商业数据分析实战班

掌握Python,Power BI, SQL, Excel, VBA,Tableau

适合编程零基础学习,成为澳洲数据分析师

点击报名
在澳洲,如何拿到第一份数据分析师工作 --商业数据分析班学员Joker
数据分析如何快速入行以及数据分析的必备技能  Marketing  Data Analysis相关岗位/技能/就业前景@匠人学院12月线上Bootcamp Cyndi老师
从金融会计到数据分析师 ——澳洲商科背景的职业新视角 以及如何学习Python

Course Overview

课程概况

  • 课程难度

    初级

    中级

    高级

  • 先修知识

    零基础

  • 课程安排

    小班授课+ 线上直播 + 线下授课

    Pluralsight学习视频辅助指导

  • 价格

    原价:$3900

    线下早鸟价:$3300

    线上早鸟价:$3300

    早鸟价截止时间请 咨询客服

    *以上价格exclude GST

适合人群

  • 缺乏经验的数据分析学生
  • 没有数据编程基础的职业人士
  • 立志进入数据分析领域的商科,文科在校生
  • 编程化,自动化数据分析让你在竞争传统部门商业分析师的过程中占据优势
video player close icon

商业数据分析实战班视频

课程视频, 学员故事, 匠人公开课

Python10分钟系列之教你过滤 Excel DataFrame
Python10分钟系列之教你过滤 Excel DataFrame
Python10分钟系列之简述Pandas的数据结构
Python10分钟系列之简述Pandas的数据结构
Python10分钟系列之三种数据结构的特点
Python10分钟系列之三种数据结构的特点
Python10分钟系列之教你轻松设置Python Environment
Python10分钟系列之教你轻松设置Python Environment
了解澳洲数据分析岗位和就业前景以及如何从商科转型——Jason Cao
了解澳洲数据分析岗位和就业前景以及如何从商科转型——Jason Cao
在澳洲,如何拿到第一份数据分析师工作 --商业数据分析班学员Joker
在澳洲,如何拿到第一份数据分析师工作 --商业数据分析班学员Joker
匠人公开课:简单SQL分析人物关系数据——Owen
匠人公开课:简单SQL分析人物关系数据——Owen
数据分析Marketing Analytics的应用及前景——Cyndi
数据分析Marketing Analytics的应用及前景——Cyndi
数据分析Marketing Analytics的应用及前景——Cyndi
数据分析Marketing Analytics的应用及前景——Cyndi
如何从一名无技术背景的BA毕业生成为一名mid-level的Front End Developer——Harris
如何从一名无技术背景的BA毕业生成为一名mid-level的Front End Developer——Harris
在澳洲成为数据分析师需要什么技能——Jini
在澳洲成为数据分析师需要什么技能——Jini
在澳洲成为数据分析师需要什么技能——Jini
在澳洲成为数据分析师需要什么技能——Jini
数据分析如何快速入行以及数据分析的必备技能  Marketing  Data Analysis相关岗位/技能/就业前景@匠人学院12月线上Bootcamp Cyndi老师
数据分析如何快速入行以及数据分析的必备技能 Marketing Data Analysis相关岗位/技能/就业前景@匠人学院12月线上Bootcamp Cyndi老师
在澳大利亚的商业数据分析就业前景/数据分析领域内的可就业方向
在澳大利亚的商业数据分析就业前景/数据分析领域内的可就业方向
在澳大利亚的商业数据分析就业前景/数据分析领域内的可就业方向
在澳大利亚的商业数据分析就业前景/数据分析领域内的可就业方向
10月Data/ BA bootcamp线上公开课--如何成为data analysis数据分析师?如何学习数据分析,及career path介绍
10月Data/ BA bootcamp线上公开课--如何成为data analysis数据分析师?如何学习数据分析,及career path介绍
新南威尔士大学UNSW大咖面对面——数据行业的发展方向& BA应具备的职业技能
新南威尔士大学UNSW大咖面对面——数据行业的发展方向& BA应具备的职业技能
澳洲商业数据分析入门攻略
澳洲商业数据分析入门攻略
从金融会计到数据分析师 ——澳洲商科背景的职业新视角 以及如何学习Python
从金融会计到数据分析师 ——澳洲商科背景的职业新视角 以及如何学习Python
ANZ数据工程师告诉你澳洲和中国数据分析师数据工程师如何就业
ANZ数据工程师告诉你澳洲和中国数据分析师数据工程师如何就业
如何成长成为澳洲数据分析师 --数据大咖面对面 Jason Cao
如何成长成为澳洲数据分析师 --数据大咖面对面 Jason Cao
查看更多

