.37MB

2-7 商品分析：销售情况、价格分布_ev~1_.mp459.76MB

2-8 使用SQL计算复购率_ev~1_.mp471.32MB

2-9 使用SQL计算回购率_ev~1_.mp475.86MB

3-1 使用SQL计算头部用户贡献额_ev~1_.mp481.57MB

3-2 使用SQL用户平均购买周期_ev~1_.mp455.96MB

3-3 案例8：基于电商的用户消费行为分析_ev~1_.mp420.04MB

第13周预售销售额、调整运营策略465.84MB

1-1 为什么要预测销售额？_ev~1_.mp421.29MB

1-2 如何拆解GMV：流量、转化、客单价？_ev~1_.mp416.47MB

2-1 测模型的定义与分类_ev~1_.mp410.39MB

2-2 练习：使用Excel预测销售额_ev~1_.mp484.32MB

2-3 Python回归分析：数据预处理_ev~1_.mp433.55MB

2-4 Python回归分析：多项式回归模型_ev~1_.mp419.62MB

2-5 Python回归分析：绘图、预测_ev~1_.mp460.57MB

2-6 案例9：预测2020天猫双11销售额_ev~1_.mp411.03MB

3-1 什么是商品分析？_ev~1_.mp419.15MB

3-2 什么是层次分析法AHP？_ev~1_.mp410.16MB

3-3 Excel层次分析法：构建层次结构_ev~1_.mp49.38MB

3-4 Excel层次分析法：构造成对比较矩阵_ev~1_.mp443.81MB

3-5 Excel层次分析法：构造方案判断矩阵_ev~1_.mp442.09MB

3-6 Excel层次分析法：总排序权重计算与决策_ev~1_.mp425.26MB

3-7 案例10：选择最优商品进行推广_ev~1_.mp48.83MB

4-1 15.16什么是运营策略：摩拜红包车_ev~1_.mp413.76MB

4-2 15.17如何策划一场活动_ev~1_.mp418.22MB

4-3 15.18案例11：设计内容运营方案_ev~1_.mp410.91MB

4-4 15.19本章小结_ev~1_.mp47.01MB

第14周促进用户活跃度、提升用户留存446MB

1-1 如何提升产品活跃度？_ev~1_.mp418.95MB

1-2 用户活跃度模型（RFE）_ev~1_.mp48.95MB

1-3 练习：使用Excel构建RFE模型_ev~1_.mp4165.33MB

2-1 什么是产品的 Aha Moment？_ev~1_.mp413.66MB

2-2 练习：使用Excel计算用户留存率_ev~1_.mp4141.81MB

2-3 练习：使用Excel计算用户生命周期_ev~1_.mp482.1MB

2-4 案例8补充：基于电商的用户留存与价值分析_ev~1_.mp410.62MB

2-5 本章小结_ev~1_.mp44.58MB

第15周使用AB实验迭代功能283.58MB

1-1 什么是AB测试_ev~1_.mp49.05MB

1-2 AB测试的基本流程_ev~1_.mp413.81MB

1-3 统计学基础：假设检验_ev~1_.mp412.84MB

1-4 练习：Python计算点击率CTR_ev~1_.mp457.74MB

1-5 练习：Python计算p值_ev~1_.mp471.92MB

1-6 案例13：利用AB测试优化产品设计_ev~1_.mp415.56MB

2-1 什么是异常监测_ev~1_.mp411.7MB

2-2 练习：Python孤立森林异常检测_ev~1_.mp488.49MB

2-3 本章小结_ev(2)~1_.mp42.47MB

第16周撰写数据报告、面试指导119.75MB

1-1 18.1如何撰写数据分析报告_ev~1_.mp429.23MB

1-2 18.2演讲技巧与PPT模板分享_ev~1_.mp421.63MB

2-1 18.3如何撰写简历_ev~1_.mp439.61MB

2-2 18.4面试经验分享_ev~1_.mp429.28MB

资料.zip980.45MB

网站声明：
1. 该网盘资源的安全性和完整性需要您自行判断，点击下载地址直接跳转到网盘官方页面。本站链接通过程序自动收集互联网公开分享链接，本站不储存、复制、传播任何网盘文件，也不提供下载服务。
2. 本站遵守相关法律法规，坚决杜绝一切违规不良信息，如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。
3. 本站高度重视知识产权保护和个人隐私保护，如有网盘链接侵犯您的合法权益，请立即向网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。

{{userData.name}}已认证

人人都能学的数据分析 – 带源码课件