6年口碑积累，120+小时超丰富内容体系大课！数据分析课程完整涵盖“全数分工具+数据清洗+业务分析+BI可视化+Python数据分析+机器学习+企业级实战案例+数据分析报告+前沿AI工具”【9大模块】精讲精析，零基础直达【AI数据分析师】岗位能力要求，转行&就业&晋升一步到位！
资源目录：
01_01-数据分析思维是什么_ev.mp4
02_02-拥有数据分析的具体表现_ev.mp4
03_03-如何培养自己的数据思维_ev.mp4
04_04-数字、数据、数据分析_ev.mp4
05_05-数据分析在企业中的地位_ev.mp4
06_06-数据分析师的日常工作_ev.mp4
07_07-数据分析的价值及必备能力_ev.mp4
08_08-Excel2016的安装教程_视频_ev.mp4
09_09-Tableau安装教程_视频_ev.mp4
10_10-MySQL8.0-的安装教程_视频_ev.mp4
11_11-Python的安装教程_视频_ev.mp4
12_12-数据分析师为什么需要Excel_ev.mp4
13_13-重新认识Excel_ev.mp4
14_14.1-Excel的基本操作_01_ev.mp4
15_14.2-Excel的基本操作_02_ev.mp4
16_14.3-Excel的基本操作_03_ev.mp4
17_15.1-Excel的数据处理_01_ev.mp4
18_15.2-Excel的数据处理_02_ev.mp4
19_16-Excel的基本公式_ev.mp4
20_17.1-Excel的常用函数_01_ev.mp4
21_17.2-Excel的常用函数_02_ev.mp4
22_17.3-Excel的常用函数_03_ev.mp4
23_17.4-Excel的常用函数_04_ev.mp4
24_18-查找引用函数：VLOOKUP.OFFSET.MATCH.INDEX_ev.mp4
25_19.1-Excel可视化_饼图&折线图_ev.mp4
26_19.2-Excel可视化_条形图&散点图_ev.mp4
27_19.3-Excel可视化_气泡图&雷达图&组合图_ev.mp4
28_19.4-Excel可视化_对称比较图&瀑布图_ev.mp4
29_19.5-Excel可视化_漏斗图&增维分析&动态图表_ev.mp4
30_19.6-Excel可视化_商业图表_ev.mp4
31_20-数据透视表_ev.mp4
32_21【实操】使用Excel制作数据分析监控日报_ev.mp4
33_22.1-【案例】使用Excel进行零售分析_01_ev.mp4
34_22.2-【案例】使用Excel进行零售分析_02_ev.mp4
35_22.3-【案例】使用Excel进行零售分析_03_ev.mp4
36_23.1【案例】使用Excel搭建RFM模型_01_ev.mp4
37_23.2【案例】使用Excel搭建RFM模型_02_ev.mp4
38_24-Tableau简介&工作区介绍_ev.mp4
39_25-Tableau简单图形绘制_ev.mp4
40_26-Tableau仪表板、故事的创建_ev.mp4
41_27.1【案例】进行靠谱投资01_投资概况_ev.mp4
42_27.2【案例】进行靠谱投资02_投资风向及回报分析_ev.mp4
43_27.3【案例】进行靠谱投资03_评估投资回报&探索投资模式_ev.mp4
44_28.1【案例】优秀电影的制作01_ev.mp4
45_28.2【案例】优秀电影的制作02_ev.mp4
46_28.3【案例】优秀电影的制作03_ev.mp4
47_29.1【案例】畅想世界旅行_01_ev.mp4
48_29.2【案例】畅想世界旅行_02_ev.mp4
49_30-数据库的基本介绍_ev.mp4
50_31-MySQL基础知识：数据类型_ev.mp4
51_32-MySQL基础知识：约束条件_ev.mp4
52_33-MySQL的数据写入：手工建表_ev.mp4
53_34-MySQL的数据导入：批量导入数据_ev.mp4
54_35.1-MySQL的数据查询功能_01_ev.mp4
55_35.2-MySQL的数据查询功能_02_ev.mp4
56_35.3-MySQL的数据查询功能_03_ev.mp4
57_36-基于CASE-WHEN的常用查询_ev.mp4
58_37-几种常见的嵌套查询（子查询）_ev.mp4
59_38-开窗函数_ev.mp4
