人人都能学的数据分析

人人都能学的数据分析是什么资源？

《人人都能学的数据分析》是一套从零基础出发的数据分析入门课程，通过真实生活和职场案例帮助学习者理解数据价值。课程无需复杂数学背景，系统讲解数据、指标、统计思维及分析方法，并结合Excel等工具提升实操能力。学习后可帮助用户掌握将数据转化为业务洞察和决策依据的核心技能，适合提升职场竞争力。

谁需要这份技能课程资源？

适合没有数据分析基础、希望转型数据岗位或提升工作效率的职场人士。也适合学生、运营人员、管理者以及需要用数据辅助决策的人群。针对不会数学建模、不了解数据工具、面对大量信息难以提炼价值等痛点，提供循序渐进的学习路径。

为什么选择这份技能课程资源？

• 零基础友好，从生活化案例切入，降低数据分析学习门槛
• 系统讲解数据、指标、统计思维等核心基础知识
• 结合Excel等实用工具，培养解决实际问题的数据能力

👇 点击上方 支付下载 按钮即可获取完整资源

这份资源包含哪些具体内容？

资源目录为《人人都能学的数据分析》，包含第1周“走进数据分析”等课程内容。课程通过互联网数据分析导学、数据概念、统计指标等模块建立基础认知。已展示的视频文件包括“互联网数据分析通用课程-导学”“从互联网数据分析说起”“什么是数据”“什么是统计指标”等多个MP4教学视频。后续内容围绕集中趋势、离散趋势、分布形态、异常值识别等统计分析基础展开。整体采用分周学习结构，帮助用户逐步掌握数据分析方法。

