CDA数据分析师

CDA数据分析师

第一阶段：Excel数据分析

1.Excel数据处理技巧和高效方法 2.Excel数据收集、整合、规范化 3.Excel公式、函数、数组及数据分析

4.Excel可视化数据分析（排序、筛选、透视表等） 5.Excel图表化数据呈现 6.商业智能分析（Power BI）

第二阶段：数据分析理论基础

1.集中趋势、离散测度、均值、中位数、众数、方差、点估计、区间估计等相关的知识 2.假设检验 T检验、方差、相关性、列联分析 3.回归分析 4.主成分分析 5.时间序列

第三阶段：数据库管理

1.MySQL数据库基本操作；

2.MySQL数据类型和运算符、数据的CRUD操作； 3.MySQL用户管理; 4.MySQL数据备份与还原; 5.MySQL函数；

6.中型、大型数据清洗查询案例；

第四阶段：SPSS数据分析

（1）数据处理流程、数据的输入输出 （2）描述统计分析，常用的统计图形 （3）T检验、方差分析、与数据库连接 （4）相关、偏相关分析，线性回归 （5）Logistic、分类变量回归、ROC曲线 （6）缺失值的处理、主成分分析

（7）因子分析、K-means聚类，层次聚类 （8）神经网络、RFM模型、对应分析、联合分析 （9）时间序列、总结

第五阶段：数据挖掘算法

1.关联规则； 2.决策树； 3.贝叶斯； 4.SVM； 5.神经网络。

第六阶段：R语言

1.R基础编程

2.R中高级图表（Echart)与信息压缩 3.数据清洗 4.统计推断

5.客户价值预测_线性回归模型诊断 6.逻辑回归与决策树

7.KNN、朴素贝叶斯、svm、聚类与客户画像 8.汽车金融信用违约预测模型案例

第七阶段：案例分析实战

1.互联网广告中的大数据应用；

2.利用时间序列精准预估零售业的销量及营业额； 3.如何在保险行业中使用决策树并展示其成果；

4.如何在零售行业中应用Logistic回归和线性回归估计客户生命价值。

选修方向一：Python数据分析（13期上海）

1.Python编程基础； 2.Numpy数组和矢量计算； 3.Pandas基础&进阶； 4.Python爬虫初级； 5.python推荐系统实践；

6.案例分析。

选修方向二：SAS数据挖掘（12期深圳）

1.SAS Base基础编程； 2.SAS Base高级编程； 3.SAS统计分析； 4.SAS电商数据挖据； 5.SAS信用评级模型；

案例：如何利用客户分群实现保险行业中潜在客户的精准定位 案例：如何针对行业特性进行营销组合优化.

『视频』大数据分析周末班第10期

CDA2级大数据前沿知识介绍，免费观看

大数据基础知识 点击观看

第一阶段：大数据前沿知识及hadoop入门

1.大数据前沿知识介绍 2.课程介绍

3. Linux及unbuntu系统基础

4.hadoop的单机和伪分布模式的安装配置

第二阶段：Hadoop部署进阶

1.Hadoop集群模式搭建

2. Hadoop分布式文件系统HDFS深入剖析 3.使用hdfs提供的api进行hdfs文件操作 4. Mapreduce概念及思想

第三阶段：大数据导入与存储

1.mysql数据库基础知识 2.hive安装部署与案例 3.sqoop安装及使用

第四阶段：Hbase理论及实战

1. hbase简介 2.安装及配置

第五阶段：Spark配置及使用场景

1. spark简介、安装及配置 2.scala简介、安装及语法讲解

第六阶段：spark大数据分析原理

1.Spark内核：基本定义、Spark任务调度 2.Spark Streaming 实时流计算 3.Spark MLlib 机器学习 4.Spark SQL 实战

第七阶段：hadoop+Spark大数据分析

1.实战案例深入解析

2.hadoop+Spark的大数据分析之分类 3.Logistic回归与主题推荐

与南京大学、东南大学合作，颁发“CDA数据分析师”“高级、中级、初级”证书

丁亚军

南京上度咨询数据分析总监、经管之家论坛SAS、SPSS版版主，CDA数据分析研究院研究员和SAS、SPSS软件讲师。 研究方向为“统计软件与数据分析”、“市场调查分析”、“数据挖掘咨询”。

王小川

神经网络、数据挖掘、统计分析应用领域专家，国内最大的MATLAB论坛管理员，在硕士与博士期间，参与发表了SCI论文6篇，核心期刊论文5篇，获得同济大学奖学金，精通各类统计学软件，参与编写《MATLAB神经网络30案例分析》等书籍。

翟祥

CDA数据分析师讲师/北京林业大学管理学院统计系教授/人民大学统计学博士 具有深厚的数理统计与应用数据分析专业背景，SAS公司骨灰级讲师，具有八年数据分析、数据挖掘的从业经验，，独立或带团队完成零售、电信、金融等多个大型数据挖掘项目。