60_39-单表查询练习：彩票数据核对_ev.mp4
61_40-复杂的多表查询_ev.mp4
62_41-多表查询练习：电商数据查询_ev.mp4
63_42-数据库的增删改操作_ev.mp4
64_43【加餐1】高效查询方法_ev.mp4
65_44【加餐2】SQL进阶之路_ev.mp4
66_45-Python基础语法_ev.mp4
67_46-Python常用数据类型_ev.mp4
68_47-Python复合数据类型：列表、元组、字典、集合_ev.mp4
69_48-Python中的控制流语句_ev.mp4
70_49-Python中的函数_ev.mp4
71_50-异常与错误_ev.mp4
72_51-数据分析基础包Numpy_ev.mp4
73_52-Pandas读取外部数据的基本方法_ev.mp4
74_53-数据清洗：数据探索及数据处理_ev.mp4
75_54-数据清洗：文本数据的常用处理方法_ev.mp4
76_55-Python中的可视化图形绘制方法_ev.mp4
77_56【案例1】欧洲人口结构探索性分析_ev.mp4
78_57【案例2】熟食电商高价值用户挖掘_ev.mp4
79_58.1【案例3】QQ群聊天记录描述性分析_ev.mp4
80_58.2【案例3】QQ群聊天内容词云图_ev.mp4
81_PART1-数据分析师为什么要懂算法_ev.mp4
82_PART2-初识机器学习算法库Scikit-Learn_ev.mp4
83_PART3.1-sklearn建模流程及KNN算法原理_ev.mp4
84_PART3.2-使用sklearn实现KNN算法建模_ev.mp4
85_PART3.3-KNN算法调优：选取最优的K值_ev.mp4
86_PART3.4-KNN中距离的相关讨论：常用距离衡量方式、数据归一化_ev.mp4
87_PART3.5-数据处理的先后顺序及KNN算法优缺点_ev.mp4
88_PART4.1-无监督聚类算法及其应用场景_ev.mp4
89_PART4.2-Kmeans基本原理与sklearn实现_ev.mp4
90_PART4.3-KMeans聚类算法重要参数详解_ev.mp4
91_PART4.4-聚类算法的评估指标：簇内平方和&轮廓系数_ev.mp4
92_PART4.5-对比RFM分组效果与聚类效果_ev.mp4
93_PART4.6-使用极坐标图绘制不同分组的分布情况_ev.mp4
94_PART4.7-使用python对原数据集进行清洗并建模_ev.mp4
95_PART4.8-聚类算法在实际应用的注意事项_ev.mp4
96_PART4.9-使用聚类算法进行图像压缩_代码讲解_ev.mp4
97_PART4.10-使用聚类算法进行异常检测_代码讲解_ev.mp4
98_PART5.1-决策树是如何工作的_ev.mp4
99_PART5.2-CART分类树的建模流程_ev.mp4
100_PART5.3-使用sklearn实现决策树建模_ev.mp4
101_PART5.4-CART分类树的参数详解_ev.mp4
102_PART5.5-实例：泰坦尼克号幸存者的预测_ev.mp4
103_PART6.1-学习曲线&交叉验证_ev.mp4
104_PART6.2-sklearn中的网格搜索_ev.mp4
105_PART7.1-线性回归及其基本原理_ev.mp4
106_PART7.2-多元线性回归的实现及回归类模型评估指标_ev.mp4
107_PART7.3-实例：使用线性回归预测鲍鱼年龄_ev.mp4
108_PART7.4-线性回归改进算法：岭回归_ev.mp4
109_PART7.5-线性回归改进算法：LASSO_ev.mp4
110_PART7.6-非线性问题：线性模型在非线性数据上的表现_ev.mp4
111_PART7.7-非线性问题：多项式回归_ev.mp4
112_PART8.1-名为“回归”的分类器：逻辑回归_ev.mp4
113_PART8.2-逻辑回归在实际中的应用场景&优势_ev.mp4
114_PART8.3-sklearn中的逻辑回归重要参数详解_ev.mp4
115_PART8.4-使用sklearn实现逻辑回归_ev.mp4
116_PART8.5-二分类中的样本不均衡问题_ev.mp4
117_PART8.6-混淆矩阵及其衍生指标_ev.mp4
118_PART8.7-ROC曲线&AUC面积_ev.mp4
119_PART8.8-利用ROC曲线找出最佳阈值_ev.mp4
