运用统计学分析方法构建实战模型分析方法，并同结合Python软件实现
精通基础的分类、回归、聚类方法，并结合案例应用
掌握数据分析在各行业的应用场景

"1章工具先导课
2章数字化工作保障机制-数据治理
3章数字化工作方法
4章数据采集方法
5章Python编程基础
6章Python数据探索、数据处理与可视化
7章Python探索分析综合案例
8章Pythont统计分析与运筹学基础
9章数据分析模型、算法与商业应用
10章标签体系与应用
11章行业综合项目实战
12章选修课"

1、统计类的数学知识
数学知识是数据分析人员的基本技能。
对于初级数据分析师来说，了解一些统计相关的基本内容，具备一定的公式计算能力是必要的，并且熟悉常用的统计模型算法。
高级数据分析人员必须具备统计模型知识，具备线性代数(主要是矩阵计算)知识。
对于数据挖掘工程师来说，除了统计，各种算法也需要熟练运用，对数学的要求是最高的。
2、方便的工具
对于初级数据分析师来说，必须懂得使用Excel，必须使用数据透视表和公式，最好使用VBA。另外，还应该学习统计分析工具，SPSS对于入门者来说是一个不错的选择。
对于高级数据分析师来说，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少熟练使用其中一种，其他分析工具(如Matlab)视情况而定。
对于数据挖掘工程师来说，会使用Excel就行，但主要的工作是写代码。
3、Python语言
对于初级数据分析师来说，如果需要，可以编写SQL查询、Hadoop和Hive查询。
对于高级数据分析人员来说，除了SQL之外，还需要学习Python，以便用一半的精力获取和处理数据。其他编程语言也可用。
对于数据挖掘工程师来说，Hadoop应该是熟悉的，Python/Java/ c++至少应该熟悉一个，Shell应该能够使用。总之，编程语言是数据挖掘工程师的核心竞争力。
4、业务理解
业务理解是数据分析师所有工作的基础。数据获取方案、指标的选择，甚至对最终结论的洞察，都取决于数据分析师对业务本身的理解。
对于初级数据分析师来说，主要的工作是提取数据并做一些简单的图表，以及少量的洞察性结论，对业务有基本的了解。
对于高级数据分析师来说，需要对业务有更深入的了解，并能够基于数据提取有效的视图，这对实际业务是有帮助的。
对于数据挖掘工程师来说，对业务有一个基本的了解是可以的，但是重点仍然需要放在开发技术能力上。
5、逻辑思维
理工科的人都具有较好的思维能力。
对于初级数据分析师来说，逻辑思维主要体现在数据分析过程中每一步的目的性，知道需要使用什么样的手段，想要达到什么样的目标。
对于高级数据分析师来说，逻辑思维主要体现在建立一个完整有效的分析框架，理解分析对象之间的相关性，理解每一个指标变化的因果关系，从而对业务产生影响。
对于数据挖掘工程师来说，逻辑思维不仅体现在与业务相关的分析工作中，还包括算法逻辑、程序逻辑等，所以对逻辑思维的要求也是最高的。