CDA数据科学研究院 CDA考试中心 CDA网校 企业服务
CDA社区
CDA竞赛 CDA技术答疑 CDA会员 职业咨询
关于CDA APP下载
全国热线4000-51-9191

cda

数字化人才认证
全国校区
北京 上海 广州 深圳 成都 西安 南京 长沙 宁波
数据分析师 就业班 题库 CDA认证
登录 注册
首    页
课程中心
就业邦：
数智化数据分析与 AI 应用实践营 数据分析与Al应用周末班 AI人工智能实战特训营
职业技能：
AI 赋能业务分析实战课 CDA 商业策略分析 LEVEL Ⅱ 集训营 CDA 机器学习与深度学习 LEVEL Ⅲ 集训营
职业路径
直播公开课
认证考试认证考试
企业内训
CDA社区CDA社区
CDA竞赛 CDA技术答疑 CDA会员 scikit-learn中文社区 职业咨询 求职招聘 能力测试
产    品CDA社区
大数据与人工智能实验室 CDA网校
证书查询

您的位置：首页 > 课程列表 > 数据分析与Al应用周末班

数据分析与Al应用周末班

数据分析与Al应用周末班

数据分析与Al应用周末班

难度系数:

课程系列：数据分析与Al应用周末班

课程信息：
相关等级报考推荐：
  • Level I¥1200元
  • Level II¥1700元
  • Level III¥2500元
立即报名 咨询老师
收藏
课程介绍 大纲案例 服务升级 主讲老师 认证标准 课程问答

  • WHAT 课程简介

    数据分析与Al应用周末班：每个月都在整理报表，却很难解释业绩为什么变化；手里有客户、订单和渠道数据，却不知道该从哪里分析；用 AI 生成了结论，又拿不准结果是否可靠——这些都是学习数据分析可以着手解决的问题。
    周末班以业务数据分析为主线，将 Excel、SQL、BI、Python 与 AI 辅助工作结合。通过销售、会员、转化、留存和库存等案例，练习从业务问题出发，完成数据处理、指标计算、分析看板与报告。适合希望利用周末系统学习、改善现有工作方式或准备进入数据分析方向的学员
    课程的三个核心价值：
    把常用工具连起来。 Excel 做计算与透视分析，SQL 查询多表数据，BI 数据建模和呈现，Python 处理海量数据，理解它们在同一项任务中的分工。
    让分析围绕业务问题展开。 学习指标拆解、客户分群、漏斗与留存等分析方法，把“报了多少数”进一步转成“问题在哪里、建议是什么”。
    在分析过程中用好 AI。 从公式、查询、代码到看板和报告，练习向 AI 安排任务、核验结果，并使用智能体处理重复性工作。

  • WHY 学习目标

    掌通过练习与综合项目，重点建立四项能力：
    取数与数据处理：面对多张表格或数据库，完成清洗、查询、关联和汇总，核对数据口径。
    分析与诊断：围绕销售、客户、产品、运营等条线，拆解指标，定位变化环节，提出有依据的建议。
    看板与表达：将分析结果组织成可查看、可筛选的看板与报告，说清楚结果及其业务意义。
    AI 辅助工作：指示 AI 生成和检查公式、SQL 代码，使用 Agent 辅助数据处理、生成分析结果，并保留必要的人工核验。

  • WHO 学习对象和基础

    接受零基础，无需提前掌握编程。 会进行基本电脑操作，并能安排时间完成练习，即可从基础内容开始。
    运营、营销、销售、产品人员：经常接触订单、用户、活动与渠道数据，希望提升分析和复盘能力。
    财务、人力及经营支持人员：希望更有条理地整理多表数据、跟踪指标、制作管理报表。
    学生与转行者：希望系统学习常用分析工具、业务方法，并通过项目积累实践成果。
    已有单项工具基础的人：希望把 Excel、SQL、BI、Python 和 AI 串成完整的分析流程。
    文科、商科背景均可学习；编程部分从基础展开，学习效果需要通过练习和项目逐步巩固。

1章表格结构数据基础操作(Excel)