120_PART8.9-【案例1】使用逻辑回归完成社交网络广告推荐的预测_ev.mp4
121_PART8.10.1【案例2】数据概览及预处理_ev.mp4
122_PART8.10.2【案例2】标签探索：离职员工状况概览_ev.mp4
123_PART8.10.3【案例2】特征探索：员工满意度与离职之间的关系_ev.mp4
124_PART8.10.4【案例2】特征探索：最新考核评估&参与项目数_ev.mp4
125_PART8.10.5【案例2】特征探索：平均月工作时长&工作年限&工作事故_ev.mp4
126_PART8.10.6【案例2】特征探索：岗位&薪资水平_ev.mp4
127_PART8.10.7【案例2】特征工程&建模&模型调优_ev.mp4
128_PART9.1-集成学习主要研究领域及简单集成技术_ev.mp4
129_PART9.2-Bagging-VS-Boosting_ev.mp4
130_PART10.1-随机森林原理及sklearn实现_ev.mp4
131_PART10.2-弱评估器结构相关参数_ev.mp4
132_PART10.3-随机性相关参数及属性详解_ev.mp4
133_PART10.4-使用随机森林完成员工离职预测及调优_ev.mp4
134_PART11.1-Boosting算法的基本要素和基本流程_ev.mp4
135_PART11.2-梯度提升树的基本原理_ev.mp4
136_PART11.3-GBDT分类和回归的sklearn快速实现_ev.mp4
137_PART11.4-弱评估器数量相关参数及对模型的影响_ev.mp4
138_PART11.5-迭代过程相关参数：学习率&初始值参数_ev.mp4
139_PART11.6-GBDT的损失函数_ev.mp4
140_PART11.7-模型复杂度和不纯度衡量指标相关参数_ev.mp4
141_PART11.8-提前停止机制及相关参数_ev.mp4
142_PART11.9-GBDT的袋外数据_ev.mp4
143_PART11.10-GBDT的超参数优化_ev.mp4
144_PART12.1-学习XGBoost的四个层次_ev.mp4
145_PART12.2-XGBoost的安装与卸载_ev.mp4
146_PART12.3-XGBoost分类和回归的sklearn实现_ev.mp4
147_PART12.4-XGBoost重要参数详解：迭代过程相关参数_ev.mp4
148_PART12.5-XGBoost的弱评估器_ev.mp4
149_PART12.6-弱学习器的分枝&剪枝&随机性_ev.mp4
150_PART12.7-XGBoost性能相关参数及超参数优化_ev.mp4
151_PART13-机器学习算法的模型选择问题_ev.mp4
152_【业务模型】01-业务分析模型概览_ev.mp4
153_【业务模型】02-初学者如何学习业务分析方法_ev.mp4
154_【业务模型】3.1-对比分析法_ev.mp4
155_【业务模型】3.2-多维度拆解_ev.mp4
156_【业务模型】3.3-漏斗分析法_ev.mp4
157_【业务模型】3.4-公式拆解法_ev.mp4
158_【业务模型】3.5-矩阵分析法_ev.mp4
159_【业务模型】04-数据涨跌异动如何处理？_ev.mp4
160_【业务模型】5.1-用户行为序列分析_ev.mp4
161_【业务模型】5.2-用户行为路径分析_ev.mp4
162_【业务模型】5.3-用户行为分析常用工具_ev.mp4
163_【业务模型】5.4-用户留存分析_ev.mp4
164_【业务模型】5.5-同期群分析_ev.mp4
165_【业务模型】5.6【实操】使用python完成同期群分析_ev.mp4
166_【业务模型】5.7.1-用户画像的两种概念_ev.mp4
167_【业务模型】5.7.2-为什么要分析用户画像_ev.mp4
168_【业务模型】5.7.3-不同行业的用户画像应用_ev.mp4
169_【业务模型】5.7.4-用户画像体系搭建流程_ev.mp4
170_【业务模型】6.1.1-什么是RFM模型_ev.mp4
171_【业务模型】6.1.2-如何应用RFM模型_ev.mp4
172_【业务模型】6.1.3-实操：RFM模型的实操项目_ev.mp4
173_【业务模型】6.2.1-AARRR模型_ev.mp4
