150万数据人才缺口红利，能否掌握先机？

“为什么要学习数据分析？如果想找一个拥有大量需求的职业，需要为一些越来越常见以及廉价的东西提供稀缺且附带额外价值的服务。什么东西正变得越来越常见和廉价？数据。什么是为数据提供稀缺且附带额外价值的服务？分析”

进入大数据时代，阿里巴巴、腾讯、百度、滴滴出行、美团等科技行业领袖都急需一批能读懂数据、用数据做出关键决策和正确决策的分析人才。掌握数据分析技能，让拥有决策话语权，从激烈竞争中脱颖而出。 LinkedIn 预测，未来 3-5 年内大数据人才缺口将高达150万，目前数据分析1-3年工作经验者月收入可达10-25K。

人才红利窗口往往转瞬即逝，抓住先机，就能改变世界，改变的未来。

大数据进阶——人才培养计划

深入学习数据清洗、探索性分析和可视化进阶，成为年薪超过30万的专业数据分析师，用数据做出超前的商业决策。

先修知识

需要有使用 SQL 和 Python 做数据分析的经验，对统计学有基本了解。如缺少先修知识，建议先学习《大数据基础》，打好先修基础。

·         第 1 部分：用 Python 进行简单数据分析

复习和巩固如何使用 Python 进行数据分析的基本流程。

实战项目 1：揭秘电商促销制胜因素

根据电商促销数据，分析影响促销结果的因素，复习从提问到可视化的分析流程，并找到隐藏在文字和数据中的促销制胜因素！

熟练使用 Python，能胜任 90% 互联网企业的数据分析工作

·         第 2 部分：使用统计学做验证

复习巩固概率论、贝叶斯定理、描述统计学、假设检验基础，以及运用 Python 编写函数和调用 Python 库的能力。

实战项目 2：验证电商销售假设

使用描述性统计和假设检验，分析电商数据，提出自己的假设，阐述对数据的理解，并通过统计推论得出结论。

·         第 3 部分：数据清洗

深入掌握如何从本地文件、API、互联网等不同来源收集数据，并进行有效清洗；使用 Pandas 评估数据，最后使用 Python 清洗和校验。

实战项目 3：清洗和分析 5000 条产品评分

从评价产品的电商 “脏“数据中，评估数据质量和整洁度，进行清洗、分析和可视化，最终得出自己的结论！

数据清洗往往是真实世界分析工作中占比最多的一步！

·         第 4 部分：探索性数据分析

了解什么是探索性数据分析，并从配置环境开始，逐步掌握用 R 实现探索性数据分析和可视化。最后进行价格分析实战，巩固学到的内容。

实战项目 4：探索分析红酒品质数据

使用 R 分析“都有什么在影响葡萄酒评分”问题，并得出属于自己的结论。

·         第 5 部分：数据可视化：用数据来讲故事

深入了解数据可视化的重要性，包括不同的数据类型编码方式：色彩、形状、大小等；熟练掌握 Tableau 基本功能，实现生动有力的数据可视化。

运用 Tableau，可视化电商用户数据中的趋势，做到熟练应用可视化，还将学会如何利用视觉编码实现效果良好的展示。