1-1表格结构数据的特征与获取方法
1-2表格结构数据的引用、查询与计算方法
1-3单元格相对引用、绝对引用与混合引用
1-4“银行存款本利和计算”案例：将业务计算规则转换为Excel公式
1-5常用数学函数、统计函数、文本函数和日期函数
1-6IF、AND、OR等逻辑函数及嵌套判断
1-7使用AI辅助选择函数、生成公式、解释公式并排查错误
1-8VLOOKUP、MATCH、INDEX等数据查询函数
1-9“员工档案整理与动态查询”案例：人员信息提取、地区匹配和产品价格动态查询，利用AI检查查询范围、匹配方式及异常值
1-10利用函数分析和计算数据
1-11数据透视表的字段布局、筛选、切片器和值显示方式
1-12“零售订单区域与产品销售分析”案例：将业务问题拆解为透视表的行、列、值和筛选字段，完成数据透视分析

2章数据可视化图表(Excel)

2-1数据可视化图表的作用及选择原则
2-2趋势图：结合订单量和销售额案例，展示数据随时间的变化趋势
2-3对比图：结合产品订单和销售额案例，比较不同对象之间的差异
2-4分布图：结合门店客流和客户年龄数据，分析数据的分布特征；使用AI辅助解释分布，根据数据验证结论
2-5组成图：结合产品销量和年度销售结构，分析构成以及各部分占比
2-6关系图：结合营销活动数据，分析变量之间的关系
2-7图表标题、坐标轴、数据标签、颜色和信息层级的优化
2-8使用AI根据分析目的检查图表是否存在误导，并辅助生成图表结论
2-9“销售业绩分析看板”案例：综合应用数据透视表、趋势图、对比图、构成图、目标完成率、同比环比和筛选控件完成可视化看板

3章数据分析的思维概念

3-1对数据的理解：对象、字段、记录、指标、维度和数据口径
3-2看懂数据模型：理解牌数据之间的关系
3-3数据分析的分类：描述现状、分析原因、预测趋势和支持决策
3-4商业数据分析的思维框架及总体流程
3-5从业务问题出发，依次完成问题定义、数据理解、数据处理、指标计算、结果分析和业务表达

4章指标体系

4-1指标概述：理解指标的业务含义、计算口径和应用场景
4-2通用指标：总量、平均值、占比、增长率、完成率等
4-3场景指标：销售额、会员数、人均消费等
4-4指标体系：从单个指标到相互关联的指标集合
4-5指标之间的衍生关系（原子指标、派生指标和复合指标）
4-6指标体系构建方法：明确业务目标、拆解关键问题、确定指标、建立指标关系并检查口径
4-7“零售企业销售增长指数据搭建指标树”案例：自上而下进行指标拆解
4-8使用AI辅助生成指标候选清单和指标拆解方案，并检查指标是否重复、口径是否完整、上下级指标能否形成计算关系

5章分析的思维范式(Excel)

5-1分类思维：根据业务目标和分类标准，将分析对象划分为不同类型
5-2矩阵分析：“商品品牌波士顿矩阵分析”案例，根据销售额占比和销售增长率划分不同品牌类型，并制定经营策略
5-3RFM分析：“母婴零售会员RFM价值分群”案例，根据最近消费时间、消费频次和消费金额进行客户价值分类
5-4忠诚度分析：“零售会员潜在用户与易流失用户识别”案例，根据不同时间段的消费次数判断客户生命周期状态
5-5同期群分析：“互联网产品用户同期群留存分析”案例，按照注册批次计算新增用户数、登录用户数和留存率
5-6分类思维在商品分类管理和潜在客户挖掘中的应用
5-7链式思维与漏斗模型：“销售线索转化漏斗分析”案例，计算各阶段转化率和总体转化率，定位客户流失环节
5-8链式思维在电商获客和销售转化分析中的应用
5-9相关思维：分析变量之间的相关性，并区分相关关系与因果关系
5-10使用AI辅助选择方法、拆解规则、生成Excel计算步骤并解释分析结果
5-11对AI提出的客户分类、流失原因和经营策略进行数据验证

6章表结构数据与多表汇总分析(BI)

6-1表结构数据的特征与获取
6-2表结构数据加工与使用
6-3多表汇总分析逻辑及操作

7章多维数据模型(BI)

7-1多维数据模型的定义
7-2多维数据模型的创建逻辑及操作
7-3多维数据模型实践

8章BI函数与制图(BI)

8-1BI常见函数
8-2BI时间智能函数
8-3BI制图

9章描述性统计分析基础(Excel)