你将获得

数据分析师必备技能

  • 学习掌握数据分析师必备技能Python, Excel, SQL, Power BI, Tableau , Data Visualisation 等等
  • 简历修改,模拟面试,面试指导,Presentation Skills训练

优秀学员提供Reference

  • 优秀学员提供公司Reference,帮助就业
  • 进入工作内推群,获得最新工作机会
  • 优秀学员,导师工作内推

获得数据分析师经验

  • 多个Use Case应用,hands on经验
  • 强调动手实践,拒绝理论

Course Syllabus

课程大纲

商业数据分析实战班技术栈

数据分析

Python

Python

Pandas

Pandas

Excel

Excel

VBA

VBA

Power BI

Power BI

Tableau

Tableau

SQL

SQL

Anaconda

Anaconda

Predictive Modelling

Predictive Modelling

Data Visualisation

Data Visualisation

Sklearn

Sklearn

LightGBM

LightGBM

Machine Learning

Machine Learning

Google Analytics

Google Analytics

数据分析职业技能

简历修改

简历修改

面试指导

面试指导

模拟面试

模拟面试

行业分析

行业分析

Presentation训练

Presentation训练

What Will You Gain

课程内容

Melbourne

商业数据分析实战班第6期

面向编程零基础学生,商科在职人士,面向公司数据分析师要求培训,通过项目贯穿理解数据分析,简历修改,可选本地公司数据分析师实习。4位行业导师+1位全程Tutor+课代表和小组组长保障学习成功率

开课时间 2020-11-5

先修知识

  • Introduction and SQL components (1)

    1. Introduction

    - Data structures (Structured data, semi-structured data, unstructured data)

    - RDBS and RDBMS concepts

    (Relational databases and Relational database management system)

    - Data analysis flow and example

    - Data analyst job requirements

    2. SQL components (1)

    - SQL DDL (data manipulation language) - CREATE, DROP, TRUNCATE, ALTER, COMMENT, RENAME

    - DB tools - DBeaver introduction and installation

    Assignment:

    1. Install DBeaver

    2. sql_components_tutorial Q1 and Q2

    3. Register an AWS account (if you don't have one)

  • SQL Tutorial 02

    1. Case study - product spec & performance tuning

    2. Leetcode - medium level challenge

  • AWS RDS and SQL components (2)

    1. Amazon Web Services - RDS (Relational database service) Introduction

    2. SQL components (2)

    - DML (data manipulation language)

    - DCL (data control language)

    - TCL (transaction control language)

  • SQL operators and common used functions

    SQL common data types, operators and functions:

    Common data types:

    - Text / Varchar

    - Integer

    - Date / Timestamp

    - Serial

    Operators:

    - Arithmetic operators

    - Comparison operators

    - Logical operators

    SQL aggregation functions:

    - Sum

    - Count

    - Avg

    SQL common functions:

    - Min / Max

    - Distinct

    - Substring

    - Length

    - Upper / Lower

    - Coalesce

    - Extract

    - Concat

    - Case statement

    - Cast / to_date

  • SQL joins and window functions

    SQL joins and window functions

    Joins:

    - No join

    - Inner join

    - Left join

    - Right join

    - Full join

    - *Cross join

    - *union

    Window Functions:

    - Row_number / Rank / Dense_rank

    - Lead / Lag

    - First_value / Last_value

  • SQL query optimization and performance tunning

    Query optimization (Structure & Layout)

    - with clause, views

    Query optimization (Performance)

    - materialized view

    - indexes

    - Table partitioning

  • Python 基本语法 - Data Structure

    · Python 基本介绍和常用IDE各自的特点(学员已经在Tutor协助下完成安装的前提下)

    · 基本编程概念 -Object, Class, Method, Attribute

    · Python 最重要的三种数据结构(List, Tuple, Dictionary) 各自的基本特征和应用场景

    · 数据类型之间的互相转换, (Int, String, Character, Float) 常用method进行数据处理

    · Datetime 工具包 操作时间日期数据, 模拟批处理不统一格式下的日期时间数据

  • Python 基本语法- Control Flow

    Python Control Flow:

    条件语句 (if else elif; case)

    基本循环 (for , while, range vs. xrange )

