WHERE FUTURE BEGINS
  • ṢELF ḌEEP ḶEARNING
  • LSE MBA Essentials - The London School of Economics
    • Leading with influence
    • Economics for managers
    • Competitive strategy
    • Corporate strategy
    • Financial accounting
    • Management accounting
    • Analysing financial statements
    • In the mind of the manager
    • Nudging behaviour
    • Organisational culture as a leadership tool
  • Business Foundations Specialization - Wharton Online
    • Introduction to Marketing
      • BRANDING: Marketing Strategy and Brand Positioning
      • Marketing 101: Building Strong Brands Part I
      • Marketing 101: Building Strong Brands Part II
      • Strategic Marketing
      • Segmentation and Targeting
      • Brand Positioning
      • Brand Mantra: The Elevator Speech
      • Experiential Branding
      • CUSTOMER CENTRICITY: The Limits of Product-Centric Thinking
      • Cracks in the Product-Centric Approach
      • Data-Driven Business Models
      • Three Cheers for Direct Marketing
      • Which Firms Are Customer Centric?
      • What is Customer Centricity?
      • Living in a Customer-Centric World
      • More Reflections on Customer CentricityPrev
      • Questions on Customer Centricity
      • GO TO MARKET STRATEGIES: Online-Offline Interaction
      • Online/Offline Competition
      • Friction
      • The Long Tail Theory
      • Preference Isolation
      • How Internet Retailing Startups Grow
      • Customers and Digital Marketing
      • Influence and How Information Spreads
      • Pricing Strategies
      • The 7M
      • BRANDING: Effective Brand Communications Strategies and Repositioning Strategies
      • Brand Messaging & Communication
      • Brand Elements: Choosing a Brand Name
      • Brand Elements: Color & Taglines
      • Brand Elements: Packaging
      • Brand Elements: Persuasion
      • Repositioning a Brand
    • Introduction to Financial Accounting
      • 1.1.1: Financial Reporting Overview
      • 1.1.2: Financial Reporting Example
    • Managing Social and Human Capital
      • Professor Cappelli and Professor Useem Introductions
    • Introduction to Corporate Finance
      • Time Value of Money
      • Intuition and Discounting
      • Compounding
      • Useful Shortcuts
      • Taxes
      • Inflation
      • APR and EAR
      • Term Structure
      • Discounted Cash Flow: Decision Making
      • Discounted Cash Flow Analysis
      • Forecast Drivers
      • Forecasting Free Cash Flow
      • Decision Criteria
      • Sensitivity Analysis
      • Return on Investment
    • Introduction to Operations Management
    • Wharton Business Foundations Capstone
  • Artificial Intelligence Career Program - deeplearning.ai
    • Machine Learning
      • Introduction to Machine Learning
      • Supervised Learning
      • Unsupervised Learning
      • Model Representation - Linear Regression
      • Cost Function
      • Gradient Descent
      • Gradient Descent For Linear Regression
      • Linear Algebra
    • Deep Learning
    • Neutral Networks and Deep Learning
      • Introduction to Deep Learning
      • What is a neural network?
      • Supervised Learning with Neural Networks
      • Why is Deep Learning taking off?
      • About this Course
      • Binary Classification
      • Logistic Regression
      • Gradient Descent
      • Derivatives
      • Computation graph
      • Derivatives with a Computation Graph
      • Logistic Regression Gradient Descent
      • Vectorization
      • Vectorizing Logistic Regression
      • Vectorizing Logistic Regression's Gradient Output
      • Broadcasting in Python
      • A note on python/numpy vectors
      • Explanation of logistic regression cost function (optional)
      • Neural Networks Overview
      • Neural Network Representation
      • Computing a Neural Network's Output
      • Vectorizing across multiple examples
      • Activation functions
      • Derivatives of activation functions
      • Gradient descent for Neural Networks
      • Backpropagation intuition (optional)
      • Random Initialization
      • Deep L-layer neural network
      • Forward Propagation in a Deep Network
      • Getting your matrix dimensions right
      • Why deep representations?
      • Building blocks of deep neural networks
      • Forward and Backward Propagation
      • Parameters vs Hyperparameters
      • What does this have to do with the brain?
    • Convolutional Neural Networks
      • Computer Vision
      • Edge Detection Example
      • Padding
      • Strided Convolutions
      • Convolutions Over Volume
      • One Layer of a Convolutional Network
      • Simple Convolutional Network Example
      • Pooling Layers
      • CNN Example - Fully Connected Layers
      • Why Convolutions?
    • Neural Network Theory [ETH]
    • Natural Language Processing
    • Computer Vision
  • IBM Data Science Professional Certificate
    • What is Data Science?
    • Open Source tools for Data Science
    • Data Science Methodology
    • Python for Data Science and AI
    • Databases and SQL for Data Science
    • Data Analysis with Python
    • Data Visualization with Python
    • Machine Learning with Python
    • Applied Data Science Capstone
  • Data Analytics
    • Python for Data Analysis
    • Data Structure and Algorithms
  • Programming Language
    • Python
    • R
    • SQL
    • C++
    • C
    • Java
    • HTML
  • 机器学习工程师
  • 商业数据分析
Powered by GitBook
On this page
  • 商业分析篇（第 1-7 周）
  • 数据工具篇（第 8-11 周）
  • 毕业项目（第 12 周）