9-1变量度量类型与分布类型
9-2分类变量的参数（统计量）
9-3连续变量的集中趋势参数（统计量）
9-4连续变量的离散程度参数（统计量）
9-5数据分布的基本概念
9-6统计量与报表和统计制图的关系
9-7相关分析
9-8掌握统计基础原理，能校验 AI 输出结果，判断统计指标业务意义

10章趋势分析

10-1时间序列数据的概念
10-2趋势效应，周期和季节效应，随机效应
10-3序列数据的加法与乘法组合方法
10-4趋势预测与分析
10-5AI 辅助时间序列分解，识别季节性拐点
10-6掌握时序分解原理，甄别 AI 预测结果，评估预测误差。

11章标签体系与用户画像

11-1学习标签体系设计原理
11-2掌握用户标签制作方法
11-3理解用户分群逻辑
11-4学习搭建用户画像的完整思路
11-5AI 辅助标签规则生成、批量提炼用户特征
11-6掌握标签业务逻辑，校验 AI 输出标签，完成用户分群与画像落地

12章业务数据分析的步骤

12-1明确业务关注事项
12-2定位业务问题
12-3掌握初级指标归因法
12-4输出业务优化策略
12-5使用 AB 测试完成想法验证
12-6AI 辅助拆解指标归因链路，提炼分析结论，撰写 AB 测试方案
12-7掌握业务分析思路，判断归因逻辑，设计合理的 AB 测试

13章指标体系管理与数据看板

13-1掌握指标体系搭建方法
13-2指标体系管理规范
13-3落地数据看板设计实践
13-4AI 推荐指标层级结构，辅助梳理指标口径，给出看板布局建议
13-5掌握指标业务口径，独立设计指标体系与可视化看板

14章AI基础

14-1人工智能概述
14-2提示词与提示工程
14-3AI辅助高效工作报告撰写

15章Agent基础使用

15-1Agent 基础认知：
15-2Workflow  与  ReAct —— Agent  的两种运行形态：
15-3Agent = 模型 + Harness：
15-4通用智能体环境搭建：
15-5Skill 与子 Agent：
15-6记忆、权限与安全：
15-7综合实战：MCP 协议与 Agent 能力扩展

16章用Agent操作Excel/BI+HTML看板+分析报告

16-1AI Agent自动化数据处理，业务数据高效落地：
16-2HTML交互式看板搭建：
16-3商业数据分析报告标准化框架与Agent辅助撰写

17章大型数据分析综合项目实战(Excel+BI)

17-1业务需求拆解与多源数据探查
17-2多源数据清洗与关联建模
17-3指标体系搭建
17-4库存分析看板设计与制作
17-5数据钻取与业务问题诊断
17-6分析报告撰写与项目复盘

18章SQL数据库(MySQL)

18-1数据库基础认知
18-2单表查询
18-3多表连接查询
18-4多表追加查询
18-5子查询
18-6开窗函数
18-7综合分析案例

19章非关系型数据库

19-1JSON 数据类型存储原理
19-2业务适用场景与选型逻辑
19-3核心数据结构：JSON 对象结构、JSON 数组结构
19-4JSON 数据基础查询与字段提取
19-5JSON 数据修改与数据清洗应用
19-6AI Agent 自动生成清洗规则、批量更新语句生成、清洗逻辑校验
19-7自动化数据探查：JSON 字段结构识别、字段分布统计、数据质量检测
19-8复杂需求拆解开发：多层嵌套 JSON、多维度统计分析的分步拆解与验证方法

20章数据架构与ETL

20-1数据治理基础与企业数据架构体系：
20-2数据模型设计规范与范式应用：
20-3数据仓库架构与分层设计：
20-4ETL 核心流程与数据处理：

21章Python编程基础

21-1Python与Anaconda环境搭建
21-2VSCode高效编程与插件配置
21-3Python标准数据类型与数据结构
21-4基本语法规则
21-5控制流语句
21-6自定义函数与代码复用
21-7成果挑战：AI搭档10分钟写出你的第一个自动化小脚本

22章Python数据清洗与可视化

22-1Numpy数组分析与高效计算
22-2Pandas数表分析与数据处理
22-3Pandas数据清洗实战
22-4Matplotlib图表绘制
22-5Seaborn可视化与进阶图形
22-6分析案例(4选2)：
22-7产出：完成一套可复用的“清洗→可视化”分析报告

