本课程全面覆盖数据分析四大核心工具：Excel、SQL、Python和Tableau，适合零基础学员快速上手。课程内容从基础概念讲解到实战项目操作，包含丰富的视频教程和源码示例，帮助学员掌握数据处理、分析和可视化的全流程。通过学习，您将能够独立完成从数据清洗到报告撰写的完整数据分析项目，提升职场竞争力。无论您是数据分析新手还是希望提升技能的职场人士，本课程都将为您提供系统、实用的学习资源。
以下云资源目录树快照生成于[12个月前]，该学习资料由夸克云用户[心旷*怡的青蛙]分享（只展示大部分文件和目录）
数据分析实战：Excel、SQL、Python、Tableau全工具精通（含源码）9.43GB(mp4视频207节；zip压缩包1个；)
资料.zip979.78MB第16周 撰写数据报告、面试指导
2-2 18.4面试经验分享_ev~1_.mp429.28MB2-1 18.3如何撰写简历_ev~1_.mp439.61MB1-2 18.2演讲技巧与PPT模板分享_ev~1_.mp421.63MB1-1 18.1如何撰写数据分析报告_ev~1_.mp429.23MB第15周 使用AB实验迭代功能
2-3 本章小结_ev(2)~1_.mp42.47MB2-2 练习：Python孤立森林异常检测_ev~1_.mp488.49MB2-1 什么是异常监测_ev~1_.mp411.7MB1-6 案例13：利用AB测试优化产品设计_ev~1_.mp415.56MB1-5 练习：Python计算p值_ev~1_.mp471.92MB1-4 练习：Python计算点击率CTR_ev~1_.mp457.74MB1-3 统计学基础：假设检验_ev~1_.mp412.84MB1-2 AB测试的基本流程_ev~1_.mp413.81MB1-1 什么是AB测试_ev~1_.mp49.05MB第14周 促进用户活跃度、提升用户留存
2-5 本章小结_ev~1_.mp44.58MB2-4 案例8补充：基于电商的用户留存与价值分析_ev~1_.mp410.62MB2-3 练习：使用Excel计算用户生命周期_ev~1_.mp482.1MB2-2 练习：使用Excel计算用户留存率_ev~1_.mp4141.81MB2-1 什么是产品的 Aha Moment？_ev~1_.mp413.66MB1-3 练习：使用Excel构建RFE模型_ev~1_.mp4165.33MB1-2 用户活跃度模型（RFE）_ev~1_.mp48.95MB1-1 如何提升产品活跃度？_ev~1_.mp418.95MB第13周 预售销售额、调整运营策略
第13周 预售销售额、调整运营策略
第13周 预售销售额、调整运营策略
4-4 15.19本章小结_ev~1_.mp47.01MB4-3 15.18案例11：设计内容运营方案_ev~1_.mp410.91MB4-2 15.17如何策划一场活动_ev~1_.mp418.22MB4-1 15.16什么是运营策略：摩拜红包车_ev~1_.mp413.76MB3-7 案例10：选择最优商品进行推广_ev~1_.mp48.83MB3-6 Excel层次分析法：总排序权重计算与决策_ev~1_.mp425.26MB3-5 Excel层次分析法：构造方案判断矩阵_ev~1_.mp442.09MB3-4 Excel层次分析法：构造成对比较矩阵_ev~1_.mp443.81MB3-3 Excel层次分析法：构建层次结构_ev~1_.mp49.38MB3-2 什么是层次分析法AHP？_ev~1_.mp410.16MB3-1 什么是商品分析？_ev~1_.mp419.15MB2-6 案例9：预测2020天猫双11销售额_ev~1_.mp411.03MB2-5 Python回归分析：绘图、预测_ev~1_.mp460.57MB2-4 Python回归分析：多项式回归模型_ev~1_.mp419.62MB2-3 Python回归分析：数据预处理_ev~1_.mp433.55MB2-2 练习：使用Excel预测销售额_ev~1_.mp484.32MB2-1 测模型的定义与分类_ev~1_.mp410.39MB1-2 如何拆解GMV：流量、转化、客单价？_ev~1_.mp416.47MB1-1 为什么要预测销售额？_ev~1_.mp421.29MB第12周 分析消费行为
