410分钟
数据分析必知必会——数理统计知识
在数据分析的世界里，数理统计知识如同指南针，为业务人员指明方向，避免迷失在数据的海洋中。然而，数理统计知识体系庞大且深奥，让许多想要深入了解的人感到困惑和无从下手。 针对这一难题，我们特别邀请了拥有十…
在数据分析的世界里，数理统计知识如同指南针，为业务人员指明方向，避免迷失在数据的海洋中。然而，数理统计知识体系庞大且深奥，让许多想要深入了解的人感到困惑和无从下手。
针对这一难题，我们特别邀请了拥有十余年经验的高级数据总监陈文老师，为大家带来这节精选课程。本课程站在企业数据分析实战的角度，深入浅出地讲解了企业常用的数理统计知识，帮助您轻松打好数据分析基础。
课程将围绕数据洞察、数据比较、原因分析、数据预测、数据决策五大核心场景展开。在每个场景下，陈文老师将详细介绍常用的统计学、运筹学知识，并结合实际业务案例，让您更好地理解其应用方法和实际效果。
此外，课程还将对数据分析常用做法与数理知识方法进行比较，帮助您明确在何种情况下应该运用理论知识，以及理论知识的前提条件和作用。通过这样的比较学习，您将能够更好地将理论与实际相结合，提升分析问题和解决问题的能力。
无论您是数据分析新手还是希望提升技能的从业者，本课程都将为您提供宝贵的学习机会。让我们一起跟随陈文老师的步伐，轻松掌握数据分析的核心知识，为企业的发展贡献自己的力量！
课程导读
课程引入
一、做数据分析，需要懂多少数学/统计学知识
- 1.做数据分析，需要懂多少理论知识
- 2.5分钟，快速了解统计学的知识架构
- 3.5分钟，快速了解运筹学的知识架构
- 4.5分钟，快速了解机器学习的知识架构
- 5.理论知识，常用在哪些工作场景
二、利用描述性统计，实现全面的数据观察
- 1.问题背景：用数据说话的习惯做法与问题
- 2.统计学方法：描述性统计
- 3.优劣对比：习惯做法 VS 统计学做法
- 4.扩展应用：需要做描述性统计典型场景
三、利用假设检验方法，实现精确的数据比较
- 1.问题背景：用数据做对比，习惯做法与问题
- 2.知识准备：正态分布
- 3.统计学方法1：区间估计
- 4.统计学方法2：单总体假设检验
- 5.统计学方法3：双总体假设检验
- 6.优劣对比：习惯做法 VS 统计学做法
- 7.扩展应用：ABtest与双总体比例检验
四、利用因果推断方法，解决原因分析问题
- 1.问题背景：用数据找原因，习惯做法与问题
- 2.统计学方法1：相关分析
- 3.统计学方法2：回归分析
- 4.统计学方法3：统计实验
- 5.优劣对比：习惯做法 VS 统计学做法
- 6.扩展应用：更深入的因果推断入门
五、利用时间序列法，解决数据预测问题
- 1.问题背景：用数据做预测，习惯做法与问题
- 2.知识准备：用统计学/机器学习预测的基本原理
- 3.统计学方法1：指数平滑法
- 4.统计学方法2：趋势外推法
- 5.统计学方法3：季节性回归法
- 6.优劣对比：习惯做法 VS 统计学做法
- 7.扩展应用：巧解复杂预测问题
六、利用线性规划法，解决综合决策问题
- 1.问题背景：用数据做综合决策，习惯做法与问题
- 2.运筹学方法：线性规划
- 3.操作示例：用Excel完成线性规划计算
- 4.优劣对比：习惯做法 VS 统计学做法
- 5.扩展应用：提升自己量化决策能力
课程总结
课后测试
陈文
高级数据总监