Was this helpful?

商业数据分析

Previous机器学习工程师

Last updated 5 years ago

Was this helpful?

商业分析篇（第 1-7 周）

学习不同业务场景下的分析套路，系统掌握数据分析的理论知识。课程内容：数据处理简介应用统计学商业思维与业务指标财务预测建模方法A/B 测试等共 9 章。

先修知识

零基础即可学习，掌握基本英语和计算机基本操作，课程学习会更顺利。

  • 第 0 章：欢迎学习商业数据分析纳米学位！

    纳米学位简介了解课程架构，做好准备！认识来自硅谷的课程导师在线学习第一课搜索引擎与搜索技巧常用工具、在线资源与书籍

  • 第 1 章：数据处理简介

    数据处理商业数据分析流程介绍商业分析案例的三个应用场景Excel、SQL 中的数据

  • 实战项目 1：揭秘网红咖啡店的商业决策（可试听！）

    作为一家咖啡店的经营业主，你的目标是提高店里的总销售额（GMV）。你手头上有过去几个月的经营数据，你会如何通过数据对经营状况进行全面分析，并制定下一月的经营策略呢？ 完成该项目后，你将可以：拆解业务指标初探商业数据分析使用 Excel 和 SQL 进行简单数据处理

  • 实战项目 2：观察数据可视化面板完成分析报告

    数据分析工作的很大一部内容是能够向别人解释数据可视化，并阐述你的见解。在正式的学习内容开始之前，我们先提供给你一些优秀的 Tableau 数据可视化面板供你参考：世界各国 Linkedin 上最受欢迎的技能马德里的人口统计数据中国葡萄酒发展故事非洲疟疾十年来的死亡情况完成该项目后，你将可以：增强数据直觉，从数据可视化中发现见解认识什么是优秀的可视化报表，并完成数据分析报告了解优达学城项目审阅工作原理

  • 第 2 章：描述统计学

    认识数据数据与数据类型数值与分类定序与定类连续与离散集中趋势测量概括统计简介均值、中位数、众数表达式介绍离散程度测量什么是离散程度测量直方图五数概括法标准差与方差分布与异常值

  • 第 3 章：Excel 电子表格

    电子表格：操作入门电子表格的优点工作簿与工作表列与行标签菜单栏快捷键填充与复制数据区域寻址、相对与绝对寻址插入与删除文件类型电子表格：处理数据单元格公式与函数文本替换函数：SUBSTITUTE文本提取函数：FIND、LEFT、MID、RIGHT调整文本函数：UPPER、LOWER、PROPER数学函数：ADD、SUBTRACT、MULTIPLY、DIVIDE重复数据的处理拆分列数据数据排序与筛选电子表格：分析数据聚合函数：SUM、AVERAGE、MAX、MIN、MEDIAN逻辑函数：IF、AND、OR、NOT比较运算符条件聚合函数：COUNTIF、SUMIF数据透视表：Pivot Table命名区域 LOOKUP 函数：VLOOKUP、HLOOKUP、LOOKUP 电子表格：可视化数据使用电子表格绘制饼图、柱形图、散点图、折线图、直方图、箱线图图表布局工具选择图表类型专业展示