李奇

中国电子表格应用大会主席，曾在IBM中国担任销售管理团队数据分析项目组长及德勤北京所的数据分析高级咨询顾问。专精于企业数据分析、制定商业智能业务解决方案、软件开发及Excel培训等。

赵仁乾

北京邮电大学管理科学与工程硕士，现就职于北京电信规划设计院，从事移动、联通集团及各省分公司市场\\业务\\财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值客户挖掘等。

易向军

大数据及云计算领域创业者，dazui8.com创始人。在电信及互联网行业有多年从业经验，熟悉数据挖掘实际应用场景，具备丰富的一线实践经验。在运营分析、产品用户体验评测等方面有着深刻认识，致力于数据挖掘知识的宣传推广及相关技术的探索研发。

马伯

经管之家CDA数据分析研究院讲师，从事互联网、电子商务方向数据分析与数据挖掘的研究与CDA数据分析师的教学工作，研究方向为文本挖掘、电商推荐系统开发、潜在价值客户挖掘，互联网大数据挖掘等。

曾珂

管理科学工程硕士/CDA数据分析研究院讲师 从事数据分析与数据挖掘的研究与教学，研究方向为互联网、电子商务数据分析与挖掘，擅长基于客户关系管理的数据挖掘、数据可视化、文本挖掘。

量化分析课程

第一阶段：金融数据处理

1. 导入，检查，及操作财务数据 2. 单一资产收益之各种定义

3. 投资组合收益计算 4. 数据预处理

第二阶段：风险度量

1. 收益与风险权衡 2. 单一资产风险 3. 投资组合风险 4. 波动率估计与建模 5. 风险价值 6. 风险模型回测 6. 期望损失 7. 其他风险测度

8. 风险调整之投资组合绩效

第三阶段：资产定价模型

1. 套利定价模型 6. 期望损失 2. 模型系数估计 6. 期望损失 3. 模型检验

第四阶段：投资组合理论 第五阶段：因子模型 第六阶段：金融衍生品

1. 期权定价 2. 买卖权平价关系 3. 隐函波动率 4. 套期保值方法 5. 套期保值优化 6. 套期保值与交易成本 第七阶段：财报与基本面分析 1. 财报分析基础

2. Benjamin Graham 经典价值型投资法 3. 兼具价值与成长之GARP策略

第八阶段、量化交易策略

1. 技术分析介绍 1.1 K线图形态分析 1.2 均线系统 1.3 动量交易策略

1.4 相对强弱指标（RSI）与市场反转 1.5 随机指标KDJ与价格波动 2. 高频金融数据分析

3. 投资策略实战 3.1 通道策略

3.2 多指标组合投资策略 3.3 量价关系分析 3.4 配对交易策略 3.5 轮动投资策略 3.6 仓位控制

3.7 一个趋势存在與否的判断策略 3.8 趋势追踪策略

3.9 利用均值回归在震荡中获取交易机会 蔡立耑

美国伊利诺伊大学金融硕士/华盛顿大学经济学博士

亲身实践各种金融应用，主持研究团队与台湾知名大学与企业合作开展各种金融研究，例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。

CDA数据分析就业班第九期视频

EXCEL 数据分析入门工具

Excel数据收集、整合及高效处理技术和方法 Excel函数、数组与数据分析 Excel透视表和图表化数据呈现 Excel自动化工具宏与交互式界面设计 Excel高效分析数据利器VBA 案例

数理统计-数据分析根基

描述性统计 抽样估计 假设检验 方差分析 相关性 卡方分析 回归分析

主成分分析、因子分析 列联分析

数据库管理

Mysql基础知识以及表结构管理

数据库、表的建立以及简单的查询，数据的运算 高级查询、视图。

SPSS数据分析

数据处理流程图、数据的输入输出 描述统计分析，常用的统计图形 T检验、方差分析、与数据库连接 相关、偏相关分析，线性回归 Logistic、分类变量回归、ROC曲线 缺失值的处理、主成分分析

因子分析、K-means聚类，层次聚类 神经网络、RFM模型

RFM模型、对应分析、联合分析 时间序列、总结

案例：员工绩效分析、商品投诉分析、用户购买力分析、信用违约分析等

数据挖据实战案例

产品精细化运营、球员综合评价 用户体检测评、用户信用评分 淘宝电商数据分析

SAS编程

软件的介绍、认证的介绍、sas入门编程（PDV） SAS数据集操作、数据的读入导出 sas宏 proc sql

SAS电商数据分析

sas统计分析：统计描述、相关分析、回归分析、稳健logistics回归、poisson回归、主成分分析、对应分析、联合分析；

sas电商数据挖据：数据挖掘简介、访问数据库及文件、RFM、DM回归、神经网络、决策树、购物篮分析、聚类分析、组合模型。

知名外企咨询公司实际案例分析

（1）零售业中运用逻辑回归和线性回归估计客户生命价值 （2）Excel整理快消客户数据实现数据分析及BI数据报表 （3）Tableau实现行业的可视化 （4）搜索引擎营销 （5）在线数字分析案例赏析

