大數(shù)據(jù)分析已廣泛應(yīng)用于各個(gè)領(lǐng)域，無論是國(guó)家政府部門、企事業(yè)單位，大數(shù)據(jù)分析都是進(jìn)行決策和制作決定的重要環(huán)節(jié)。能夠掌握數(shù)據(jù)分析基本原理與一些有效的數(shù)據(jù)分析方法，并能靈活運(yùn)用到實(shí)踐工作中，對(duì)于開展數(shù)據(jù)分析起著至關(guān)重要的作用。能夠運(yùn)用圖表有效表達(dá)數(shù)據(jù)分析師的分析觀點(diǎn)，使分析結(jié)果一目了然。圖表的設(shè)計(jì)是門大學(xué)問，如圖形的選擇、版式的設(shè)計(jì)、顏色的搭配等等，都需要掌握一定的設(shè)計(jì)原則。
秦路-數(shù)據(jù)分析入門145講課程目錄：
章節(jié)1： 如何七周成為數(shù)據(jù)分析師  課時(shí)1：為什么需要七周  課時(shí)2：七周應(yīng)該怎么學(xué)章節(jié)2： 第一周：數(shù)據(jù)分析思維  課時(shí)3：為什么思維重要  課時(shí)4：數(shù)據(jù)分析的三種核心思維（結(jié)構(gòu)化）  課時(shí)5：數(shù)據(jù)分析的三種核心思維（公式化）  課時(shí)6：數(shù)據(jù)分析的三種核心思維（業(yè)務(wù)化）  課時(shí)7：數(shù)據(jù)分析的思維技巧（象限法）  課時(shí)8：數(shù)據(jù)分析的思維技巧（多維法）  課時(shí)9：數(shù)據(jù)分析的思維技巧（假設(shè)法）  課時(shí)10：數(shù)據(jù)分析的思維技巧（指數(shù)法）  課時(shí)11：數(shù)據(jù)分析的思維技巧（二八法）  課時(shí)12：數(shù)據(jù)分析的思維技巧（對(duì)比法）  課時(shí)13：數(shù)據(jù)分析的思維技巧（漏斗法）  課時(shí)14：如何在業(yè)務(wù)時(shí)間鍛煉數(shù)據(jù)分析思維章節(jié)3： 第二周：業(yè)務(wù)  課時(shí)15：為什么業(yè)務(wù)重要  課時(shí)16：經(jīng)典的業(yè)務(wù)分析指標(biāo)  課時(shí)17：市場(chǎng)營(yíng)銷指標(biāo)  課時(shí)18：產(chǎn)品運(yùn)營(yíng)指標(biāo)  課時(shí)19：用戶行為指標(biāo)  課時(shí)20：電子商務(wù)指標(biāo)  課時(shí)21：流量指標(biāo)  課時(shí)22：怎么生成指標(biāo)  課時(shí)23：如何建立業(yè)務(wù)分析框架  課時(shí)24：市場(chǎng)營(yíng)銷模型  課時(shí)25：AARRR模型  課時(shí)26：用戶行為模型  課時(shí)27：電子商務(wù)模型  課時(shí)28：流量模型  課時(shí)29：如何應(yīng)對(duì)各類業(yè)務(wù)場(chǎng)景  課時(shí)30：如何應(yīng)對(duì)各類業(yè)務(wù)場(chǎng)景（小練習(xí)）  課時(shí)31：數(shù)據(jù)化管理業(yè)務(wù)章節(jié)4： 第三周：Excel  課時(shí)32：為什么要學(xué)習(xí)Excel  課時(shí)33：文本清洗函數(shù)  課時(shí)34：常見的文本清洗函數(shù)練習(xí)  課時(shí)35：關(guān)聯(lián)匹配函數(shù)  課時(shí)36：邏輯運(yùn)算函數(shù)  課時(shí)37：計(jì)算統(tǒng)計(jì)函數(shù)  課時(shí)38：時(shí)間序列函數(shù)  課時(shí)39：Excel的常見技巧  課時(shí)40：Excel工具（1）,課時(shí)123：Python 練習(xí)（1）  課時(shí)124：Python 練習(xí)（2）  課時(shí)125：Python 練習(xí)（3）  課時(shí)126：Python 練習(xí)（4）  課時(shí)127：Python 練習(xí)（5）  課時(shí)128：Python 練習(xí)（6）  課時(shí)129：Python 練習(xí)（7）  課時(shí)130：Python 練習(xí)（8）  課時(shí)131：Python 練習(xí)（9）  課時(shí)132：Python 可視化（1）  課時(shí)133：Python 可視化（2）  課時(shí)134：Python 可視化（3）  課時(shí)135：Python 可視化（4）  課時(shí)136：Python 可視化（5）  課時(shí)137：Python 可視化（6）  課時(shí)138：Python 可視化（7）  課時(shí)139：Python 可視化（8）  課時(shí)140：Python seaborn 01  課時(shí)141：Python seaborn 02  課時(shí)142：Python seaborn 03  課時(shí)143：Python Seaborn 04  課時(shí)144：Python Seaborn 05  課時(shí)145：Python seaborn 06  課時(shí)146：python superset 01  課時(shí)147：Python superset 02  課時(shí)148：Python superset 03  課時(shí)149：Python superset 04  課時(shí)150：Python superset 05,章節(jié)8： 第七周：Python  課時(shí)92：入門  課時(shí)93：數(shù)據(jù)類型  課時(shí)94：變量  課時(shí)95：列表  課時(shí)96：列表進(jìn)階  課時(shí)97：字典  課時(shí)98：集合  課時(shí)99：控制流  課時(shí)100：Python控制流循環(huán)  課時(shí)101：Python循環(huán)進(jìn)階  課時(shí)102：Python函數(shù)  課時(shí)103：高階函數(shù)  課時(shí)104：第三方包  課時(shí)105：numpy  課時(shí)106：Python series  課時(shí)107：dataframe  課時(shí)108：Python dataframe查找  課時(shí)109：read_csv  課時(shí)110：計(jì)算  課時(shí)111：Python groupby  課時(shí)112：Python Pandas關(guān)聯(lián)  課時(shí)113：Python Pandas 多重索引  課時(shí)114：Python Pandas 文本函數(shù)  課時(shí)115：Python Pandas 去重  課時(shí)116：Python Pandas apply  課時(shí)117：Python Pandas 聚合 apply  課時(shí)118：Python Pandas 數(shù)據(jù)透視  課時(shí)119：Python 連接數(shù)據(jù)庫(kù)  課時(shí)120：Python連接數(shù)據(jù)庫(kù)2  課時(shí)121：Python 連接數(shù)據(jù)庫(kù)3  課時(shí)122：Python 練習(xí) markdown