└── 人人都能学的数据分析 (0个文件夹,0个文件)
    ├── 第1周 走进数据分析 (0个文件夹,0个文件)
    │   ├── 1-1 互联网数据分析通用课程-导学~1_.mp4 (10.2MB)
    │   ├── 1-2 从互联网数据分析说起~1_.mp4 (6.2MB)
    │   ├── 2-1 什么是数据~1_.mp4 (17.0MB)
    │   ├── 2-2 什么是统计指标~1_.mp4 (13.2MB)
    │   ├── 2-3 统计指标：集中趋势~1_.mp4 (13.1MB)
    │   ├── 2-4 统计指标：离散趋势~1_.mp4 (18.0MB)
    │   ├── 2-5 统计指标：分布形态~1_.mp4 (14.5MB)
    │   ├── 2-6 识别异常值~1_.mp4 (11.8MB)
    │   ├── 2-7 处理异常值~1_.mp4 (10.5MB)
    │   ├── 2-8 数据分析流程~1_.mp4 (21.0MB)
    │   └── 2-9 本章小结~1_.mp4 (4.2MB)
    ├── 第2周 Excel从入门到表格分析 (0个文件夹,0个文件)
    │   ├── 1-1 Excel基本功能_ev~1_.mp4 (25.3MB)
    │   ├── 1-2 文本函数_ev~1_.mp4 (43.7MB)
    │   ├── 1-3 数学函数_ev~1_.mp4 (30.9MB)
    │   ├── 1-4 处理重复数据_ev~1_.mp4 (47.5MB)
    │   ├── 1-5 拆分列数据_ev~1_.mp4 (33.8MB)
    │   ├── 1-6 数据排序和筛选_ev~1_.mp4 (62.0MB)
    │   ├── 2-1 逻辑函数_ev~1_.mp4 (22.1MB)
    │   ├── 2-2 条件聚合函数_ev~1_.mp4 (34.6MB)
    │   ├── 2-3 查找与引用函数_ev~1_.mp4 (24.4MB)
    │   ├── 2-4 数据透视表_ev~1_.mp4 (36.9MB)
    │   ├── 2-5 认识图表_ev~1_.mp4 (14.3MB)
    │   ├── 2-6 制作可视化图表_ev~1_.mp4 (93.9MB)
    │   ├── 2-7 大数据岗人才需求分析报告_ev~1_.mp4 (101.4MB)
    │   └── 2-8 本章小结_ev~1_.mp4 (3.8MB)
    ├── 第3周 从0开始学SQL (0个文件夹,0个文件)
    │   ├── 1-1 什么是SQL_ev~1_.mp4 (6.7MB)
    │   ├── 1-2 认识数据表结构_ev~1_.mp4 (9.0MB)
    │   ├── 1-3 MySQL安装及配置_ev~1_.mp4 (24.9MB)
    │   ├── 1-4 安装Navicat_ev~1_.mp4 (37.0MB)
    │   ├── 1-5 基础语法_ev~1_.mp4 (31.7MB)
    │   ├── 1-6 数据排序与筛选_ev~1_.mp4 (43.6MB)
    │   ├── 2-2 对数据进行分类汇总_ev~1_.mp4 (19.1MB)
    │   ├── 2-3 联表查询_ev~1_.mp4 (28.7MB)
    │   ├── 2-4 导出数据_ev~1_.mp4 (13.9MB)
    │   └── 2-5 本章小结_ev~1_.mp4 (3.6MB)
    ├── 第4周 数据可视化利器 Tableau (0个文件夹,0个文件)
    │   ├── 1-1 什么是Tableau_ev~1_.mp4 (18.3MB)
    │   ├── 1-2 安装Tableau_ev~1_.mp4 (31.3MB)
    │   ├── 1-3 准备数据_ev~1_.mp4 (33.1MB)
    │   ├── 1-4 构建图表_ev~1_.mp4 (67.0MB)
    │   ├── 1-5 创建仪表板_ev~1_.mp4 (16.6MB)
    │   ├── 1-6 创建故事_ev~1_.mp4 (9.7MB)
    │   ├── 1-7 保存与发布_ev~1_.mp4 (9.1MB)
    │   ├── 1-8 可视化练习：美妆产品销售分析_ev~1_.mp4 (67.3MB)
    │   └── 1-9 本周小结_ev~1_.mp4 (3.8MB)
    ├── 第5周 Python基础语法 (0个文件夹,0个文件)
    │   ├── 1-1 学习编程的几个建议_ev~1_.mp4 (12.2MB)
    │   ├── 1-2 什么是Python_ev~1_.mp4 (5.2MB)
    │   ├── 1-3 运行环境_ev~1_.mp4 (22.1MB)