  • 实战项目 3：分析用户问卷调查数据

    调查问卷是进行用户研究的一个常用方式，对产品设计、用户精细化运营和用户关系的维系上都至关重要。 在这个项目中，你将获取优达学城学生参加的一些课程项目相关的定量调查问卷。这是一个真实的数据集，它并不完美，有些凌乱（有些信息不正确，有些信息缺失），你需要结合前面学到的电子表格的操作和描述统计学的知识，对这些用户的数据进行研究和探索，并将你的洞察与可行动建议通过可视化进行展示。 完成该项目后，你将可以：熟练用户调研与分析的常用技巧处理真实世界的数据：包含各种缺失值以及错误输入的数据提出问题并通过数据来回答使用 Excel 计算统计参量使用 Excel 绘制可视化图表

  • 第 4 章：商业思维与业务指标

    关键绩效指标（KPI）不同行业、不同岗位的关键绩效指标 如何选择关键绩效指标 利用关键绩效指标进行商业分析的流程 常用业务指标精讲营销漏斗指标：展现量、转化率、到达率、潜在客户开发、忠诚度、自发宣传 营销成本指标：平均点击成本、平均潜在用户获得成本、获取客户成本、每次获取成本营收指标：客户终身价值、购买周期、预期保留客户时间、平均销售收入、每个客户利润率销售指标：总订单量、平均交易规模、平均成交时间增长指标：每天、每周、 每月活跃用户、留存率、用户粘度、用户流失率财务指标：损益表、毛利润率、边际收益审视数据的方法分布分析、群组分析、漏斗分析

  • 案例演练：电商营销转化漏斗数据分析

    在本项目中，我们提供了一个线上百货商店（类似中国的“京东”）的营销转化数据。该商店将各个中小企业连接起来，通过本平台进行销售，并利用专属物流将产品直接运送给客户。请根据本节课程中所学的业务指标知识，对本数据进行分析。可以尝试从下面的一些问题入手：本电商平台的营销漏斗模型？不同获客渠道的表现如何？漏斗中的哪些环节可以优化？平均成交时间是多久？交易成功的卖家有什么特征？

  • 第 5 章：财务预测建模

    建模原理建模介绍自上而下的方法自下而上的方法模型的组成部分 - 输入与输出历史数据与假设情境或敏感度分析建模工具数据验证（Data Validation）INDEX 函数、MATCH 函数使用 INDEX 和 MATCH 函数筛选出满足多个条件的内容OFFSET 函数使用 OFFSET 和 MATCH 函数进行自下而上的财务预测

  • 案例演练: 自下而上的销售数据建模预测

    在本节课中，我们学习到了自下而上的预测方法，自下而上即微观预测的方法。我们需要先审视历史数据，来假设关键指标的未来趋势，同时结合我们对公司预测的不同情境（最佳情境、基础情境、弱势情境），从而预测出公司销售的收入。 请在根据所提供的信息，对公司进行自下而上的销售数据预测吧！

  • 案例演练：纽约证券交易所数据分析

    在本练习中，你将获得纽约证券交易所提供的真实数据，该数据中包含 448 家公司的基本业务数据以及所属的行业或部门信息。 请对这些公司的一项或多项业务指标与数据进行探索，并为业务指标建立视觉化图表。

  • 第 6 章：推论统计学

    推论统计学基础描述统计学与推论统计学概率基础知识二项分布二项分布简介二项式二项分布的公式排列正态分布一元二次方程最大值、极大值、最小值、极小值归一化正态分布公式中心极限定理概率密度函数Z 值与 Z 表格抽样分布样本均值样本总数样本均值的均值抽样分布的标准偏差抽样分布形状中心极限定理的应用参数估计总体均值与样本均值置信区间泛化点估计值泛化置信区间样本量对参数估计的影响假设检验α 水平Z 临界值临界区域与显著性零假设与对立假设单尾检验或双尾检验假设的拒绝或拒绝失败假设检验的结果T 检验Bootstrap 方法

  • 第 7 章：A/B 测试

    A/B 测试概述什么是 A/B 测试A/B 测试的原理与本质A/B 测试的应用方式适用 A/B 测试的场景不适用 A/B 测试的场景试验中的政策与伦理问题IRB 的四项原则A/B 测试案例设计 A/B 测试试验的思考框架设计试验开展试验试验所需要的样本数试验所需要的时间合理性检查统计显著性计算多个指标的联合分析与 Bonferroni 校正分析结果与得出结论实际应用中需要考虑的问题哪个环节进行优化如何选取指标常见使用误区之 1 2 3 4统计显著性 vs 实际显著性试验如何才算成功难点：对不确定的数据做出决策

