任何一门技术或学科都有其内部规律，需要有计划，有先后，循序渐进来学。
数据分析
也是如此，
2017年，数据分析的学习，
你需要有规划地进行。
任何数据分析师从事业务方向的工作都必须会统计学，因为
统计学是一门发现规律的学科，
统计学的学习最好辅助
R
、SPSS来学，做到数据分析基本功扎实，并且兼顾实战性。
同时你需要
掌握一些
基于
行业业务的分析方法，如对比测试
(A/B testing)
、
特设分析
(Ad Hoc Analysis)
、
精益化管理等。
将
数据分析真正和业务结合，驱动商业
运营
。
任何数据分析师从事技术方向的工作都必会
SQL，不单是数据分析师，每一个运营、产品经理、尤其是互联网行业，一定要会SQL，基本知名互联网公司的产品经理都能写SQL。
学习中，要掌握
SQL的基础语法、中级语法和常用函数，结合关系数据库系统（Mysql、Oracle、SQL Server、DB2等）来学习SQL语句，找好方法。
巧妇难为无米之炊
，
正如
厨师
做菜
需要锅碗瓢盆，数据分析师比如要掌握
一到
两门分析工具。
R语言就是为了统计而存在的语言，我们要掌握R语言的基础语法、数据管理、数据挖掘建模与评估等。作为
入门，我推荐
R语言
。
Python主要掌握基础语法，pandas操作、numpy操作、sklearn建模，学会用python编写网络爬虫爬取数据，等等。
以上是我们第三阶段要学的技能。
俗话说
，一图胜前沿，
可视化说白了，就是画图，但做为数据分析师来说，我们不能用EXCEL 来实现可视化，因为它的局限性太大了。
R中可视化工具有plot基础库、ggplot2、R
echart
；
Python中可视化的工具有matplotlib,seaborn,ploltly;
随心所欲，用
R或
者
Python，你就知道做数据分析工作是多么爽一个事。
比如为了
展示
某个化妆产品的
销售占比
情况，
我们使用
R语言
制作了饼图展示：
再如
为了分析
中国
各市
PM2.5的
情况，我们使用
e
cha
rtR
制作了
一个动态地图。
在这里
，你需要掌握
分类
变量与连续变量分析的
方法
，
如
线性回归、逻辑回归、
方差
分析、
时间序列等
方法。同时
为了进一步
扩展
你的
能力，你可能需要掌握一些
描述性
及预测性数据挖掘方法，如分类、聚类、
决策树
、
KNN、随机森林
、神经网络
、
组合算法等。
CDA数据分析师讲师团队致力于开发
最领先的数据分析
专业
和
行业
应用
教育
，针对
R语言
系列，开设了
CDA LEVEL I
R 数据分析和
LEVEL II
R数据挖掘两
个专题的课程，
并
通过实际的金融、电信、市场调研、客户关系等案例演练，让学员真正体验数据分析与
R语言的魅力。新手完全能够通过本课程学习，成长为优秀的R语言数据分析行家。
R语言最近
开课：
(
CDA LEVEL I
R 数据分析
)
北京&远程：
2017
年2月2
5
~
3
月19日（周末8天）
授课安排：
现场班
6900元
，远程班
4900元
(1) 授课方式：
面授直播
两种形式
，
中文多媒体互动式授课方式
(2) 授课时间：上午9:00-12:00，下午13:30-16:30，16:30-17:00(答疑)
(
3
)
学习期限：现场与视频结合，长期学习加练习答疑。
1. 在线填写报名信息
官网端：
微信端：
2. 给予反馈，确认报名信息
3. 网上缴费
4. 开课前一周发送电子版课件和教室路线图
第一阶段：数据分析概念与
R编程
1.商业数据分析的本质
2.R介绍、R与RStudio安装
3.R语言编程与数据整合
4.R基本数据类型
5.R基本数据结构
6.R程序控制
7.函数与包
8.数据合并与规整
第二阶段：数理统计与
SQL数据库
1.R语言编程与数据整合
2.SQL及关系型数据库基本概念
3.SQL语言与R SQL实现
4.描述性统计分析和特征选取
5.描述统计与探索数据分析
6.APPLY函数族
7.R基础绘图包
a.案例：畅销品分析
b.案例：产品销售情况指标分析
第三阶段：数理统计与数据可视化
1.描述性统计分析和特征选取
2.GGplot2绘图介绍
3.使用SQL进行数据汇总
4.统计推断基础
5.假设检验与单样本T检验
6.两样本T检验
7.方差分析
a.案例：产品销售情况指标展现
b.案例：房价影响因素分析
第四阶段：统计推断与精益管理
1.统计推断基础
2.相关分析、卡方检验
3.简单线性回归
4.精益化管理
5.Dashboard 设计与应用
6.特设分析(Ad Hoc Analysis)
7.对比测试(A/B testing)
a.案例：基于宏观经济指标的产品产量预测模型
b.案例：注册方式对客户转化率的影响
第五阶段：市场分析方法与模式识别模型
1.市场调研与数据采集方法
2.连续变量间关系探索与压缩
3.聚类分析(客户分群)
4.对应分析与多维尺度
a.案例：信贷综合打分
b.案例：各地经济发展数据分析
第六阶段：客户分析方法与分类模型
1.线性回归介绍
2.线性回归诊断
3.分类变量分析
a.案例：信用卡客户价值预测
b.案例：电信客户流失预测
第七阶段：时间序列与综合案例
1.时间序列的定义
2.指数平滑法
3.时间序列模型ARIMA方法
4.信用卡产能预测案例
5.营销效果评估
6.某品牌香烟市场调研案例
7.业务数据分析师课程总结
a.案例：人口数据预测
b.案例：航空公司客运量预测
如果
你有
R语言
统计分析和业务分析的基础，对
R数据挖掘
和模型的
知识
有兴趣，也欢迎报名参加
R数据挖掘
的课程：
http://www.cda.cn/kecheng/31.html
1
级
2级
连报更有
8折
优惠
！
电话：
010-68411404
手机：
18010006628（陈老师）
QQ：
2881989709
13001066694（张老师）
QQ：
2881989710
邮箱：
[email protected]
[email protected]
—— Join Learn!
