项目实训营课程介绍
Retail Insights餐厅运营数据挖掘实训营
拥有真实公司背景的项目 ，获得项目实战经验
- 拥有真实公司背景的项目，可获得真实项目经验。有Linke page展示项目成果，可关联到自己简历/linkedin展示
课程视觉
Core Features
Retail Insights餐厅运营数据挖掘实训营亮点
01
行业精英导师指导
02
真实 Retail流水数据
03
真实开发环境
04
Scrum 模式与流程
05
项目任务灵活
06
多种就业方向选择Data Analyst/Data Engineer/Date Scientst
07
团队讨论
Curriculum
Retail Insights餐厅运营数据挖掘实训营课程大纲
1入营欢迎会1 课时
📚Welcome课程
2项目路径3 课时
📚Project Path 1课程
📚Project Path 2课程
📚Project Path 3课程
3项目实训-Sprint 24 课时
👨🏫Sprint Review - Sprint 2辅导
👨🏫Sprint Planning - Sprint 2辅导
👨🏫Daily Scrum Meeting - Sprint 2辅导
👨🏫Sprint Retro - Sprint 2辅导
4项目实训-Sprint 14 课时
👨🏫Sprint Planning - Sprint 1辅导
👨🏫Sprint Review - Sprint 1辅导
👨🏫Sprint Retro - Sprint 1辅导
👨🏫Daily Scrum Meeting - Sprint 1辅导
5项目实训-Sprint 34 课时
👨🏫Sprint Planning - Sprint 3辅导
👨🏫Daily Scrum Meeting - Sprint 3辅导
👨🏫Sprint Retro - Sprint 3辅导
👨🏫Sprint Review - Sprint 3辅导
6项目实训-Sprint 44 课时
👨🏫Sprint Planning - Sprint 4辅导
👨🏫Daily Scrum Meeting - Sprint 4辅导
👨🏫Sprint Review - Sprint 4辅导
👨🏫Sprint Retro - Sprint 4辅导
Why DevOps
为什么选择 Retail Insights 数据分析实训营
行业洞察通过分析 Retail 行业的真实流水数据，发现、优化和解决运营中的问题。课程结合了 Data Aanalysis、Data Science 以及 Machine Learning Engineering 的学习路径，获得解决真实商业问题的能力，以及项目经验。 ...
Expert Team
导师团队
价格选项
Target Audience
谁应该参加我们的Retail Insights餐厅运营数据挖掘实训营？
对数据科学和数据分析有热情
想要累积Data Engineer项目经验
自主学习能力和主观能动性较强
能够积极主动在团队中进行合作沟通
能独立使用 Python 常见工具库完成基本任务
通过项目指导老师的面试
课程详情Course Detail
什么是数据分析？
想象一下你有一堆乐高积木，你需要按照说明书来拼出一座城堡或者一辆车。在数据分析中，那堆乐高就是原始数据，而你想要构建的模型（城堡或车）则是你的数据分析目标。数据分析的过程包括收集、清洗、探索、模型构建和解读数据——就像按照图纸一步步拼出乐高模型一样。
为什么要进行数据分析？
- 洞察消费者需求：通过分析客户数据，企业可以发现消费者的购买习惯、喜好与趋势，从而推出更受市场欢迎的产品。
- 优化运营效率：数据分析帮助企业找出生产和服务中的瓶颈，使得流程更加高效，降低成本，提高利润。
- 制定战略决策：企业可以依据数据分析得出的结果，制定市场进入策略、价格策略等，减少决策过程中的不确定性。
- 增强客户服务：分析客户互动数据，企业可以改进客户服务流程，提升客户满意度和忠诚度。
数据分析求职者面临的挑战？
- 高竞争性：澳洲的就业市场竞争非常激烈，特别是在数据分析这样的领域，公司通常寻找具有证明技能和经验的候选人。由于技能移民的持续涌入以及本地大学毕业生数量的增加，这种竞争性进一步加剧。
- 高级技术要求：雇主经常寻找具有使用高级数据分析工具和编程语言（如 Python、R、SQL）以及机器学习和大数据技术经验的候选人。跟上这些技术的快速发展对求职者来说是一个挑战，他们需要不断更新自己的技能。
- 本地经验：公司通常更倾向于有澳洲工作经验的候选人，这对国际学生和新移民来说是一个重大障碍。
项目介绍