    │   ├── 1-4 开发环境_ev~1_.mp4 (23.0MB)
    │   ├── 1-5 运算符_ev~1_.mp4 (18.3MB)
    │   ├── 2-1 数据类型_ev~1_.mp4 (25.9MB)
    │   ├── 2-2 数据容器_ev~1_.mp4 (62.6MB)
    │   ├── 2-3 条件判断语句：if、else、elif_ev~1_.mp4 (26.3MB)
    │   ├── 2-4 循环语句：for、while_ev~1_.mp4 (34.7MB)
    │   ├── 2-5 循环中止：break,continue_ev~1_.mp4 (34.1MB)
    │   ├── 2-6 编写一个函数_ev~1_.mp4 (49.9MB)
    │   ├── 2-7 练习：计算销售额_ev~1_.mp4 (36.7MB)
    │   └── 2-8 本章小结_ev(2)~1_.mp4 (4.3MB)
    ├── 第6周 Python实现网络爬虫 (0个文件夹,0个文件)
    │   ├── 1-1 什么是爬虫_ev~1_.mp4 (13.3MB)
    │   ├── 1-2 Requests库入门_ev~1_.mp4 (131.4MB)
    │   ├── 1-3 认识HTML网页结构_ev~1_.mp4 (137.4MB)
    │   ├── 1-4 BeautifulSoup库入门_ev~1_.mp4 (86.1MB)
    │   ├── 2-1 获取目标信息_ev~1_.mp4 (109.0MB)
    │   ├── 2-2 连续获取多个页面信息_ev~1_.mp4 (119.7MB)
    │   ├── 2-3 整合爬虫功能函数_ev~1_.mp4 (111.6MB)
    │   ├── 2-4 数据存储与代码优化_ev~1_.mp4 (144.9MB)
    │   ├── 3-1 通过API接口获取数据_ev~1_.mp4 (104.1MB)
    │   ├── 3-2 练习：爬取全部电影数据_ev~1_.mp4 (76.8MB)
    │   ├── 3-3 练习：爬取全部电影数据_ev~1_.mp4 (122.3MB)
    │   └── 3-4 本章小结_ev~1_.mp4 (5.5MB)
    ├── 第7周 更高效的数据处理与可视化绘图 (0个文件夹,0个文件)
    │   ├── 1-1 Pandas库入门_ev~1_.mp4 (63.0MB)
    │   ├── 1-2 什么是DataFrame_ev~1_.mp4 (64.9MB)
    │   ├── 1-3 案例介绍：电影数据分析_ev~1_.mp4 (25.5MB)
    │   ├── 2-1 读取数据_ev~1_.mp4 (21.1MB)
    │   ├── 2-2 清理数据重复值、缺失值、拆分_ev~1_.mp4 (116.0MB)
    │   ├── 2-3 数据运算：按年统计、时间聚合_ev~1_.mp4 (37.2MB)
    │   ├── 2-4 数据运：算多类型统计_ev~1_.mp4 (57.5MB)
    │   ├── 2-5 数据运算：评分统计_ev~1_.mp4 (39.6MB)
    │   ├── 2-6 排序与筛选_ev~1_.mp4 (31.1MB)
    │   ├── 3-1 练习1：各国每年电影产量_ev~1_.mp4 (145.6MB)
    │   ├── 3-2 练习3：电影语言频数统计_ev~1_.mp4 (45.3MB)
    │   ├── 3-3 练习2：各国评分数据_ev~1_.mp4 (55.5MB)
    │   ├── 3-4 练习：TOP电影排行榜_ev~1_.mp4 (38.7MB)
    │   ├── 3-5 本章小结_ev~1_.mp4 (3.3MB)
    │   ├── 4-1 Matplotlib入门_ev~1_.mp4 (57.5MB)
    │   ├── 4-2 什么是画布_ev~1_.mp4 (8.8MB)
    │   ├── 4-3 调整视觉元素_ev~1_.mp4 (39.7MB)
    │   ├── 5-1 直方图：电影年产量_ev~1_.mp4 (49.9MB)
    │   ├── 5-2 折线图：各国电影年产量_ev~1_.mp4 (77.2MB)
    │   ├── 5-3 饼图：电影语种统计_ev~1_.mp4 (51.3MB)
    │   ├── 5-4 散点图：评分分值与人数_ev~1_.mp4 (41.5MB)
    │   ├── 5-5 热力图：电影类型、评分、数量_ev~1_.mp4 (117.4MB)
    │   ├── 5-6 箱线图：每年电影评分变化_ev~1_.mp4 (46.3MB)