    Error Handling (tyr except pass)

    List Comprehension

    函数与类的关系 (function, class & object)

    基本函数的参数传导,继承 以及装饰器(decorator)

    Lambda 匿名函数

    多层循环 (利用 break/continue 优化多层嵌套循环)

    Exercise:

    6 different in class exercises to master python control flow

  • Pandas Dataframe Part 1

    Use Pandas for data wrangling:

    1. From Numpy to Pandas

    2. Series, TimeSeries & Dataframe

    3. Structural understanding of DataFrame object and its methods & attributes

    4. Data exploration use DataFrame

    5. Read/Write use DataFrame

    6. Advanced DataFrame filtering & sorting

    7. 3 different methods to Loop through Dataframe

    8. Map & Apply with self defined function & annoymous function

  • Pandas DataFrame Part 2

    Data Wrangling use Pandas part 2

    1. Convert numerical data to categorical data use bin function

    2. Merge & Concat equvalent of join & union in SQL (performance comparison and bottle neck for process data in SQL or Pandas)

    3. Groupby and Pivot in Pandas

    4. Advanced usage of Groupby with agg,apply & map

    Exercise:

    1 in class exercise and 5 take home exercises

  • Pandas Series Part 1

    1. Basic concept of Pandas Series

    2. Time Series explained and common usage of Time Series in real life data analysis

    3. Advanced Datetime tool kit for populate time series,

    4. Time Series Wrangling ( Resample, Offset, Freq....)

    5 Time Series ploting and moving window function

  • Pandas Series Part 2 - Time Series modeling use ARIMA & DTW

    常见的经典时间序列建模方式

  • Python Machine Learning Part1

    1.Matplotlib for exploration plot

    2. Matplotlib basic graph ( Line chart , Bar chart, Scatter chart)

    3. Matplotlib advanced plot ( 3 D Scatter, Correlatin Heatmap, MSNO chart)

    4. What is machine learning ( Knowledge Tree and machine learning life cycle)

    5 Quick in class example of KNN model

  • Python Machine Learning Part2 - Regression Model

    Regression Model:

    1. From simple single Neuron to understand fundmental Regression Classifier model

    2. Write your own single Neuron Classifier model from scratch

    3. Key concepts for regression model : Loss Function; Gradient Descendent; Activation Function

    4. how log function serve as Activation function in logistic regression

    5. How Logistic regression fight overfitting problem ( L1,L2 Regularizer explained)

  • Python Machine Learning Part3 - Tree Model & Ensemble Model

    Tree Based Models & Ensemble Models

    1. Basic decision Tree explained

    2. Key concept in decision Tree mdoel - information gain(Shannon Entrophy, Gini Inpurity)

    3. Use Sklearn to build a basic decision tree

    4. Classification model performance measure

    5 Feature inportance & tree visualization technique

    5 how tree model fight over fitting ( Prunning or go ensemble)

    6. Ensemble tree models - Parallel trees - bagging, random forrest)

    7. Ensemble tree models - Sequential trees -Boosting Tree family (GBDT, Ada boosting, XG Boost, Light GBM, Cat boost)

    8. In class exercise : Income prediction use different tree model.

    9. Hybrid Ensemble Model : Majority Vote Classifier & Stacking Classifier

  • Python Machine Learning Part 4 - Pre process - Validation - Parameter Tuning

    Everything you need to know to build a end to end Machine Learning Model:

    1. Categorical data encoding

    2. Scaling technique ( when and how )

    3. Save model & scaler use Pickle or Joblib

    4 The curse of dimensionaly ( Dimension reduction vs. Dimension selection )

    5. Dimension Reduction ( PCA explained and practise)

    6. Machine Learning Pipe Line use Sklearn

    7. Validation explained

    8. Parameter Tuning - Grid Search technique

    9. Model performance measure ( Confusion Matrics, ROC&AUC)

    Exercise:

    1. QLD Accident severity prediction

    2. Income prediction

  • Excel VBA Part 1 - VBA Syntax
  • Excel VBA Part 2 - Event & formula integration

    1. use Macro recorder (Pro & Con)