本项目通过分析澳洲本地 Catering 的真实流水数据，发现、优化和解决运营中的问题。课程结合了 Data Aanalysis、Data Science 以及 Machine Learning Engineering 的学习路径，获得解决真实商业问题的能力，以及澳洲项目经验。
导师介绍
导师 Guang 拥有莫纳什大学博士学位，专攻空间大数据研究。在谷歌学术上，他的 H 指数为 21，并且是 Kaggle 平台上的 Competition Expert，全球排名达到 4%。在曾经服务于 AusPost、NAB、REA 等企业期间，他参与了多个数据科学与数据工程项目的开发和实施。目前，他在澳大利亚领先的 B2B 电商平台 New Aim 担任 Tech Lead 一职，带领团队致力于构建现代化数据平台，以支持企业级 AI 应用。
为什么选这门课
- 在实际项目中应用 Data Aanalysis 和 Machine Learning 技能，提升自己的项目实战能力。
- Centauri Alpha 公司真实项目需求，完成项目后可获得公司背书，并且在公司官网展示项目成果。
- 在澳洲行业专家的指导下，根据个人能力选择适合自己的项目开发路径，全方位满足不同条件的学员需求。
参与项目的好处
-
实战经验：通过分析真实的餐饮销售数据，你将获得宝贵的实战经验，学会如何在实际业务中应用数据分析技术，为餐饮业务提供具有实际影响力的运营优化建议。
-
技术技能提升：从 Data Cleaning 到 Machine Learning，你将掌握 Data Science 的 A 到 Z，无论你是 Data Aanalysis 的初学者还是未来的数据科学专家，都能获得必要的技能提升。
-
战略思维：通过深入的数据洞察，你将学会如何为企业提供具体可行的商业策略和改进建议，成为一个能够用数据驱动决策的战略思考者。
-
个性化辅导：每周至少一小时的专业辅导，确保你在数据探索的旅程中方向明确，步步为营，我们的行业专家导师将为你的学习之旅提供无价的指导和支持。
项目内容
在项目中，你将踏上数据分析项目的旅程。不论你是 Data Aanalysis 的初学者，还是 Data Science 的未来专家，还是对 Machine Learning Engineering感兴趣的初学者，这里都有适合你的成长路径。在行业顶尖导师的指导下，你将学会如何将理论知识应用于实际项目，以获取宝贵的项目实战经验。
EDA 了解数据
- 内容：数据收集、清洗和预处理。探索数据集以理解其结构和关键指标。
- 技术栈：Python (Pandas, NumPy), SQL for data querying, Matplotlib, Seaborn for initial data visualization.
客户画像
- 内容：
- 应用 RFM 模型分析不同类型的客户。
- 分析 RFM 指标随时间的变化。
- 识别活跃与流失客户，计算日活跃用户（DAU）与月活跃用户（MAU）。
- 分析顾客的订餐偏好和就餐时间。
- 识别流失用户的特征。
- 基于分析提出针对商家的建议。
- 技术栈：Python (Pandas, Matplotlib, Seaborn), SQL
餐品分析
- 内容：
- 分析热销与冷门商品。
- 应用 BCG 矩阵理论分析产品组合。
- 如何有效沟通分析结果，给商家提出建议。
- 技术栈：Python (Pandas, Matplotlib, Seaborn)
客户流失预测
- 内容：
- 构建客户流失预测模型。
- 根据模型结果提出商家策略建议。
- 技术栈：Python, Scikit-learn, TensorFlow/PyTorch for advanced predictive models, Matplotlib, Seaborn for model evaluation visualization.
销量预测
- 内容：
- 构建销量预测的基准模型。
- 应用 Cross Validation ****优化模型。
- 实施 Feature Engineering 优化模型精度。
- 应用 Ensemble Learning 提高预测精度。
- 分析预测的误差和不确定性。
- 技术栈：Python, Scikit-learn, TensorFlow/PyTorch, Matplotlib, Seaborn.
MLE 路线
- 内容：
- 封装代码，创建模型训练和预测的脚本。
- 技术栈：Python, Git for version control.
SWE 路线
- 内容：
- 使用 Django 框架构建用户界面，展示预测结果。
- 技术栈：Django, HTML/CSS, JavaScript for front-end interaction, Docker for deployment.