    │   ├── 5-7 词云图：电影类型频数统计_ev~1_.mp4 (85.7MB)
    │   ├── 5-8 案例2：豆瓣电影数据分析报告_ev~1_.mp4 (33.3MB)
    │   └── 5-9 本章小结_ev~1_.mp4 (4.5MB)
    ├── 第8周 初始互联网商业模式 (0个文件夹,0个文件)
    │   ├── 1-1 阶段引导：从数据分析工具，到商业分析思维_ev~1_.mp4 (12.2MB)
    │   ├── 1-2 互联网行业简介_ev~1_.mp4 (33.9MB)
    │   ├── 1-3 如何做行业分析_ev~1_.mp4 (18.4MB)
    │   ├── 1-4 市场规模：直播电商发展时间线_ev~1_.mp4 (128.6MB)
    │   ├── 1-5 市场规模：直播电商成交额_ev~1_.mp4 (116.0MB)
    │   ├── 1-6 竞争分析：波特五力模型_ev~1_.mp4 (19.4MB)
    │   ├── 1-7 价值链：直播生态产业图谱_ev~1_.mp4 (65.4MB)
    │   ├── 1-8 趋势预测：PEST分析法_ev~1_.mp4 (13.2MB)
    │   ├── 1-9 案例3：直播电商行业分析报告_ev~1_.mp4 (61.2MB)
    │   ├── 2-1 互联网岗位解析_ev~1_.mp4 (42.0MB)
    │   ├── 2-2 数据职能岗发展通道_ev~1_.mp4 (21.2MB)
    │   └── 2-3 本章小结_ev~1_.mp4 (4.5MB)
    ├── 第9周 解析数据指标体系 (0个文件夹,0个文件)
    │   ├── 1-1 用户生命周期、AARRR、RFM_ev~1_.mp4 (24.8MB)
    │   ├── 1-2 5W2H、逻辑树、AB测试_ev~1_.mp4 (15.8MB)
    │   ├── 1-3 SWOT、PEST、波特五力_ev~1_.mp4 (32.0MB)
    │   ├── 2-1 互联网业务分析指标一览_ev~1_.mp4 (38.3MB)
    │   ├── 2-2 拉新（获客）指标_ev~1_.mp4 (53.7MB)
    │   ├── 2-3 活跃指标_ev~1_.mp4 (29.7MB)
    │   ├── 2-4 留存指标_ev~1_.mp4 (120.2MB)
    │   ├── 2-5 转化（变现）指标_ev~1_.mp4 (45.4MB)
    │   ├── 2-6 传播指标：K因子_ev~1_.mp4 (40.0MB)
    │   ├── 2-7 案例4：搭建商业化指标体系_ev~1_.mp4 (50.5MB)
    │   └── 2-8 本章小结_ev~1_.mp4 (3.6MB)
    ├── 第10周 构建用户画像 (0个文件夹,0个文件)
    │   ├── 1-1 什么是流量_ev~1_.mp4 (12.7MB)
    │   ├── 1-2 拓展：流量数据指标_ev~1_.mp4 (35.4MB)
    │   ├── 1-3 大流量分析模型：波动、特征、预测_ev~1_.mp4 (8.4MB)
    │   ├── 2-1 案例：背景与目标_ev~1_.mp4 (7.8MB)
    │   ├── 2-2 利用Python预处理数据_ev~1_.mp4 (55.9MB)
    │   ├── 2-3 计算相关性指标_ev~1_.mp4 (42.5MB)
    │   ├── 2-4 数据标准化：Min-Max_ev~1_.mp4 (48.7MB)
    │   ├── 2-5 字符串分类：OneHot编码_ev~1_.mp4 (40.3MB)
    │   ├── 2-6 KMeans建模：利用轮廓系数确定K_ev~1_.mp4 (14.9MB)
    │   ├── 2-7 练习：最佳KMeans聚类模型_ev~1_.mp4 (111.2MB)
    │   ├── 2-8 聚类结果分析：样本量与占比_ev~1_.mp4 (82.1MB)
    │   ├── 2-9 聚类结果分析：特征均值、众数_ev~1_.mp4 (96.7MB)
    │   ├── 2-10 数值特征对比：雷达图_ev~1_.mp4 (121.6MB)
    │   ├── 2-11 案例6：基于Kmeans的广告效果聚类分析_001_ev~1_.mp4 (25.1MB)
    │   ├── 3-1 什么是漏斗分析模型_ev~1_.mp4 (23.0MB)
    │   ├── 3-2 漏斗分析有哪些应用场景_ev~1_.mp4 (15.6MB)
    │   ├── 3-3 用户下单流程分析_ev~1_.mp4 (34.0MB)
    │   ├── 3-4 案例7：利用Excel绘制转化漏斗图_ev~1_.mp4 (59.1MB)
