培训等级
大数据分析师（初级）：培训适合有一定数学、统计学知识的学员，有数据分析相关项目实践经验的更容易通过考试。
大数据分析师（中级）：申请人员适合已具有相关大数据从业经验的学员，培训后将达到独立完成数据处理和复杂数据分析报告主导撰写的能力，或具备基于大数据应用场景规划能力。
大数据分析师（高级）：适合于已具有非常丰富的大数据从业经验的学员，通过更多了解其他行业分析方式、大数据分析在企业管理和高层决策方面价值，培训后可以利用大数据为企业创造更多的价值。
大数据分析师（中级）：申请人员适合已具有相关大数据从业经验的学员，培训后将达到独立完成数据处理和复杂数据分析报告主导撰写的能力，或具备基于大数据应用场景规划能力。
大数据分析师（高级）：适合于已具有非常丰富的大数据从业经验的学员，通过更多了解其他行业分析方式、大数据分析在企业管理和高层决策方面价值，培训后可以利用大数据为企业创造更多的价值。
 |
专业技能 | 如：数据管理、数据处理、数据展示等 |
|
沟通交流 | 如：基于数据的内外沟通、数据对业务逻辑的支持等 |
|
职业道德 | 如：信息安全、数据安全等 |
|
项目管理 | 如：常规项目管理内容，基于数据的业务管理等 |
|
领导力 | 如：制定企业级大数据应用基础等 |
培训内容
在此基础上，从大数据分析所需的知识与技能出发，设计针对初级、中级、高级大数据分析师的三级能力素质模型。
| 目录 | |
|---|---|
第一部分：大数据分析概述 |
1. 课程概述 |
| 2. 大数据分析概述 | |
| 3. 大数据分析案例 | |
| 4. 大数据统计基础 | |
第二部分：大数据分析流程 |
1. 数据产生 |
| 2. 数据收集 | |
| 3. 数据处理 | |
| 4. 数据处理案例 | |
| 5. 数据分析 | |
| 6. 数据分析案例 | |
第三部分：热门算法解析 |
1. 算法基本原理 |
| 2. 算法基本原理案例 | |
| 3. 热门算法：分类 | |
| 4. 热门算法案例：分类 | |
| 5. 热门算法：聚类 | |
| 6. 热门算法案例：聚类 | |
| 7. 热门算法：关联规则 | |
| 8. 热门算法案例：关联规则 | |
| 9. 热门算法：预测 | |
| 10. 热门算法：降维与特征选择 | |
| 11. 热门算法：文本挖掘分析 | |
| 12. 热门算法：移动分析 | |
| 13. 热门算法：离群点检测 | |
| 14. 热门算法：深度学习简介 | |
| 15. 算法案例详解集锦 | |
| 16. 区块链分析 | |
第四部分：常用分析工具 |
1. 常用工具 |
| 2. 常用工具案例 | |
第五部分：数据可视化应用 |
1. 数据可视化 |
| 2. 数据可视化案例 | |
第六部分：数据分析报告撰写 |
1. 报告撰写 |
| 2. 报告撰写案例 | |
第七部分：大数据开发技术 |
1. 大数据开发技术简介 |
| 2. Hadoop核心技术：HDFS | |
| 3. Hadoop核心技术：MapReduce | |
| 4. Pig简介 | |
| 5. HBase简介 | |
| 6. Hive简介 | |
| 7. Hadoop的优化与发展 | |
| 8. YARN简介 | |
| 9. Spark简介 | |
第八部分：认证备考指南 |
1. 模拟题讲解：分析部分 |
| 2. 模拟题讲解：技术部分 | |
| 3. 报考指南 | |
培训对象
|
企业单位
|
参与企业经营、决策管理、项目投资的职业经理人或高级决策人；参与企业项目运营环节中涉及的包括市场分析、市场研究、生产、研究、评价、销售等各个环节的工作人员
|
|
|
政府事业单位
|
负责项目审核、审批和招商引资、项目评估、项目决策、政策制订等工作的政府机构领导者及相关从业者