硬核服务

  • 朝九晚九全程跟班答疑

    助教线上服务时间由原先的上课期间答疑调整为课程持续期间答疑，包括中途休息时间；同时，每日答疑时间由原先的“朝九晚六”调整为“朝九晚九”，全面覆盖同学晚自习时间。

  • 一对一督学

    每个班级、每位同学、每月都会进行至少一次一对一辅导，询问同学学习状态、解决学员学习问题；同时，针对每个模块测试结果后10%的学员进行额外辅导，以确保学员能够跟上学习进度。

  • 定期直播串讲

    对于重难点知识和同学普遍反应的问题，助教将进行每周1-2次的晚自习串讲，串讲时常为2小时左右，且相关内容需要重新制作、有别于课程内容，帮助同学攻克重难点知识。

  • 有问必答

    助教线上服务要求有问必答，并能真正做到解决所有课程中遇到的问题。在原先每个班一个助教+一个班主任的配置下，调整为每个班2名助教+项目服务团队的模式，以确保快速、高质量的解决线上提问。

  • 出勤率和进度监督

    在课程持续期间，助教还需实时统计学员出勤情况，监督课堂纪律，跟进学习进度。除正常答疑外，服务团队会与班级同学保持沟通、给予正确指引，从而营造积极学习氛围。

  • 作业与测试

    在远程授课期间，每个课程会安排相关课后作业，确保同学课下能够进行适当练习，提升同学实时参与感、保证当日学习效果。除了作业，服务团队还会组织学员进行阶段性测试，以考试性质为主，主要考察学员对本阶段知识掌握程度。

来自业界的数据领袖团队

  • 张彦存

    自动化专业，曾从事C++开发、嵌入式开发、项目经理等工作。目前任课程主管，参与了多门数据挖掘、大数据分析相关课程及教材的设计与开发工作。熟悉数据挖掘、数据分析技术，擅长使用大数据技术去解决数据挖掘、数据分析等问题。熟悉ETL技术，熟悉各类数据的处理方法。

  • 徐杨老师

    英国Glasgow大学计量经济学毕业，师从Hisayuki Yoshimoto。主攻计量模型与算法，研究方向为复杂数据空间的模型参数识别与检验问题，对各种回归模型和机器学习模型有深入研究。曾就职于中国银行，中国社科院，长期从事算法研发工作，参与过多个大型经济数据分析项目。

  • 柯家媛

    CDA 专职讲师，人大硕士，5年安防数据分析和处理经验，曾就职于跨境电商外企，负责CRM 处理, 擅长的技术包括Excel，Tableau，SQL，R。目前任职CDA 数据分析研究院SQL 讲师，负责数据库课程研发与授课。

几乎所有行业

都稀缺独当一面的CDA数据分析师®人才

在招聘市场上，越来越多的企业要求持CDA数据分析师®证书

GROWN

开启数据科学家成长之路

考核通过后，可获得CDA数据分析师中英文双证书，其中中文证书由中国成人教育协会数据分析教育培训专业委员会监制，英文证书由CDA INSTITUTE 认证。
“CDA数据分析师认证”是一套科学化，专业化，国际化的人才考核标准，共分为CDA LEVELⅠ ，LEVEL Ⅱ，LEVEL Ⅲ三个等级，涉及行业包括互联网、金融、咨询、电信、零售、医疗、旅游等，涉及岗位包括大数据、数据分析、市场、产品、运营、咨询、投资等。该标准符合当今全球数据科学技术潮流，可以为各行业企业和机构提供数据人才参照标准。

  • CDA LEVEL I

    人人皆需的职场数据思维与通用数据技能

    面向范围

    • 零基础就业转行者、应届毕业生
    • 产品、运营、营销等业务岗与研发、技术岗在职者
    • 企业创始人、经理人、管理咨询类岗位从业者

    岗位去向

    商业（业务）分析师初级数据分析师
    （数据）产品运营（数字）市场营销
    数据专员...

    考试大纲

    考试报名

  • CDA LEVEL II

    企业数字化发展中必备的数据分析流程与技能

    面向范围

    • 产品、运营、营销等业务部门与研发、中台、技术类部门数据分析相关岗位在职者
    • 数字化转型企业创始人与数字化流程中相关负责人

    岗位去向

    数据分析师（数据）产品运营经理
    （数字）营销经理风控建模分析师
    量化策略分析师数据治理（质量）...