3-3 案例8：基于电商的用户消费行为分析_ev~1_.mp420.04MB3-2 使用SQL用户平均购买周期_ev~1_.mp455.96MB3-1 使用SQL计算头部用户贡献额_ev~1_.mp481.57MB2-9 使用SQL计算回购率_ev~1_.mp475.86MB2-8 使用SQL计算复购率_ev~1_.mp471.32MB2-7 商品分析：销售情况、价格分布_ev~1_.mp459.76MB2-6 个体分析：消费频次、商品数_ev~1_.mp441.37MB2-5 个体分析：消费金额_ev~1_.mp438.16MB2-4 趋势分析：消费时间段偏好_ev~1_.mp474.94MB2-3 趋势分析：销售额 vs 产品数_ev~1_.mp453.74MB2-2 趋势分析：金额、频次、人数、产品数_ev~1_.mp441.77MB2-1 案例说明：某电商交易数据_ev~1_.mp459.83MB1-2 消费行为模式的变迁_ev~1_.mp430.45MB1-1 什么是消费行为_ev~1_.mp417.12MB第11周 用户引流与转化
2-9 本章小结_ev~1_.mp45.75MB2-8 案例5：基于RFM的用户精细化管理_ev~1_.mp432.56MB2-7 模型展示与可视化_ev~1_.mp452.7MB2-6 RFM评分卡优化：使用K-Means进行数据分组_ev~1_.mp489.22MB2-5 给用户贴标签_ev~1_.mp466.74MB2-4 计算R、F、M得分_ev~1_.mp449.37MB2-3 设置R、F、M评分标准_ev~1_.mp438.03MB2-2 利用Excel计算R、F、M分值_ev~1_.mp447.05MB2-1 什么是RFM模型_ev~1_.mp48.28MB1-7 练习：使用SQL提取商品数据_ev~1_.mp444.4MB1-6 数据标签系统：构建商品画像_ev~1_.mp480.96MB1-5 练习：使用SQL提取用户数据_ev~1_.mp444.02MB1-4 数据标签系统：构建用户画像_ev~1_.mp459.91MB1-3 数据标签系统：数据采集、埋点_ev~1_.mp442.18MB1-2 数据标签系统：背景介绍_ev~1_.mp466.17MB1-1 什么是用户画像_ev~1_.mp417.16MB第10周 构建用户画像
3-5 本章小结_ev~1_.mp46.15MB3-4 案例7：利用Excel绘制转化漏斗图_ev~1_.mp459.14MB3-3 用户下单流程分析_ev~1_.mp433.99MB3-2 漏斗分析有哪些应用场景_ev~1_.mp415.61MB3-1 什么是漏斗分析模型_ev~1_.mp423.03MB2-11 案例6：基于Kmeans的广告效果聚类分析_001_ev~1_.mp425.06MB2-10 数值特征对比：雷达图_ev~1_.mp4121.63MB2-9 聚类结果分析：特征均值、众数_ev~1_.mp496.73MB2-8 聚类结果分析：样本量与占比_ev~1_.mp482.08MB2-7 练习：最佳KMeans聚类模型_ev~1_.mp4111.18MB2-6 KMeans建模：利用轮廓系数确定K_ev~1_.mp414.9MB2-5 字符串分类：OneHot编码_ev~1_.mp440.25MB2-4 数据标准化：Min-Max_ev~1_.mp448.66MB2-3 计算相关性指标_ev~1_.mp442.49MB2-2 利用Python预处理数据_ev~1_.mp455.89MB2-1 案例：背景与目标_ev~1_.mp47.81MB1-3 大流量分析模型：波动、特征、预测_ev~1_.mp48.44MB1-2 拓展：流量数据指标_ev~1_.mp435.43MB1-1 什么是流量_ev~1_.mp412.73MB第9周 解析数据指标体系