  • 案例演练: 推荐产品策略的 A/B 测试设计与分析

    A/B 测试是产品分析中常用的方法。作为一个旅游公司的策略增长专员，你提出了一个改进推荐系统算法的想法，并推动工程部门完成了新的产品。在这个产品正式上线之前，你该如何判断两个算法的优劣，并决定最终的使用呢？请根据前面所学习的 A/B 测试与推论统计学的知识提供一个试验设计方案。

  • 第 8 章：市场营销分析

    市场营销基础什么是市场营销分析市场营销分析工具的生态体系收集数据与数据整合分析流程常用分析指标业务目标与框架市场营销分析方法海盗指标 AARRR：Acqusition，Activation, Retention, Revenue, Refer营销漏斗模型商业故事与营销分析简报的书写分析常用工具：用户分析、内容分析宏观市场分析市场大小与市场份额渗透率品牌资产市场趋势竞品分析渠道分析净推荐值（Net Promoter Score）客户满意度销售回报率价格溢价基线与增量提升

  • 案例演练: 制作市场分析简报

    作为一名营销团队的新任市场分析师，你接到的第一个工作是为公司的市场营销活动制作市场分析的简报。本项目中提供了以下几个数据，你也可以选择未列出的公司或者你自己所在的公司活动完成本练习：特斯拉纽约分公司Dropbox 公司的市场活动Nike Hyperadapt（自动鞋）的市场推广优达学城商学院 在这个简报中，你需要列举出你想要采集的数据、为潜在的业务目标提供建议、定义 2-3 个营销漏斗的路径。本练习没有正确答案，我们将会提供一个练习的模板，你可以根据你的业务背景从战略的角度上思考如何进行数据探索。

  • 案例演练: 购物狂欢节的表现分析

    你将对某知名电商在购物狂欢节（如“双十一”）的市场活动的表现进行分析。该公司的业务目标是：今年较去年增加 30% 的总销量今年较去年减少 30% 的总花费 在本案例演练中，你可以从用户、市场、销售、商品等角度任选其一进行分析。例如： 用户哪一个年龄层的用户带来了最多的销售额？哪一个城市的用户带来了最高/最低的销售额？18-25 岁的用户最喜欢/最不喜欢那个商品品类？男性/女性哪个群体花费最高？市场去年和今年，分布哪个渠道带来了最高的销售额？我们的电子邮件订阅数量在两年是否有差异？有无订阅该电商的电子邮件是否对销售额有显著影响？各渠道的销售额是多少？我们是否达到每行动成本(CPA)的目标？付费渠道的 ROI 是多少？销售在 B 端用户中，我们在去年与今年的平均订单数量是多少？哪一个 B 端用户为我们带来最高的销售额？商品哪个产品的品类销量最高？每一个产品的每行动成本(CPA)分别是什么？哪个产品品类在今年和去年最受欢迎？

  • 第 9 章：用数据分析解决商业建模预测问题

    分析问题解决框架问题解决框架：CRISP-DM 业务理解 数据理解 数据准备 分析与建模 模型评估 模型发布与可视化 选择分析方法非预测性商业问题预测性商业问题数据不足与数据丰富数值型和非数值型结果模型选择评估线性回归线性回归简介简单线性回归多元线性回归分类变量与虚拟变量解释线性回归结果评估方程

  • 实战项目：通过预测收益增长进行商业决策

    你最近加入了一家制造和出售高端家居商品的公司。去年，公司向客户寄送了第一批产品目录册（catalog），今年准备在接下来的几个月内再向外寄送一批产品目录册。公司今年的邮寄名单中新增了 250 名客户，他们希望向这 250 个客户寄送产品目录册。 作为业务分析师，你的经理请你计算下通过向这些客户寄送产品目录册公司预期盈利多少。如果这些新客户带来的预期利润超过一万美元，那么管理层就会决定向他们寄送产品目录册。 请使用本节课学到的线性回归模型进行建模和预测，并完成一个简短的建议报告，向经理阐明为什么公司为什么要采纳这个建议。 完成该项目后，你将可以：掌握广泛应用的商业分析思维框架针对不同的商业问题选择不同的分析方法使用 Excel 搭建简单的机器学习模型进行预测