我们能够提供什么
-
真实商业需求：项目需求来自真实需求，你将实训营中面对真实业务挑战，通过项目实战，磨练问题解决能力和获得实际的项目经验。
-
多样化学习路径：根据个人技术水平和职业规划，提供三条学习路径，让每位学员都能找到适合自己的成长道路。
-
精品小班教学：每班 2～8人的教学模式，确保每位学员都能得到充分的关注和指导，同时通过团队合作完成项目，体验协作的力量。
-
互动与合作：在每周的集体讨论时间里，你将有机会与来自不同路径的同学分享见解，汲取他们的思考和经验，促进个人全面成长。
课程内容提纲
- EDA 了解数据：探索数据集的秘密，学会数据清洗和预处理。
- 客户画像分析：使用 RFM 模型描绘客户轮廓，挖掘客户行为和偏好。
- 餐品分析：通过热销与冷门商品分析，洞悉市场趋势和产品生命周期。
- 预测模型：构建并优化客户流失预测和销量预测模型，洞察未来趋势。
- 模型部署：将模型实现为实用的工具，使用框架如 Django 展示预测结果。
- 个性化进阶：针对不同技术水平的学生提供个性化路径，无论你是数据新手还是技术专家，都能找到适合自己的挑战。
多样化学习路径
我们深知每位学员都独一无二，因此我们的课程设计赋予了你前所未有的灵活性和个性化选择。在这个项目中，你不仅是一个学员，更是你自己学习旅程的规划者。我们提供三条学习路径，让你能够根据自己的兴趣、能力和职业规划，选择最适合自己的项目方向。
路径 1 Data Analyst
目标：基础数据分析技巧，进行数据解读和客户画像分析。
Stage 1: EDA 了解数据
- 使用 Python 的 Pandas, NumPy 进行数据清洗和预处理。
- 利用 Matplotlib 和 Seaborn 初步探索数据集结构，理解关键指标。
Stage 2: 描述性分析 - 客户画像
- 使用 Python 和 SQL 实现 RFM 模型区分不同类型的客户。
- 使用 Pandas 和 Matplotlib, Seaborn 分析活跃客户与流失客户，日活与月活指标。
Stage 3: 餐品分析
- 使用 Python 进行数据处理，分析热销与冷门商品。
- 通过 Matplotlib 和 Seaborn 来研究产品的生命周期和销售趋势。
Stage 4: 结果呈现与建议
- 利用 Python, Pandas, Matplotlib, Seaborn 对商家运营进行优化。
- 有效呈现分析结果，给商家提出改进建议。
路径 2
目标：在描述性分析基础上，探索预测模型，进行客户流失预测和销量预测。
Stage 1: EDA 与描述性分析加深
- 深入 EDA，高级 Data Cleaning，Feature Engineering。
- 客户画像深入分析，包括 RFM 指标随时间的变化分析，利用 Python 进行深度分析。
Stage 2: DS 路线 - 客户流失预测
- 使用 Python 和 Scikit-learn 或 TensorFlow/PyTorch，构建客户流失预测模型。
- 模型评估与优化。
Stage 3: 销量预测基础
- 构建基础销量预测模型。
- 使用 Matplotlib 和 Seaborn 进行模型评估和预测结果的可视化。
Stage 4: 销量预测进阶
- Feature Engineering：优化模型精度。
- 进行集成预测，误差与不确定性分析。
Stage 5: 模型优化与策略建议
- 对模型进行最后的优化。
- 结合模型结果，提出针对性的商业策略和优化建议。
路径 3 Data Engineer
目标：完整经历数据科学项目流程，从数据分析到模型部署，掌握高级分析技巧和机器学习工程。
Stage 1: 高级 EDA 与特征工程
- 应用高级数据处理技术和特征工程优化模型。
- 客户画像和种类分析的深入探索。
Stage 2: DS 路线加深 - 客户流失预测与销量预测
- 使用 Python 构建和优化客户流失预测模型。
- 销量预测进阶，引入复杂模型进行 Ensemble learning。
Stage 3: MLE 路线与 SWE 路线
- 代码封装，模型训练和预测脚本编写。
- 使用 FastAPI 等框架进行模型部署，构建用户友好的界面展示预测结果。
Stage 4: 高级模型优化与自动化
- 针对模型进行进一步优化，比如参数调整，特征选择等。
- 使用 Jenkins 或 GitHub Actions 探索模型自动化训练和更新的策略，确保模型在实际应用中的可靠性和稳定性。
路径化项目体验
在我们的课程中，同一个项目为不同学员带来的体验完全不同。无论你是想深入 Data Aanalysis、探索Data Science 的奥秘，还是希望挑战 Machine Learning Engineering 的高峰，这里都有适合你的路径。每一条路径都有其独特的挑战和学习成果，但它们有一个共同点：都是为了让你在数据科学领域更进一步。