2-8 本章小结_ev~1_.mp43.63MB2-7 案例4：搭建商业化指标体系_ev~1_.mp450.45MB2-6 传播指标：K因子_ev~1_.mp439.98MB2-5 转化（变现）指标_ev~1_.mp445.44MB2-4 留存指标_ev~1_.mp4120.2MB2-3 活跃指标_ev~1_.mp429.72MB2-2 拉新（获客）指标_ev~1_.mp453.67MB2-1 互联网业务分析指标一览_ev~1_.mp438.31MB1-3 SWOT、PEST、波特五力_ev~1_.mp431.96MB1-2 5W2H、逻辑树、AB测试_ev~1_.mp415.77MB1-1 用户生命周期、AARRR、RFM_ev~1_.mp424.78MB第8周 初始互联网商业模式
2-3 本章小结_ev~1_.mp44.52MB2-2 数据职能岗发展通道_ev~1_.mp421.15MB2-1 互联网岗位解析_ev~1_.mp442.04MB1-9 案例3：直播电商行业分析报告_ev~1_.mp461.24MB1-8 趋势预测：PEST分析法_ev~1_.mp413.15MB1-7 价值链：直播生态产业图谱_ev~1_.mp465.39MB1-6 竞争分析：波特五力模型_ev~1_.mp419.43MB1-5 市场规模：直播电商成交额_ev~1_.mp4115.99MB1-4 市场规模：直播电商发展时间线_ev~1_.mp4128.59MB1-3 如何做行业分析_ev~1_.mp418.4MB1-2 互联网行业简介_ev~1_.mp433.86MB1-1 阶段引导：从数据分析工具，到商业分析思维_ev~1_.mp412.2MB第7周 更高效的数据处理与可视化绘图
5-9 本章小结_ev~1_.mp44.45MB5-8 案例2：豆瓣电影数据分析报告_ev~1_.mp433.33MB5-7 词云图：电影类型频数统计_ev~1_.mp485.73MB5-6 箱线图：每年电影评分变化_ev~1_.mp446.26MB5-5 热力图：电影类型、评分、数量_ev~1_.mp4117.44MB5-4 散点图：评分分值与人数_ev~1_.mp441.47MB5-3 饼图：电影语种统计_ev~1_.mp451.33MB5-2 折线图：各国电影年产量_ev~1_.mp477.17MB5-1 直方图：电影年产量_ev~1_.mp449.94MB4-3 调整视觉元素_ev~1_.mp439.69MB4-2 什么是画布_ev~1_.mp48.77MB4-1 Matplotlib入门_ev~1_.mp457.53MB3-5 本章小结_ev~1_.mp43.32MB3-4 练习：TOP电影排行榜_ev~1_.mp438.73MB3-3 练习2：各国评分数据_ev~1_.mp455.55MB3-2 练习3：电影语言频数统计_ev~1_.mp445.26MB3-1 练习1：各国每年电影产量_ev~1_.mp4145.6MB2-6 排序与筛选_ev~1_.mp431.07MB2-5 数据运算：评分统计_ev~1_.mp439.58MB2-4 数据运：算多类型统计_ev~1_.mp457.51MB2-3 数据运算：按年统计、时间聚合_ev~1_.mp437.2MB2-2 清理数据重复值、缺失值、拆分_ev~1_.mp4116MB2-1 读取数据_ev~1_.mp421.07MB1-3 案例介绍：电影数据分析_ev~1_.mp425.48MB1-2 什么是DataFrame_ev~1_.mp464.92MB1-1 Pandas库入门_ev~1_.mp463.02MB第6周 Python实现网络爬虫
3-4 本章小结_ev~1_.mp45.49MB3-3 练习：爬取全部电影数据_ev~1_.mp4122.28MB3-2 练习：爬取全部电影数据_ev~1_.mp476.82MB3-1 通过API接口获取数据_ev~1_.mp4104.12MB2-4 数据存储与代码优化_ev~1_.mp4144.94MB2-3 整合爬虫功能函数_ev~1_.mp4111.55MB2-2 连续获取多个页面信息_ev~1_.mp4119.69MB2-1 获取目标信息_ev~1_.mp4108.95MB1-4 BeautifulSoup库入门_ev~1_.mp486.06MB1-3 认识HTML网页结构_ev~1_.mp4137.44MB1-2 Requests库入门_ev~1_.mp4131.41MB1-1 什么是爬虫_ev~1_.mp413.29MB第5周 Python基础语法