174_【业务模型】6.2.2-使用AARRR模型实现用户增长（以网易云音乐为例）_ev.mp4
175_【AB测试】01-AB测试的起源_ev.mp4
176_【AB测试】02-AB测试的基本定义_ev.mp4
177_【AB测试】03-AB测试在互联网巨头公司中的发展历程_ev.mp4
178_【AB测试】04-为什么互联网热衷于AB测试_ev.mp4
179_【AB测试】05-AB测试的实际应用场景_ev.mp4
180_【AB测试】06-字节跳动是如何应用AB测试的_ev.mp4
181_【AB测试】07【补充】AA测试_ev.mp4
182_【AB测试】08【补充】多变量测试_ev.mp4
183_【AB测试】09-AB测试基本流程：明确实验改动点、观测指标&计算样本量_ev.mp4
184_【AB测试】10-AB测试基本流程：流量的分割_ev.mp4
185_【AB测试】11-AB测试的基本流程：计算实验周期&灰度测试&结果评估_ev.mp4
186_【AB测试】12-AB测试的基本原理：假设检验_ev.mp4
187_【AB测试】13.1-AB测试面试常见角度_ev.mp4
188_【AB测试】13.2.1【面试题】请描述一下什么是AB-test_ev.mp4
189_【AB测试】13.2.2【面试题】AB测试的核心原理是什么？_ev.mp4
190_【AB测试】13.2.3【面试题】AB测试有哪些应用场景？_ev.mp4
191_【AB测试】13.2.4【面试题】是否接触过AB-test，请说说对AB测试的理解【滴滴】_ev.mp4
192_【AB测试】13.2.5【面试题】你怎么理解AB测试中的第一、二类错误？哪个更严重【阿里】_ev.mp4
193_【AB测试】13.3.1【面试题】为什么要做AB测试？有什么科学依据？_ev.mp4
194_【AB测试】13.3.2【面试题】AB测试成本很高，每个调整都需要做AB测试么_ev.mp4
195_【AB测试】13.4.1【面试题】AB测试的主要流程是什么？_ev.mp4
196_【AB测试】13.4.2【面试题】选择AB实验的样本时，需要注意什么【滴滴】_ev.mp4
197_【AB测试】13.4.3【面试题】简要介绍AB测试，并给出样本量计算公式【拼多多、携程】_ev.mp4
198_【AB测试】13.4.4【面试题】AB测试的实验周期如何选择？需要考虑哪些因素？_ev.mp4
199_【AB测试】13.4.5【面试题】如何进行合理的流量分割？_ev.mp4
200_【AB测试】13.4.6【面试题】如何验证你的改进办法有效果？【快手】_ev.mp4
201_【AB测试】13.4.7【面试题】请分析下AB测试的结果统计显著不等于实际显著，你怎么看？_ev.mp4
202_【AB测试】13.4.8【面试题】若AB测试中发现实验组核心指标明显优于对照组，能上线么_ev.mp4
203_【AB测试】13.5-【场景类面试题示例】如何设计和分析AB测试来决定某项新功能是否上线_ev.mp4
204_【AB测试】14.1-AB测试的完整业务流程_ev.mp4
205_【AB测试】14.2-AB测试的五大核心模块_ev.mp4
206_【AB测试】14.3-业界流行的AB测试架构实现方案_ev.mp4
207_【AB测试】15.1-应用实战：背景&AB测试流程_ev.mp4
208_【AB测试】15.2-应用实战：设计AB-test实验_ev.mp4
209_【AB测试】15.3-应用实战：数据分析&假设检验的Python实现_ev.mp4
210_【游戏氪金】Ch-0-前言：数据概况与案例导读_ev.mp4
211_【游戏氪金】Ch-1-游戏行业概览与游戏岗位招聘概况_ev.mp4
212_【游戏氪金】Ch-2-从流量到用户到变现：手游的运营流程_ev.mp4
213_【游戏氪金】Ch-3-甜蜜陷阱：你是如何一步步走向氪金的？_ev.mp4
214_【游戏氪金】Ch-4-数据技术辅助游戏运营的6大典型场景_ev.mp4
215_【游戏氪金】Ch-5.1-游戏数据的初步探索_ev.mp4
216_【游戏氪金】Ch-5.2-标签探索：游戏的经营状况与关键经营指标_ev.mp4
217_【游戏氪金】Ch-5.3-特征探索(1)：在线时长：用户流失状况监测_ev.mp4
218_【游戏氪金】Ch-5.3-特征探索(2)：偏度：游戏对新手玩家的友好程度_ev.mp4
219_【游戏氪金】Ch-5.3-特征探索(3)：游戏平衡性：氪金与战斗优势_ev.mp4