|
|
|
高校、科研机构
|
学习数学、统计学、经济学、市场营销、财务、投资、金融、企业管理等相关专业的大学生、即将面临找工作或实习的大学生、从事大数据相关专业教学和科研的教师等
|
|
|
金融机构
|
银行或非银行金融机构、管理咨询公司、风险投资、金融产品研发、信贷等相关工作人员
|
|
|
事务所
|
数据分析师事务所、会计师事务所、资产评估事务所、税务师事务所及律师事务所等工作人员
|
|
|
其他
|
任何想要从事大数据分析行业或对大数据分析感兴趣的人员
|
培训后的能力提升
 |
 |
 |
 |
| 系统学习知识 | 提升专业技能 | 实战得心应手 | 获得社会认可 |
| 通过体系化的培训学习，能够全面掌握大数据分析的知识结构 | 深入学习各个分析算法，理解各项技术的应用领域和适用范围 | 经过企业案例深入剖析，学会如何分析工作中需要解决的问题 | 经历培训并且通过考试，可以获得证书并得到社会的普遍认可 |
我们培训的优势
技术积累
十多年的数据分析和数据挖掘经验，在通信、金融、保险等多个行业具有丰厚的大数据分析方面的技术积累
应用案例
在过去的几百个商业大数据应用项目中，积累了上千个专题分析案例、系统结合应用的案例和大数据变现场景案例
经验分享
技术结合应用的培训，能够有效的根据学员基础，在较短的时间完成从对数据的识别到数据代表问题的识别能力跨越
海量题库
海量的大数据分析技术与应用题库，提供免费的在线学习、模拟考试等能力提升渠道，有助于学员快速巩固各个知识点并尽快通过考试
考试简介
参加大数据分析师能力测评考试的学员，必须首先接受大数据分析师的培训。考试采用随培随考的形式，在培训之后随即进行能力测评考试。
|
试卷概况 | 卷面分数：100分 |
| 考试时长：120分钟 | ||
| 考试题型：单选+多选+判断+简答 | ||
| 通过标准 | 及格：60分 | |
| 良好：70分 | ||
| 优秀：85分 |
招生简章
一、培训背景
国内大数据行业已经进入高速发展时期，2018年中国大数据产业总体规模为6200亿元人民币，同比增长31.9%，预计到2020年，大数据相关产品和服务业务收入将突破1万亿元。根据调查，有超过2/3的企业已成立数据分析相关部门，企业对数据分析越发重视，有接近六成的企业在大数据领域的投入将持续增加，营销分析、客户分析和内部运营管理是企业大数据应用场景最广泛的三个领域，金融、医疗、商业、交通、公安、政府服务等是大数据运用得较多的行业，大数据应用在实现智能决策、提高运行效率和风险管理能力等方面具有较明显的效果，同时，政策限制、数据资源短缺和大数据人才短缺是限制企业大数据发展最主要的三个因素。在就业人才市场中，大数据分析相关的职位就业岗位多、行业分布广，可供挑选的空间非常大，收入待遇高、薪资涨幅大，待遇远远超过其他岗位。
大数据行业的火热，带来了大数据分析人才的严重短缺与专业能力衡量标准缺失的问题，市场上迫切需要能够对大数据分析专项人才进行培训、能力鉴定的权威项目，同时也需要一个能够将人才有效转化为生产力的专业性服务平台。
二、培训级别
大数据分析师培训体系将能力发展通道由低到高划分为三个级别的梯形结构：初级、中级和高级。所有参与培训体系人员均需进行等级评定，并根据工作经验的增加，申请更高等级。
大数据分析师培训体系的设计体现了对不同能力等级人员差别化培训的科学理念，有利于明确学习目标、调动学员积极性，鼓励学员能力提升与工作相结合，强调个人能力提升与从事大数据相关职业发展相结合。
大数据分析师培训体系设计依据包括以下五个方面：
专业技能 如：数据管理、数据处理、数据展示等
沟通交流 如：基于数据的内外沟通、数据对业务逻辑的支持等
职业道德 如：信息安全、数据安全等
项目管理 如：常规项目管理内容，基于数据的业务管理等
领导力 如：制定企业级大数据应用基础等