2-8 本章小结_ev(2)~1_.mp44.29MB2-7 练习：计算销售额_ev~1_.mp436.65MB2-6 编写一个函数_ev~1_.mp449.9MB2-5 循环中止：break,continue_ev~1_.mp434.09MB2-4 循环语句：for、while_ev~1_.mp434.7MB2-3 条件判断语句：if、else、elif_ev~1_.mp426.3MB2-2 数据容器_ev~1_.mp462.65MB2-1 数据类型_ev~1_.mp425.92MB1-5 运算符_ev~1_.mp418.33MB1-4 开发环境_ev~1_.mp422.98MB1-3 运行环境_ev~1_.mp422.08MB1-2 什么是Python_ev~1_.mp45.22MB1-1 学习编程的几个建议_ev~1_.mp412.17MB第4周 数据可视化利器 Tableau
1-9 本周小结_ev~1_.mp43.81MB1-8 可视化练习：美妆产品销售分析_ev~1_.mp467.32MB1-7 保存与发布_ev~1_.mp49.14MB1-6 创建故事_ev~1_.mp49.74MB1-5 创建仪表板_ev~1_.mp416.59MB1-4 构建图表_ev~1_.mp466.95MB1-3 准备数据_ev~1_.mp433.11MB1-2 安装Tableau_ev~1_.mp431.34MB1-1 什么是Tableau_ev~1_.mp418.27MB第3周 从0开始学SQL
2-5 本章小结_ev~1_.mp43.62MB2-4 导出数据_ev~1_.mp413.9MB2-3 联表查询_ev~1_.mp428.7MB2-2 对数据进行分类汇总_ev~1_.mp419.1MB1-6 数据排序与筛选_ev~1_.mp443.64MB1-5 基础语法_ev~1_.mp431.7MB1-4 安装Navicat_ev~1_.mp437.05MB1-3 MySQL安装及配置_ev~1_.mp424.85MB1-2 认识数据表结构_ev~1_.mp49MB1-1 什么是SQL_ev~1_.mp46.68MB第2周 Excel从入门到表格分析
2-8 本章小结_ev~1_.mp43.79MB2-7 大数据岗人才需求分析报告_ev~1_.mp4101.4MB2-6 制作可视化图表_ev~1_.mp493.93MB2-5 认识图表_ev~1_.mp414.3MB2-4 数据透视表_ev~1_.mp436.95MB2-3 查找与引用函数_ev~1_.mp424.35MB2-2 条件聚合函数_ev~1_.mp434.58MB2-1 逻辑函数_ev~1_.mp422.11MB1-6 数据排序和筛选_ev~1_.mp462.05MB1-5 拆分列数据_ev~1_.mp433.83MB1-4 处理重复数据_ev~1_.mp447.5MB1-3 数学函数_ev~1_.mp430.93MB1-2 文本函数_ev~1_.mp443.7MB1-1 Excel基本功能_ev~1_.mp425.26MB第1周 走进数据分析
2-9 本章小结~1_.mp44.19MB2-8 数据分析流程~1_.mp420.98MB2-7 处理异常值~1_.mp410.49MB2-6 识别异常值~1_.mp411.77MB2-5 统计指标：分布形态~1_.mp414.46MB2-4 统计指标：离散趋势~1_.mp417.95MB2-3 统计指标：集中趋势~1_.mp413.1MB2-2 什么是统计指标~1_.mp413.2MB2-1 什么是数据~1_.mp417.03MB1-2 从互联网数据分析说起~1_.mp46.17MB1-1 互联网数据分析通用课程-导学~1_.mp410.19MB