220_【游戏氪金】Ch-5.3-特征探索(4)：左偏带来长尾：谁是异常玩家？_ev.mp4
221_【游戏氪金】Ch-6.1-数据预处理：注册时间与氪金状况的关联_ev.mp4
222_【游戏氪金】Ch-6.2-模型选择，benchmark的建立_ev.mp4
223_【游戏氪金】Ch-6.3-特征工程(1)-根据业务模式新增特征_ev.mp4
224_【游戏氪金】Ch-6.3-特征工程(2)-达成建模所需的统计假设_ev.mp4
225_【游戏氪金】Ch-6.4-模型融合(1)-分类算法解决数据的偏态问题_ev.mp4
226_【游戏氪金】Ch-6.4-模型融合(2)-GBDT回归的预测与调优_ev.mp4
227_【异常检测】Ch-0-数据概况与案例导读_ev.mp4
228_【异常检测】Ch-1-电商的核心价值：更高的交易效率_ev.mp4
229_【异常检测】Ch-2-辨析电商交易模式：开放平台vs价值链整合_ev.mp4
230_【异常检测】Ch-3-淘宝vs京东：迥然不同的盈利模式_ev.mp4
231_【异常检测】Ch-4-异常订单检测：商家的帮手，平台的抓手_ev.mp4
232_【异常检测】Ch-5.1-数据预处理(1)：基本特征探索与缺失值处理_ev.mp4
233_【异常检测】Ch-5.2-数据预处理(2)：重复值与异常值处理_ev.mp4
234_【异常检测】Ch-6.1-特征工程(1)-建立benchmark，分割训练集与测试集_ev.mp4
235_【异常检测】Ch-6.2-特征工程(2)-基于时间与城市构建编码函数与特征衍生函数_ev.mp4
236_【异常检测】Ch-6.3-特征工程(3)-简单变量的处理，连续型变量的处理方法_ev.mp4
237_【异常检测】Ch-6.4-特征工程(4)-复杂离散型变量的特征衍生与编码_ev.mp4
238_【异常检测】Ch-7.1-建模与调参(1)-验证特征工程效果，解决样本不均衡问题_ev.mp4
239_【异常检测】Ch-7.2-建模与调参(2)-树的数量、学习率、控制过拟合_ev.mp4
240_【异常检测】Ch-7.3-建模与调参(3)-基于软投票的模型融合_ev.mp4
241_【用户流失】Part-1.1-业务背景与Kaggle平台使用方法介绍_ev.mp4
242_【用户流失】Part-1.2-数据字段解释与数据质量检验_ev.mp4
243_【用户流失】Part-1.3-字段类型转化与缺失值填补_ev.mp4
244_【用户流失】Part-1.4-异常值检测_ev.mp4
245_【用户流失】Part-1.5-相关性分析_ev.mp4
246_【用户流失】Part-1.6-数据探索性分析与可视化呈现_ev.mp4
247_【用户流失】Part-2.1-数据重编码：OrdinalEncoder过程-_ev.mp4
248_【用户流失】Part-2.2-数据重编码：OneHotEncoder过程_ev.mp4
249_【用户流失】Part-2.3-转化器流水线：ColumnTransformer过程_ev.mp4
250_【用户流失】Part-2.4-特征变换：数据标准化与归一化_ev.mp4
251_【用户流失】Part-2.5-连续变量分箱：等宽、等频与聚类分箱_ev.mp4
252_【用户流失】Part-2.6-连续变量分箱：目标编码与有监督分箱_ev.mp4
253_【用户流失】Part-2.7-逻辑回归机器学习流构建与训练_ev.mp4
254_【用户流失】Part-2.8-逻辑回归机器学习流超参数搜索调优_ev.mp4
255_【用户流失】Part-2.9-自定义sklearn评估器网格搜索_ev.mp4
256_【用户流失】Part-2.10-逻辑回归模型解释与特征系数解读_ev.mp4
257_【用户流失】Part-2.11-决策树模型训练与优化_ev.mp4
258_【用户流失】Part-2.12-决策树模型解释与结果解读_ev.mp4
259_【广告投放】Ch-1.1-广告&营销的本质_ev.mp4
260_【广告投放】Ch-1.2-4P营销理论：产品_ev.mp4
261_【广告投放】Ch-1.3-4P营销理论：价格_ev.mp4
262_【广告投放】Ch-1.4-4P营销理论：渠道与推广_ev.mp4
263_【广告投放】Ch-1.5-互联网公司如何靠流量致富？_ev.mp4
264_【广告投放】Ch-1.6-以抖音为例聊聊互联网企业的变现之路_ev.mp4
