企业运营下的数据分析与数据挖掘实战训练营其它上课时间：

企事业单位高管及决策者，运营，市场，销售负责人及对大数据技术有浓厚兴趣的人士

时间地点：6月24-25日深圳（基础班） 8月12-13日深圳（高级班）    
培训对象：企事业单位高管及决策者，运营，市场，销售负责人及对大数据技术有浓厚兴趣的人士
学习费用：本课程为四天，可参加两天，也可参加四天4200元/两天， 8000元/四天（含资料费、午餐、茶点、发票）


特别声明
本课程有若干演练环节，为了保证培训效果，请携带笔记本电脑，参加课程均赠送Yonghong 大数据分析工具试用版，以便教学演练。


学习完后可以赠送给学员：


1.可以获得数据分析师认证（2天为中级，4天为高级）
2.获得全球领先的大数据可视化分析软件一套（赠送软件免费使用3个月）
3.可以得到后续数据专家的免费辅导（线上线下交流与辅导）
4.学员后续免费参加数据科学家论坛交流
5.高级班学员可以终身复训




课程背景:
“大数据”时代已经来临，然而，面对着空前海量膨胀的数据，很多的企业和机构单位相关人员，还在使用原始低效的统计和分析方法，投入很大，期望很高但大数据的价值产出和预期并不匹配，根本无法高效处理数据和挖掘有用信息指标，不仅浪费大量的时间，老板还经常不满意。
大数据时代，数据将是未来竞争的基础，将是重要的资源，要求各部门对客户响应、营销过程、行业竞争等做深入分析，通过挖掘这些信息，企业可以预测市场需求，进行智能化决策分析，从而制定更加行之有效的战略，本课程我们将一起探讨如何将大数据分析的技能应用于企业和机构单位日常的工作当中。通过本次学习您将了解和掌握企业最新数据分析技术，对数据治理，数据报告制作，数据分析技巧得到全面的了解。能够开始从事商业智能项目管理与开发，最终完成报表和仪表盘的个性化设计和展现。通过实践操作，学员将加深对本课主题的理解。


课程收益:
  1.了解大数据的概念，大数据包含哪些主流技术框架
  2.了解商业智能概念和行业发展现状与未来趋势。
  3.学习使用数据分析平台进行数据准备与建模。
  4.学习使用数据分析平台进行分析报告制作与探索性分析。
  5.大数据如何跟日常的工作相结合，制作出高价值美观的数据分析报告和图表
  6.学习数据分析，数据治理，数据深度挖掘的方法
  7.数据分析的工具介绍与运用
  8.运用大数数据技术驱动企业运营的案例和项目详解分
  9.跨数据源整合数据、求复杂指标均可通过配置快速实现
 10.任意分析需求均可在一天内实现
11. 掌握数据分析报告的写作技巧及要点，全面正确地呈现分析结果。
12. 没有技术背景的运营人员和业务人员可进行自服务分析


基础班：6月24-25日深圳


课程大纲:


培训日 课时 课程内容
第一天上午 课时1 一、 大数据时代商业智能概述
本节介绍：了解大数据，分析传统数据与现代数据之间的差异
讨论：老师给出一个图表，让每个学员用自己的方法来制作，然后进行讨论与分析！
1.什么是大数据
2.大数据三维理解
理论+技术+实战
3.大数据的应用现状（传统数据分析与商业智能，和大数据时代新方法与技术区别）
4. 大数据时代企业运营数据过程中的痛点
5. 大数据4V特征
  大规模，多样性，高速度，价值性
6.   大数据的核心价值
7.   大数据在各行各业的解决方案
     制造业，金融业，零售业，电信业
9．  大数据的实现技术
9. 企业的应该如何让数据真正促进业务
案例讲解：一个银行行长的烦恼，您来亲身体验一下数据分析的过程
美的集团的案例分享
第一天下午 课时2 二、如何构建企业一站式数据分析平台
本节介绍如何在企业内部实施大数据，利用大数据驱动企业的运营
1.数据分析平台安装及配置
2.数据体系构建的方法论
3.数据报告制作原则
4.大数据分析平台讲解:
5大数据平台用户体验：
a)简单交付，极致运用：安装程序可在几分钟内安装完成；打破传统软件建二次表、Cube、复杂模型的漫长流程，直接基于细节数据，通过人性化拖拽快速生成分析报表
b)轻松上手的深度分析：无需技术背景，业务人员可自服务完成深度分析需求。通过聚类、分类、回归、时序等算M法进行数据预测和数据关联性洞察，实现对数据含义和价值的深度挖掘
案例分享：某电商企业面临的数据分析问题
学员实践练习：安装，配置数据分析平台，并制作一张简单报表（一分钟建模，三分钟制作一份报表，一分钟分析DOMO）