（6）如何在零售业中实现决策树并展示其成果 （7）利用时间序列精准预估零售业销量及营业额

（8）如何利用客户分群实现保险业中的现在客户的精准定位 （9）营销组合优化

选修方向一：Python

Python基础编程 Pandas应用

Python推荐系统和案例实战 Python机器学习

选修方向二：R

R基础编程 R语言数据挖掘 R数据挖掘案例实战 R-Oracle

量化投资长期班

Module 1—Python数据处理与自动化交易 一，Python 编程

1，数据类型

1.1 数值类型，字符串，列表，元组，字典，集合 1.2 可变与不可变 2，基本语法 2.1 常用运算符 2.2 常用语句

2.3 函数的定义与调用 3，进阶技巧

3.1 切片，迭代，列表解析，生成器，迭代器 3.2 面向对象

3.2.1 类，封装，与继承 3.3 函数式编程 3.3.1 map/reduce 3.3.2 匿名函数 3.3.3 装饰器 3.3.4 偏函数

二，数据探索

1， Numpy：数组和向量计算 2， Pandas 与金融数据处理 2.1 数据清理，转换，合并，重塑 2.2 数据聚合与分组运算 3，Matplotlib 与数据可视化 4，时间序列数据

4.1 日期的采样，频率，移动，及算术运算 5，基于事件趋动的自动化交易系统实践

Module 2—宏观角度的投资—时间序列, 金融理论，因子模型，财报选股，倉位控制 一，数据特征分析

1，描述性统计 2，参数估计 3，假设检验 4，回归分析

二，金融学

1， 收益率 1.1 单期简单收益率

1.2 多期简单收益率 1.3 年化收益率

1.4 考虑股利分红的简单收益率 1.5 连续复利收益率 2，风险测度 2.1 方差 2.2 下行风险 2.3 风险价值 2.4 期望亏空 2.5 最大回撤

3，资本定价模型及评价 4， 投资组合理论 5，因子模型及评价

三，基本面选股

1，财报分析基础 2，公司估值

3，Benjamin Graham 经典价值型投资法 4， 兼具价值与成长之GARP策略 5， 积极成长策略

四，宏观择时 五，轮动策略 六，时间序列

1，自相关性 2，平稳性

3，白噪声 4，时间序列预测 5，GARCH 模型 6，卡曼滤波器 7，协整 8， 配对交易

七，仓位控制

1，凯利公式

2，网格交易动态调仓

Module 3-量化投资技术分析与金融数据挖掘 一，技术分析

1，常用技术分析基础 1.1 K线 1.2 RSI 1.3 均线系统 1.3.1 移动平均 1.3.2 MACD 1.4 通道 1.5 唐奇安通道 1.6 布林带通道 1.6.1 随机指标 1.6.2 量价关系 1.6.3 能量潮OBV指标 1.6.4 简易波动指标EMV

1.6.5 顺势指标CCI 1.6.6 人气指数 AR 2，趋势跟踪 2.1 动量

2.2 线性回归与趋势跟踪 2.3 胜率与趋势跟踪 2.4 海龟交易系统 3，技术指标择时, 4，多空策略 5，缠论

二，金融数据挖掘

1，神经网路 Neural Networks 2，随机森林 Random Forests 3，K最近邻 K-Nearest Neighbors 4，支持向量机Support Vector Machines 5，线性判别分析 Linear Discriminant Analysis 6，二次判别分析 Quadratic Discriminant Analysis 7，逻辑回归 Logistic Regression

【量化投资】思想、策略与R语言实战

第2天 金融时间序列, 基本面选股策略, 投资组合 金融时间序列分析

1. 认识金融时间序列

2. 时间序列的平稳性检验与白噪声探讨

3. 时间序列平滑处理 4. 金融时间序列建模预测 5. 时间序列波动的集聚效应

案例: 以上证综指为例，运用统计方法检验时间序列数据可预测性的前提条件。 案例: 运用ARIMA模型进行批量模拟建模，以预测股票未来的收益率。 案例: 使用GARCH模型预测波动率，并将其应用于VaR模型的风险管控。 量化选股策略

6. 基本面分析（FundamentalAnalysis）选股 6.1 短期偿债能力指标 6.2 营运能力指标

6.3 资本结构与长期偿债能力分析指标 6.4 盈利能力指标

7. Benjamin Graham价值选股 7.1 Graham选股公式三个标准 7.2 中国股市的检验 7.3 经典十项法则及详解

7.4 Graham选股策略的实现与市场表现 8. GARP 选股策略 9. CAPM超额Alpha选股 10. 三因子模型选股

投资组合配置

11. 马科维茨风险-收益模型原理 12. Black-Litterman模型

第3天 常用技术指标,投资表现衡量,高频数据分析 投资绩效表现分析

本文来源：https://www.bwwdw.com/article/dszd.html