自主选择适合自己的路径
选择权完全掌握在你的手中。你可以根据自己的实际情况和兴趣，选择最适合自己的学习路径。无论你选择哪条路径，我们的专业导师团队都将提供全程指导和支持，确保你能够顺利完成学习任务，实现自我提升。
协作与个人成长并重
虽然学习路径是多样化的，但我们鼓励所有学员在整个学习过程中保持密切的交流和合作。在每周的集体讨论时间里，你将有机会与来自不同路径的同学分享见解，汲取他们的思考和经验。这样的交流不仅能够激发新的灵感，还能帮助你从不同的角度审视问题，促进个人全面成长。
学员能够收获什么
- 掌握数据清洗、处理、分析和可视化的技能。
- 学习构建和评估机器学习模型的方法。
- 获得项目开发、团队协作和技术沟通的经验。
- 对餐饮行业的运营模式和挑战有更深入的理解。
技术要求
技术方面：
- 必要：统计学基本知识、python / pandas、SQL、数据可视化（BI 或者 python 可视化库均可）
- 如有 Machine Learning 经验（如 sklearn）、云平台经验（如 bigquery）更好
软实力：
- 沟通能力、自学能力、对 DS 的兴趣
学员成果展示
优秀学员Report Blog部分截图展示
（转载Maxine Xiong学员report"Boosting Online Sales Through Customer Retention")
立即行动，开启属于你的数据科学之旅
别让你的职业生涯等待。现在就加入我们，选择属于你的学习路径，开启一段全新的旅程。在这里，每一步都紧密结合实际应用，每一个挑战都是你职业发展的垫脚石。我们期待在这场数据科学的探索旅程中与你并肩前行！
LIVE CLASS
我们如何线上上课的
- 灵活的学习交流时间：随时随地进入课堂
- 沉浸式学习环境：通过虚拟空间创建了一个高度互动和沉浸式的学习环境。学生可以在虚拟教室、实验室和会议室中进行交流和合作，增强了参与感和实际的课堂体验。
SOCIAL
线上学习减少孤单感
- 减少学习孤单感：看看还有谁和你在学习，找到志同道合的学习伙伴，共同进步。
- 提升社交能力：虚拟环境中，学生可以自由结交新朋友，进行社交互动。这有助于提升学生的社交能力和团队协作精神，特别是对内向或害羞的学生来说，虚拟环境提供了一个更舒适的交流平台。
PROJECT
我们如何讨论项目？如何团队做项目
- 快速建立紧密的团队协作氛围：更高效真实的进行讨论
- 即时反馈和支持：教师和助教实时观察学生的学习情况，提供即时的反馈和支持。这种即时反馈机制有助于及时解决学生的问题，增强学习效果。
1v1免费职业咨询
地址
Level 10b, 144 Edward Street, Brisbane CBD(Headquarter)Level 2, 171 La Trobe St, Melbourne VIC 3000四川省成都市武侯区桂溪街道天府大道中段500号D5东方希望天祥广场B座45A13号Business Hub, 155 Waymouth St, Adelaide SA 5000Disclaimer
JR Academy acknowledges Traditional Owners of Country throughout Australia and recognises the continuing connection to lands, waters and communities. We pay our respect to Aboriginal and Torres Strait Islander cultures; and to Elders past and present. Aboriginal and Torres Strait Islander peoples should be aware that this website may contain images or names of people who have since passed away.
匠人学院网站上的所有内容，包括课程材料、徽标和匠人学院网站上提供的信息，均受澳大利亚政府知识产权法的保护。严禁未经授权使用、销售、分发、复制或修改。违规行为可能会导致法律诉讼。通过访问我们的网站，您同意尊重我们的知识产权。 JR Academy Pty Ltd 保留所有权利，包括专利、商标和版权。任何侵权行为都将受到法律追究。查看用户协议
© 2017-2025 JR Academy Pty Ltd. All rights reserved.
ABN 26621887572