    2. Advanced Formula ( Sumifs countifs, getpivotdata, arrayformula - more will be covered in tutorial time)

    3. Pivot table basic, how to use pivot table as part of your Excel automation

    4. Formula Manager, unique VBA tool to integrate VBA wiht Excel built in formula

    5. Event - different way to fire your VBA code

    6 How to further practise your skills to be advanced to expert Excel user

  • Data visualization 以及Tableau基础

    - 介绍Data visualization以及不同的Data visualization tool

    - 学习如何链接不同的数据源以及制作简单的Tableau图表,比如bar chart, line chart, text table, highlight table, map, tree map等等

  • Tableau的进阶

    - 学习Tableau 添加不同的线(Reference line, trend line, forecast line)的使用

    - 简单的Dashboard & Story的操作

    - 学习如何在Tableau 中连接不同的Data Source(分别介绍 Union, Join, Blend 含义以及如何操作)

    - Tableau的三种常用的基本及高级计算(Calculated field, Table calculation, 以及LOD表达式)

  • Tableau的进阶2

    - Tableau常用重要的Features(Group & Set,Bin,Hierarchy,Parameter)

    - 学习如何使用Page做动态的Tableau Dashboard

    - 学习如何创建新颖的Hex Map

  • Tableau Case study

    这一部分将会运用到之前所学到的知识,也会学习一些新的工作中常用的图表(Donut chart,waterfall chart)以及一些actions,最后完成一个完整的Tableau 仪表盘。

  • Marketing Analytics

    在这一部分的学习中,会从Marketing Strategy入手,给大家介绍Marketing Analytics的一些概念,以及数据分析的应用和数据分析岗位的工作内容,通过比较Marketing Analyst和Data analyst的岗位不同点帮助学生更好的进行职业选择及规划。同时课程会覆盖Google Analytics的一些概念及操作,让学生对Marketing Analyst的工作有更清晰的认识。

  • Python Tutorial

    All Python Tutorial Exercise & Answer ( Recording after its available

    Exercise Topics:

    1. List& Dictionary

    2. Loop, String, Datetime

    3. Numpy & Matplotlib

    5. Pandas ( no separate exercise, tutorial will be focuse on in class exercise inside corresponding lesson)

    6. Machine Learning ( same as above)

Melbourne

商业数据分析实战班第7期

面向编程零基础学生,商科在职人士,面向公司数据分析师要求培训,通过项目贯穿理解数据分析,简历修改,可选本地公司数据分析师实习。4位行业导师+1位全程Tutor+课代表和小组组长保障学习成功率

开课时间 2021-2-12

先修知识

Curriculum Highlights

课程亮点

数据人才缺口红利,你能否掌握先机?

随着越来越多知名企业依赖数据做出关键决策,对数据分析人才的需求与日俱增。

第三方权威统计,2017 数据分析招聘需求提高 150%,平均薪资增幅高达 10%,2020年的需求窗口继续保持之前的势头。

选择匠人学院的学习曲线、符合行业需求技能图谱、专业及时学习辅导,快人一步成为抢手人才,掌握先机!

明确知识框架和学习路径

比如数据分析这件事情,如果你要成为数据分析师,那么你可以去招聘网站看看,对应的职位的需求是什么,一般来说你就会对应该掌握的知识架构有初步的了解。你可以去看看数据分析师职位,企业对技能需求可总结如下:

• SQL数据库的基本操作,会基本的数据管理

• 会用Excel/SQL做基本的数据提取、分析和展示

• 会用脚本语言进行数据分析,Python or R

• 有获取外部数据的能力加分,如爬虫或熟悉公开数据集

• 会基本的数据可视化技能,能撰写数据报告

• 熟悉常用的数据挖掘算法:回归分析、决策树、分类、聚类方法

• 能有对分析结果, 有presentation的能力

本课程就针对公司的岗位需求做逐个突破,帮助学员能拿到想要的offer

数据分析岗位要求

与业务线同学一起搭建业务监控指标体系并产品化,熟练掌握python,excel、sql等等,为业务团队提供专题分析、数据分析与挖掘、模型及算法等相关服务,主动的寻找机会获得资源并落地;提炼数据产品需求,提供数据产品解决方案,并最终推动数据产品落地,拥有良好的沟通表达能力。了解数据获取,数据存储、提取,数据预处理,数据建模与分析,数据可视化

需要获取外部数据的数据分析师

Python基础知识,python爬虫,SQL语言,python科学计算package:pandas,numpy等,统计学基础,回归分析方法,数据挖掘基本算法:分类、聚类,模型优化:特征提取