    │   └── 3-5 本章小结_ev~1_.mp4 (6.2MB)
    ├── 第11周 用户引流与转化 (0个文件夹,0个文件)
    │   ├── 1-1 什么是用户画像_ev~1_.mp4 (17.2MB)
    │   ├── 1-2 数据标签系统：背景介绍_ev~1_.mp4 (66.2MB)
    │   ├── 1-3 数据标签系统：数据采集、埋点_ev~1_.mp4 (42.2MB)
    │   ├── 1-4 数据标签系统：构建用户画像_ev~1_.mp4 (59.9MB)
    │   ├── 1-5 练习：使用SQL提取用户数据_ev~1_.mp4 (44.0MB)
    │   ├── 1-6 数据标签系统：构建商品画像_ev~1_.mp4 (81.0MB)
    │   ├── 1-7 练习：使用SQL提取商品数据_ev~1_.mp4 (44.4MB)
    │   ├── 2-1 什么是RFM模型_ev~1_.mp4 (8.3MB)
    │   ├── 2-2 利用Excel计算R、F、M分值_ev~1_.mp4 (47.1MB)
    │   ├── 2-3 设置R、F、M评分标准_ev~1_.mp4 (38.0MB)
    │   ├── 2-4 计算R、F、M得分_ev~1_.mp4 (49.4MB)
    │   ├── 2-5 给用户贴标签_ev~1_.mp4 (66.7MB)
    │   ├── 2-6 RFM评分卡优化：使用K-Means进行数据分组_ev~1_.mp4 (89.2MB)
    │   ├── 2-7 模型展示与可视化_ev~1_.mp4 (52.7MB)
    │   ├── 2-8 案例5：基于RFM的用户精细化管理_ev~1_.mp4 (32.6MB)
    │   └── 2-9 本章小结_ev~1_.mp4 (5.7MB)
    ├── 第12周 分析消费行为 (0个文件夹,0个文件)
    │   ├── 1-1 什么是消费行为_ev~1_.mp4 (17.1MB)
    │   ├── 1-2 消费行为模式的变迁_ev~1_.mp4 (30.5MB)
    │   ├── 2-1 案例说明：某电商交易数据_ev~1_.mp4 (59.8MB)
    │   ├── 2-2 趋势分析：金额、频次、人数、产品数_ev~1_.mp4 (41.8MB)
    │   ├── 2-3 趋势分析：销售额 vs 产品数_ev~1_.mp4 (53.7MB)
    │   ├── 2-4 趋势分析：消费时间段偏好_ev~1_.mp4 (74.9MB)
    │   ├── 2-5 个体分析：消费金额_ev~1_.mp4 (38.2MB)
    │   ├── 2-6 个体分析：消费频次、商品数_ev~1_.mp4 (41.4MB)
    │   ├── 2-7 商品分析：销售情况、价格分布_ev~1_.mp4 (59.8MB)
    │   ├── 2-8 使用SQL计算复购率_ev~1_.mp4 (71.3MB)
    │   ├── 2-9 使用SQL计算回购率_ev~1_.mp4 (75.9MB)
    │   ├── 3-1 使用SQL计算头部用户贡献额_ev~1_.mp4 (81.6MB)
    │   ├── 3-2 使用SQL用户平均购买周期_ev~1_.mp4 (56.0MB)
    │   └── 3-3 案例8：基于电商的用户消费行为分析_ev~1_.mp4 (20.0MB)
    ├── 第13周 预售销售额、调整运营策略 (0个文件夹,0个文件)
    │   └── 第13周 预售销售额、调整运营策略 (0个文件夹,0个文件)
    │       └── 第13周 预售销售额、调整运营策略 (0个文件夹,0个文件)
    │           ├── 1-1 为什么要预测销售额？_ev~1_.mp4 (21.3MB)
    │           ├── 1-2 如何拆解GMV：流量、转化、客单价？_ev~1_.mp4 (16.5MB)
    │           ├── 2-1 测模型的定义与分类_ev~1_.mp4 (10.4MB)
    │           ├── 2-2 练习：使用Excel预测销售额_ev~1_.mp4 (84.3MB)
    │           ├── 2-3 Python回归分析：数据预处理_ev~1_.mp4 (33.6MB)
    │           ├── 2-4 Python回归分析：多项式回归模型_ev~1_.mp4 (19.6MB)
    │           ├── 2-5 Python回归分析：绘图、预测_ev~1_.mp4 (60.6MB)
    │           ├── 2-6 案例9：预测2020天猫双11销售额_ev~1_.mp4 (11.0MB)
    │           ├── 3-1 什么是商品分析？_ev~1_.mp4 (19.1MB)
