课程介绍：
CDA商业策略分析LevelⅡ：策略优化
人工智能时代，技术能力和分析模型成为企业优化经营策略的必备手段，也是业务领导决策者赢取更好业绩的有力抓手。
模板教学
教你用可落地、易操作的数据科学思维和运营模板来优化企业决策，平衡成本收益，创造更多价值。
技术提升
聚焦策略分析技术及企业常用的建模方法，让业务决策有规律可循，有方法可依。
工具应用
课程中安排了每个分析方法的SQL与Python实现，并根据输出的结果分析业务需求，为进行合理、有效的策略优化提供数据支撑。
案例实战
课程涉及大量企业项目案例：精准营销预测、营销策略优化、客户行为分析等。
课程收获：
熟练掌握数据挖掘全流程的Python实操，*括数据清洗算法、统计建模、数据建模、数据可视化等
熟练掌握Python统计分析算法与实践，*括统计分析、统计模型、数据治理
灵活使用统计分析算法解决各行业的业务问题，通过策略优化和精准预测来解决运营、产品、营销方面的问题
课程内容：
1章预习课（录播）-数据库SQL
1-1数据库基本概念
1-2DDL数据定义语言
1-3DML数据操作语言
1-4单表查询
1-5多表查询
1-6Python连接SQL
2章预习课（录播）
2-1Python编程基础，Numpy
2-2Python标准数据类型
2-3控制流语句
2-4自定义函数
2-5异常和错误
2-6类与面向对象编程
2-7Numpy数组操作
2-8用Python做数据分析，必会的库Pandas
2-9用Pandas做数据清洗与数据探索
2-10Python数据可视化库（Matplotlib，Seaborn）
3章数学与统计学基础
3-1线性代数
3-2微积分
3-3描述性统计
3-4参数估计
3-5假设检验
3-6相关分析
3-7卡方分析
3-8一元线性回归理论推导
4章商业策略分析(Level 2)第1周-SQL
4-1数据库MySQL语句与实战
4-2Python连接SQL数据库
4-3SQL使用案例
4-4零售电商多表分析案例
5章商业策略分析(Level 2)第1周-指标体系与统计分析可视化
5-1分析基础-数据分析的概念、过程、能力
5-2指标体系的意义与构建
5-3常用指标体系示例
5-4统计分析可视化
5-5企业经营分析-指标体系
6章商业策略分析(Level 2)第2周-Pandas
6-1Python基础与数据清洗可视化回顾
6-2Python实操案例
6-3教育行业分析-学校学科教育可视化案例
6-4数据分析师岗位需求-lagou数据处理及分析案例
7章商业策略分析(Level 2)第2周-方差分析，线性回归
7-1统计分析（相关分析，方差分析）
7-2线性回归（建立模型和模型检验）
7-3识别分析-用户支出影响因素分析案例
8章商业策略分析(Level 2)第3周-逻辑回归，主成分分析
8-1逻辑回归（模型的建立与估计
8-2模型评估
8-3分类与回归的结合
8-4信息压缩-主成分分析与因子分析（数据降维）
8-5用户流失分析-员工流失预警案例
8-6因子分析-城市发展水平综合分析
9章商业策略分析(Level 2)第3周-标签体系与用户画像
9-1标签体系的设计原理
9-2用户标签的制作方法
9-3客群分析-标签体系与用户画像
9-4AB test-应用最广泛的对比分析方法
9-5应用用户画像-美国某企业用户画像实战案例
10章商业策略分析(Level 2)第4周-时间序列
10-1时间序列分析（ARIMA算法）
10-2Box-Jenkins建模流程
10-3时间序列回归
10-4销售额预测-线上平台销售额预测实战案例
11章商业策略分析(Level 2)第4周-数据采集与处理，数据管理
11-1数据采集处理方法（数据采集，数据录入，数据预处理）
11-2数据管理（数据分类，数据建模，数据仓库和ETL）
11-3产品目标人群分析-市场数据的应用案例
12章商业策略分析(Level 2)第5周-聚类分析，决策树应用
12-1层次聚类
12-2Kmeans聚类
12-3聚类分析评价方法-决策树应用
12-4用户分群-零售行业运营案例
13章商业策略分析(Level 2)第5周-数字化*方法，最优化方法
13-1数字化*方法
13-2运筹优化方法（线性规划与二次优化，基于业务流程的优化）
13-3数字化运营综合案例-某机构营销响应概率预测与风险预测案例
14章商业策略分析(Level 2)第6周-数据接入与大数据平台
14-1分布式存储与计算
14-2Spark与Flink*原理
14-3使用PySpark实现分布式计算
14-4数据接入策略与调度工具
15章CDA认证考试辅导（仅限报名考试的学生）
15-1数据基本概念
15-2指标体系
15-3标签体系与用户画像
15-4数据采集与处理
15-5数据模型管理
15-6统计分析
15-7数据分析模型与应用
15-8数字化*方法与应用
16章拓展选修课
16-1数字化运营
16-2数据产品经理
16-3Python爬虫
16-4深度学习之图像识别
16-5Tableau多维可视化分析
16-6 SPSS统计分析