    考试大纲

    考试报名

  • CDA LEVEL III

    企业数字化发展中必备的高级数据分析方法与技术

    面向范围

    • 业务岗与技术岗从事数据分析、数据挖掘、机器学习等技术在职提升者
    • 从事算法科学、深度学习等工作的科研人员、分析师与工程师等

    岗位去向

    高级数据分析师机器学习工程师
    算法工程师数据科学家
    首席数据官...

    考试大纲

    考试报名

EXAM

CDA认证报考开放化

CDA认证LEVELⅠ 对于考生的学历、专业、技能等没有限制性报考条件，在与全球计算机化考试服务商Pearson VUE达成深度合作后LEVELⅠ更是随报随考机制。
查看CDA认证报考流程 

VALUE

CDA证书的价值

  • 共识性CONSENSUS
    CDA数据分析师标准由中国成人教育协会数据分析教育培训专业委员会监制，国际范围内的数据科学领域的行业专家、学者及知名企业共同制定并于每年更新，逐步推动数据人才标准的行业共识。
  • 专业性speciality
    CDA认证是根据数据科学专业岗位设立的科学化，专业化，国际化的人才考核标准。考试与国际知名考试服务机构Pearson VUE合作，随报随考、专家命题、评分公平、流程严格，更具含金量。
  • 权益性rights
    CDA持证人自动纳入为CDA会员并享有系列特殊权益。证书皆绑定考生真实身份，可在CDA认证考试中心查询，证书确保唯一性与防伪性，持证人还可获得电子徽章，加入到Linkedin个人档案中。证书三年审核一次，保证持证人的实力与权益。

RIGHTS

CDA持证人的权益

  • 会员资格

    吸纳为CDA Institute、CDA数据分析师俱乐部会员，活动中具有优先报名参与权

  • 职业发展

    可优先获得CDA内部就业及职业发展推荐

  • 免费CDA活动

    免费参与CDAS行业峰会等各项活动，CDA持证人享受特权位置

  • 兼职机会

    有机会加入CDA数据分析教学、研发等项目

  • 黄金会员

    免费享有AIU人工智能学院1个月黄金会员，内含国外前沿数据科学学习等海量资源

  • 免费资源

    经管之家论坛学习资源、优秀文献资料免费下载权

  • Q: AI 与数据基础：理解应用的组成

    A:学习提示词设计、生成式 AI、深度学习与 Transformer 基本原理；学习 MySQL 查询、窗口函数、JSON 与数据架构基础，以及 Python 数据类型、控制流、函数和 AI 辅助编程。进一步理解大模型 API、多轮对话、流式输出与本地部署的基本方法。

  • Q: 智能体开发：让模型有工具、有步骤

    A: 学习工作流与 ReAct 任务机制、工具调用和任务规划，理解上下文管理、状态记录、检查点与失败恢复；练习 Skill 可复用能力、MCP 外部工具接入、模型接口与服务封装，并关注运行追踪、成本和人机协作。

  • Q: 企业知识库：让回答与资料建立联系

    A: 学习文档解析、切分与向量化，以及检索、召回、重排和答案生成控制。这条路径通常称为 RAG，即检索增强生成。课程进一步训练测试问题集、评估维度和版本回归，帮助判断“是否找到了合适资料”“回答是否解决问题”，并据此优化应用。

  • Q: 项目成果：展示应用，也展示验证过程

    A: 课纲中的部分大项目可整理为个人作品。库存综合项目可以展示数据处理、指标、看板和报告；已完成的知识问答或智能体成果，可以结合业务场景、功能演示、工具调用过程和测试记录进行整理。作品同时呈现实现方法与验证依据，有助于说明自己的应用能力。

CDA教育闭环

常见问题

关于我们

CDA数据分析师公众号

  • CDA数据分析师公众号

CDA考试中心小程序

  • CDA考试中心服务号

CDA数据分析师App下载

  • CDA数据分析师App下载
Copyright © 2015-2021, www.cda.cn All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备11001960号-9 京公网安备 11010802034615号 经营许可证编号：京B2-20210330
联系电话：13321103290 (微信同号)

OK
客服在线
立即咨询