第二天上午
课时3 三、基于大数据关键指标的多维度，探索式分析方法
本节指标分析是一种快速的企业绩效分析手段，是衡量企业健康状况的健康指标， 本节介绍如何通过指标构建数据分析模型。
1. 案例思考：从一张报表说起，证券公司的烦恼
2. ．基本数据分析方法
对比分析、分组分析、结构分析、平均分析、交叉分析
3. 数据治理的方法论
4. 把KPI指标和管理理念相结合，搭建探索式分析模型分析营销状况
5. 案例解析：
a)自服务数据准备
b)数据运营最佳实战
c)探索式分析实践(学习制作探索式分析高级图表)
演练操作：制作报表进行交互式分析
         制作一个专业的数据分析报告




第二天下午 课时4 四、数据挖掘与分析报告的撰写
本章节主要掌握数据挖掘方法与预测模型
1.什么是数据挖掘
2.为什么要数据挖掘（数据挖掘的发展历程）
3.数据挖掘之前要做哪些事
4.数据挖掘的几种方法
A)一元线性回归
B)LDA线性分类
C)K-means 聚类
D)时序分析
E) 聚类分析
5. 图表呈现
A)图表的类型和作用
B)常用图型（柱状型，条形图，折线图，饼图，雷达型）
c)复杂图型（平均线图，双坐标图，瀑布图，漏斗图）
E)图表美化
F)表格呈现
6.分析报告的撰写
A)分析报告的种类与作用
B)报告的结构与命名
c)前言
E)正文
F)结构与建议
学员实战练习：如何制作一个专业的数据分析报告


五、数据分析师在线考试












高级班：8月12-13日深圳（须有大数据的基础）


课程大纲:


培训日 课时 课程内容
第一天上午 课时1 一,数据化管理重要性
1，什么是数据化管理
2，数据化管理的四个层次
战略规划管理
经营策略管理
运营分析管理
业务指导管理
3，数据化管理的意义有哪些
模版举例：店面管理的工具-追踪预测表
课时2 二，大数据给企业带来的革命性影响
1.数据化运营的必要性
a) 企业积累了海量数据，而信息分析能力严重不足
b) 仅凭信息技术系统不能构成差异化竞争优势
c) 以数据为基础的分析能力能帮助企业建立核心竞争力
2.海量的数据规模
3.快速动态的数据流转
4.多样的数据类型
5.企业行业的数据特点
6.大数据平台与传统数据系统的分工与定位
关于海外的案例分享：美国投资公司用大数据平台
学员练习
第一天下午 课时3 三,大数据运营中心的解决方案
1. 业务架构
从业务层来看，企业大数据中心分为三层，包括支持结构化和非结构化数据的存储层，对数据进行建模和挖掘计算，以及最终呈现出结果的可视化应用层。
2.  技术架构
从数据源到最终展现分成如下几层：
ETL层：采用PC server作为ETL前置机，将数据清洗，转换，装载。
应用层：利用敏捷BI提供自服务分析工具，对离线和在线分析平台中的数据进行自服务可视化展现。
3. 系统组件详述：
a) ETL：Kettle + Sqoop
b) 离线分析平台：Hadoop分布式数据仓库


c) HDFS分布式文件系统
d)  HBase数据库
e)  统一资源管理与调度框架
f)  分布式批处理引擎 – MapReduce
g)