    │           ├── 3-2 什么是层次分析法AHP？_ev~1_.mp4 (10.2MB)
    │           ├── 3-3 Excel层次分析法：构建层次结构_ev~1_.mp4 (9.4MB)
    │           ├── 3-4 Excel层次分析法：构造成对比较矩阵_ev~1_.mp4 (43.8MB)
    │           ├── 3-5 Excel层次分析法：构造方案判断矩阵_ev~1_.mp4 (42.1MB)
    │           ├── 3-6 Excel层次分析法：总排序权重计算与决策_ev~1_.mp4 (25.3MB)
    │           ├── 3-7 案例10：选择最优商品进行推广_ev~1_.mp4 (8.8MB)
    │           ├── 4-1 15.16什么是运营策略：摩拜红包车_ev~1_.mp4 (13.8MB)
    │           ├── 4-2 15.17如何策划一场活动_ev~1_.mp4 (18.2MB)
    │           ├── 4-3 15.18案例11：设计内容运营方案_ev~1_.mp4 (10.9MB)
    │           └── 4-4 15.19本章小结_ev~1_.mp4 (7.0MB)
    ├── 第14周 促进用户活跃度、提升用户留存 (0个文件夹,0个文件)
    │   ├── 1-1 如何提升产品活跃度？_ev~1_.mp4 (19.0MB)
    │   ├── 1-2 用户活跃度模型（RFE）_ev~1_.mp4 (8.9MB)
    │   ├── 1-3 练习：使用Excel构建RFE模型_ev~1_.mp4 (165.3MB)
    │   ├── 2-1 什么是产品的 Aha Moment？_ev~1_.mp4 (13.7MB)
    │   ├── 2-2 练习：使用Excel计算用户留存率_ev~1_.mp4 (141.8MB)
    │   ├── 2-3 练习：使用Excel计算用户生命周期_ev~1_.mp4 (82.1MB)
    │   ├── 2-4 案例8补充：基于电商的用户留存与价值分析_ev~1_.mp4 (10.6MB)
    │   └── 2-5 本章小结_ev~1_.mp4 (4.6MB)
    ├── 第15周 使用AB实验迭代功能 (0个文件夹,0个文件)
    │   ├── 1-1 什么是AB测试_ev~1_.mp4 (9.0MB)
    │   ├── 1-2 AB测试的基本流程_ev~1_.mp4 (13.8MB)
    │   ├── 1-3 统计学基础：假设检验_ev~1_.mp4 (12.8MB)
    │   ├── 1-4 练习：Python计算点击率CTR_ev~1_.mp4 (57.7MB)
    │   ├── 1-5 练习：Python计算p值_ev~1_.mp4 (71.9MB)
    │   ├── 1-6 案例13：利用AB测试优化产品设计_ev~1_.mp4 (15.6MB)
    │   ├── 2-1 什么是异常监测_ev~1_.mp4 (11.7MB)
    │   ├── 2-2 练习：Python孤立森林异常检测_ev~1_.mp4 (88.5MB)
    │   └── 2-3 本章小结_ev(2)~1_.mp4 (2.5MB)
    └── 第16周 撰写数据报告、面试指导 (0个文件夹,0个文件)
        ├── 1-1 18.1如何撰写数据分析报告_ev~1_.mp4 (29.2MB)
        ├── 1-2 18.2演讲技巧与PPT模板分享_ev~1_.mp4 (21.6MB)
        ├── 2-1 18.3如何撰写简历_ev~1_.mp4 (39.6MB)
        └── 2-2 18.4面试经验分享_ev~1_.mp4 (29.3MB)

如何下载和使用这份资源？

下载资源后，可按照目录中的课程顺序进行学习，建议从第1周基础模块开始建立数据分析认知。观看视频课程时可结合实际工作或学习场景进行练习，加深理解。持续完成各章节学习，可逐步形成从数据采集、理解到分析应用的完整能力。

1. 点击页面上方的”支付下载”按钮
2. 根据提示完成支付流程
3. 支付完成后即可下载完整资源
4. 如有问题请联系客服获取帮助

关于人人都能学的数据分析的常见问题

没有数学基础可以学习这套数据分析课程吗？

可以。本课程定位为入门学习，通过生活化案例讲解数据分析思维，不要求复杂数学背景。

学习这套资源需要提前掌握Excel或编程吗？

不需要。课程适合零基础用户，会逐步介绍数据分析相关工具和方法。

这套课程适合哪些职业方向提升？

适合运营、市场、管理、产品、财务、学生等需要使用数据辅助工作的群体，也适合作为进入数据分析领域的基础课程。