265_【广告投放】Ch-2.1-广告投放的目的、渠道、形式及计费方式_ev.mp4
266_【广告投放】Ch-2.2-如何衡量广告效果及优化广告策略_ev.mp4
267_【广告投放】Ch-3.1-在线教育发展历程_ev.mp4
268_【广告投放】Ch-3.2-在线教育已死？No，加时赛已开启_ev.mp4
269_【广告投放】Ch-3.3-行业洗牌：数据从业者机会何在？_ev.mp4
270_【广告投放】Ch-3.4-流量为王：在线教育的财富密码_ev.mp4
271_【广告投放】Ch-3.5-在线教育的广告投放流程_ev.mp4
272_【广告投放】Ch-3.6-在线教育广告投放案例分享（K12领域）_ev.mp4
273_【广告投放】Ch-4.1-数据指标体系的重要性及判断标准_ev.mp4
274_【广告投放】Ch-4.2-搭建指标体系的起点：理解业务_ev.mp4
275_【广告投放】Ch-4.3-搭建指标体系：定目标&理流程_ev.mp4
276_【广告投放】Ch-4.4-搭建指标体系：选指标&搭体系_ev.mp4
277_【广告投放】Ch-5.1-案例基本背景及数据情况_ev.mp4
278_【广告投放】Ch-5.2-【选学】互联网巨头们的数据库演变之路_ev.mp4
279_【广告投放】Ch-5.3-【选学】创建python与数据库之间的连接_ev.mp4
280_【广告投放】Ch-5.4【选学】将python中的DF数据导入数据库_ev.mp4
281_【广告投放】Ch-5.5【选学】使用pandas完成数据库数据的读取和更新_ev.mp4
282_【广告投放】Ch-5.6-数据分布情况及特征相关性分析_ev.mp4
283_【广告投放】Ch-6.1-特征探索：各渠道流量基本情况_ev.mp4
284_【广告投放】Ch-6.2-特征探索：渠道流量Top20分析_ev.mp4
285_【广告投放】Ch-6.3-特征探索：渠道质量Top20分析_ev.mp4
286_【广告投放】Ch-6.4-特征探索：投放总时间越长引流效果越好？_ev.mp4
287_【广告投放】Ch-6.5-特征探索：不同投放时间下，渠道的流量和质量表现_ev.mp4
288_【广告投放】Ch-6.6-特征探索：用户注册行为分析_ev.mp4
289_【广告投放】Ch-6.7-特征探索：用户停留时间分析_ev.mp4
290_【广告投放】Ch-6.8-特征探索：用户搜索行为分析_ev.mp4
291_【广告投放】Ch-6.9-特征探索：用户访问深度分析_ev.mp4
292_【广告投放】Ch-6.10-特征探索：广告卖点分析_ev.mp4
293_【广告投放】Ch-6.11-特征探索：广告物料分析_ev.mp4
294_【广告投放】Ch-6.12-特征探索：广告预算分析_ev.mp4
295_【广告投放】Ch-6.13-特征探索总结_ev.mp4
296_【广告投放】Ch-7.1-特征工程：数据预处理&编码&数据归一化_ev.mp4
297_【广告投放】Ch-7.2-聚类分析在实际工作中的应用_ev.mp4
298_【广告投放】Ch-7.3-建模分析：使用Kmeans聚类完成渠道分组_ev.mp4
299_【广告投放】Ch-7.4-分组结果的可视化展示_ev.mp4
300_【广告投放】Ch-7.5-业务应用：建模结果对业务的指导意义_ev.mp4
301_【数分报告】01-了解数据分析报告_ev.mp4
302_【数分报告】02-数据分析报告类型——日常分析报告_ev.mp4
303_【数分报告】03-数据分析报告类型——专题型分析报告_ev.mp4
304_【数分报告】04-数据分析报告类型——综合性分析报告_ev.mp4
305_【数分报告】05-数分报告元素——整体架构_ev.mp4
306_【数分报告】06-数分报告元素——标题_ev.mp4
307_【数分报告】07-数分报告元素——目录_ev.mp4
308_【数分报告】08-数分报告元素——分析背景&目的&思路_ev.mp4
309_【数分报告】09-数分报告元素——报告正文部分_ev.mp4
310_【数分报告】10-数分报告元素——结论与建议&附录_ev.mp4
311_【数分报告】11-数据分析报告制作流程_ev.mp4
312_【数分报告】12-数据分析竞赛信息【加餐】_ev.mp4
313_【数分报告】13-从0到1制作数据分析报告_ev.mp4
暂无评论内容