数据工具篇（第 8-11 周）

通过案例中实操练习，熟练掌握商业数据分析常用工具。课程内容：用 SQL 进行数据提取用 Tableau 进行数据可视化共 2 章。

  • 第 10 章：用 SQL 进行数据提取

  • 案例演练：Parch & Posey 数据提取

    Parch & Posey 是一家销售纸张的公司，他们销售的纸张有是三种：普通纸、海报纸和高光铜版纸。该公司有 50 位销售代理，遍布美国的四大地区，这些客户主要由 Google、Facebook、Twitter 的广告招徕而来。 我们将利用该公司的数据库中的五个数据表格 - orders, accounts, sales_rep, region, web_events 进行 SQL 提取数据的练习。

  • 第 11 章：用 Tableau 进行数据可视化

    数据可视化简介为什么使用数据可视化数据类型视觉编码视觉编码的顺序数据探索与解释数据可视化常用工具可视化的设计设计原则常见图表类型可视化分布如何选择合适的图表如何选择颜色冗余编码于数据墨水比少即是多诚信原则一般设计技巧Tableau 使用Tableau 工具简介安装 Tableau连接数据合并数据工作表界面汇总和粒度SHOW ME 功能层级标记选项组图（Small multiples）双轴过滤器散点图组合集合计算字段通过 Tableau 讲故事用数据表达观点探索数据构建显示面板面板的交互性Tableau 故事的使用

  • 案例演练：领英 Linkedin 热门需求技能的可视化

    无论是一个 HR/行政工作者，或者是在就业市场上寻觅新机会的职场人，都需要把握行业与市场趋势，了解 job market 上的最热技能。我们将提供给你 Linkedin 领英平台上爬取的岗位描述中所需要的技能信息，你可以在对此数据进行分析的过程中，逐渐掌握 tableau 的使用，并解锁从 0 到 1 搭建互动式可视化图表的硬核技能！

毕业项目（第 12 周）

恭喜你来到毕业项目！你需要将工具与分析场景结合起来，自选题目，完成一份数据分析报告或者数据可视化面板。实战项目（二选一）：【SQL + 商业分析】百货公司的数据提取与商业分析【Tableau + 商业分析】用 Tableau 讲述电影公司的故事

  • 实战项目 Option 1：百货公司的数据提取与分析

    在这个项目中，你将作为一名商业分析师对一家食品零售商的数据进行分析。你需要选择业务中的一个具体领域，比如顾客、供应商、产品、雇员，提供一个与该领域相关信息的演示文稿。 完成该项目后，你将可以：查询关系型数据库，提取所需业务信息熟练使用 SQL，编写 SQL 查询语句，包括连接、聚合、子查询通过数据可视化展示你的分析结论

  • 实战项目 Option 2：用数据讲电影公司的故事

    在这个项目中，你将使用 Tableau 搭建可交互的可视化报表来通过数据讲故事。你将使用一份 1960~2015 的电影数据来可视化呈现不同电影公司、不同电影风格、不同导演等因素与电影票房之间的关系。这些不同的可视化图表将可以帮助电影公司为其以后做出正确的商业战略。 完成该项目后，你将可以：根据业务需求和现有数据，选择合适的可视化图表类型和设计通过 Tableau 数据可视化面板展示你的分析能够有逻辑地向他人传播你数据中的发现

基础 SQLSQL 简介 实体关系表 ERD 基础知识 SQL 内容的映射 数据库如何存储数据 数据库类型 可试听！语句类型 SQL 语句格式的最佳表达 SELECT 和 FROM LIMITORDER BYWHERE算数运算符与逻辑运算符LIKEINNOTAND 和 BETWEENORSQL 连接JOIN 简介JOIN 背景：为什么要将数据拆分为不同的表格你的第一个 JOIN主键与外键主外键关系别名LEFT JOINRIGHT JOINJOIN 和过滤SQL 聚合聚合简介NULL 和聚合COUNTSUMMIN 与 MAXAVGGROUP BYDISTINCTHAVINGDATE 函数CASE 语句与聚合SQL 子查询与临时表格子查询简介子查询格式子查询使用注意事项WITH 与子查询SQL 数据清理SQL 数据清理简介LEFT 与 RIGHTPOSITION、STRPOS 和 SUBSTRCONCATCASTCOALESE

可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！
可试听！