不需要获取外部数据的分析师

SQL语言,Python基础知识,python科学计算package:pandas,numpy等,统计学基础,回归分析方法,数据挖掘基本算法:分类、聚类,模型优化:特征提取

JR Tutor Team

匠人导师

Jack
Jack

清华学霸 十五载研究工作经历

清华学霸十五载研究工作经历,从Biological Science转战Data Science再到Computer Science,从0刷题4个月,年初通过Google面试。为你介绍在澳洲做IT行业如何刷题面试大厂。

  • University of Melbourne
  • 清华大学
清华学霸
数据科学
全栈
机器学习
Python
Gucheng Zhu
Gucheng Zhu

早年留学澳洲,蹉跎中练出一身本领。资深数据工程师,10年本地工作经验,非常熟悉澳洲市场(Tier1 – Tier 3)的需求。拥有良好的技术、业务与交际能力,经常被上层委派指导Junior。现任澳洲知名银行大数据工程师,目前专注于企业级Big Data, GDW 2.0和数据科学产品的开发与整合。

  • Common Wealth
Power BI
CBA
数据科学
数据工程师
10年经验
Leo
Leo

李光宇,资深数据工程师。本科毕业于中山大学应用数学系,硕士毕业于墨尔本莫纳什大学商业信息系统系。本人从数据库开发做起,非常熟悉在Linux环境下的数据开发和设计,对大数据和NoSQL的应用也很有心得。最近几年职业方向逐渐从数据库开发转到了数据分析和软件开发,主要包括在AWS环境下大数据的处理和机器学习模型的创建,数据库的应用也逐渐转向了云计算。 现在在麦考瑞银行做数据科学家,主要从事银行数据的分析和处理,还有机器学习模型的创建。现在的兴趣是深度学习的应用和开发。

  • Macquarie Group
数据科学家
机器模型
Jason Cao
Jason Cao

就职于埃克森美孚,沃尔沃 ,安联Allianz 等各行业顶级企业。从纯商科背景通过职业规划,自学能力以及执行力成为数据科学家,先后。第一手的经验如何培训文科背景的职业人士进入数据领域,特色化的传授文科生数据领域需要掌握的数理,统计以及编程知识。

  • Allianz
从数据分析到数据科学家
商科背景
BI专精
Jini Huang
Jini Huang

澳洲ANZ银行数据分析师。金融分析和会计双硕士。6年以上的金融产品和客户数据分析经验。擅长金融产品利率和需求分析,反欺诈交易风险检测算法。拥有丰富的金融产品、财务状况评估和信用风险分析经验。现在致力于给求职数据分析工作的学生,面试,职业规划和技能运用上的建议。

  • ANZ
ANZ
资深数据分析师
金融会计双学位
Ke Hu
Ke Hu

现任某澳洲知名银行高级模型分析师,UNSW通信与数据分析博士。曾在CSIRO担任数据科学家,也曾在中国移动公司担任项目经理。在Team招聘过程中负责参与多次面试,拥有丰富的面试经验,并对转行到数据分析领域与职业规划有着独特的见解和经验。

  • Common Wealth
Commonwealth Bank
Data Analyst
数据科学家
Huijing LU
Huijing LU

Performance and Insight Specialist

八年银行从业经验,从入门基层岗位到融资部负责资产证券化融资,熟悉传统和上市银行业务架构和核心技能要求;目前就职保险业,致力于战略层级落地,挖掘运营数据,分析财务与非财务数据的联动,流程优化自动化。

RACQ
Cyndi
Cyndi

Senior Analyst

上财本科+墨大管理会计研究生,曾在BCG,Accenture等公司从事战略咨询,在澳洲成功从会计通过职业规划转型Data Science,现在NAB从事Marketing Technology的应用,数据分析及建模。对于数据分析在Marketing各个方面的应用有多年丰富的经验。

  • Nab
MYOB
数据分析
NAB
外離相內不亂
外離相內不亂

Data scientist chapter lead

墨尔本大学软件工程(人工智能)博士,四大银行管理层,20馀年实战经验。在某著名银行担任Data Scientist Lead

Data Scientist Lead
博士
某四大银行
Owen Yan
Owen Yan

Carsales 数据工程师,曾任网站数据分析师,测试工程师。

Carsales
数据分析
数据工程师
Jas Peng
Jas Peng

Senior Customer Insights Analyst

精通于数据分析,数据可视化,商业谈判

Woolworths

查看更多导师

COOPERATIVE INSTITUTIONS

导师来自