如今，大数据就像是一座潜力无穷的金矿，最核心的价值需要通过挖掘分析才能体现。各行各业的互联网化，让数据得到更广泛的应用。

而从事数据分析、数据挖掘、数据处理的岗位的人才其实相当稀缺， 如今掌握数据挖掘思维和技能，将会为你的升职加薪打牢基础。

本课程从构建数据挖掘思维的角度出发，为你详解数据挖掘，具体分为三大部分：

第一部分、基础知识准备。 你建立对数据挖掘的全局认知，学习课程中可能会涉及的一些基础知识（包括必备的 Python 语言知识，以及如何搭建 Python 环境），夯实基础知识，帮你快速进入状态。

第二部分、数据挖掘过程。 授人以鱼不如授人以渔，这个部分的重点是让你能够在思想和行为上都做足准备，全面细致地了解数挖掘方法的实施过程。从理论到实战搞懂“数据挖掘”这个词是如何一步步变具体的。

第三部分、算法详解。 涉及数据挖掘的分类、聚类、回归、关联分析这四大问题，以及自然语言处理的部分知识。着重介绍核心算法的理念、优缺点、应用场景，让你能够快速上手应用。每个模块的最后一个课时，都会通过实践案例，让你掌握实战处理技巧。

彩蛋： 专栏的最后会提供数据挖掘

《数据分析工具 Excel》课程涵盖四个任务。任务一介绍 Excel 基础操作，包括数据表必学操作。任务二讲解 Excel 常用函数，分上下两部分助力高效办公。任务三聚焦数据透视表及切片器制作。任务四涉及 Excel 数据看板，包含数据可视化图表以及电商平台销售和用户分析的数据看板制作。本课程助你熟练运用 Excel 进行数据分析。

《数据分析名企实战案例讲解》课程包含五个任务。任务一通过拼多多案例介绍 ARRR 转化模型，涵盖案例背景、模型流程各环节讲解及实战应用。任务二以滴滴出行为例讲解 RFM 模型，包括案例背景、模型介绍、滴滴实战及运营策略。任务三分析阿里从场货人到人货场的变革，涉及案例背景、商业模式演变及盒马鲜生的应用。任务四揭秘抖音让人上瘾的原因，包含案例背景、推荐系统架构和协同过滤推荐算法。任务五以京东为例讲解 A/B Test，包括案例背景、概念原理、应用场景及电商实验案例。本课程通过名企案例深入剖析数据分析在实际中的应用。

《数据分析通用流程》课程包括两个任务。任务一养成数据分析能力，涵盖能力认知、破除思维误区和习惯养成。任务二讲解数据分析通用流程并结合案例，有流程简介、常见场景及 案例，最后进行案例对比与总结。课程适合初学者和有经验者，把握数据分析规律，提升数据分析能力。

本课程将从底层到应用层贯穿整个思路，结合硅谷一线大厂的最佳实践和顶级开源软件的应用，来讲数据结构「是什么、为什么、怎么做」，从而让你明白这些数据结构为什么存在以及在什么情况下可以最好地解决什么样的问题，进而在编码上面有质的飞跃。

五大模块，带你攻克数据结构实战：

模块一 数组与链表。 先带你回顾时间复杂度和空间复杂度、深入数组和链表的内存结构。

模块二 哈希表。 这个模块将会带你通过比特币挖矿的案例，来理解哈希函数和哈希碰撞的本质。

模块三 树。 在树的模块中，讲解树的结构化特性。会以MySQL语法树为例，看树是如何在 Amazon AWS 中以超大型数据库查询起到中流砥柱的作用的，后半部分则会拆解 LSM 树在 Apache 项目中的应用。

模块四 图。 图也是在大厂应用非常广泛的数据结构之一。会以 Apache Spark 为例，来看看有向无环图是如何优化大规模分布式运算顺序的。利用 Uber 的车辆调度算法，深入浅出的帮你掌握图是怎样实现这些硅谷一线大厂核心功能的。

模块五 数据结构组合拳。 在实战中一定会融合使用多个数据结构去实现业务逻辑。这个模

本课程分为 5 个模块，以循序渐进的教学方式带你夯实理论基础，掌握实战技术，实现能力进阶，最后通关面试。

在前两个模块中，主要让你对 Flink 有全面的认识，了解其应用场景、核心概念和原理，比如流批一体、计算资源、State、重启策略、并行度、窗口、时间、水印、CEP 等内容；

之后的进阶篇和实战篇，是你掌握技术的重点，导师将带你深入实际的生产环境，进行实战项目的代码演练，帮你掌握 Flink 在不同业务场景的使用，巩固前两个模块所学内容，达到学以致用；

最后站在企业面试视角总结必知必会的考点和技巧，从基础、进阶、源码、方案设计上，让你成为企业要找的那个人。

《业务数据分类与拆解》课程包含四个任务。任务一探讨企业收集数据的原因及常见数据分类；任务二讲述依托用户画像的广告精准投放，包括广告渠道类型、付费形式、用户数据来源及具体操作步骤；任务三以美团为例，讲解如何提高外卖鲜花功能使用量、美团 APP 订餐路径、用户行为数据及路径分析；任务四针对喜马拉雅 APP 新用户留存下降问题，分析同比环比确定问题、新用户流失原因及渠道用户匹配问题。本课程助力学习者理解业务数据并进行有效拆解。

《因果分析入门与案例精讲》课程包含两个任务。任务一介绍因果关系及学习因果分析的重要性；任务二精讲因果分析案例，包括效应评估方法、AB 实验与样本匹配法，并通过新功能与用户流失、直播带货效果评估等实战案例展示应用，最后进行总结。适合初学者和专业人士，提升因果分析技能。

《SQL数据分析进阶之案例实战精讲》课程包含三个任务。第一个任务：以企业财务收入预测为例，涵盖案例背景目标、实现思路分析及月日均收入 SQL 计算与 Excel 拟合预测计算。第二个任务：通过游戏用户画像案例，包括背景目标、SQL 实现及结果分析。第三个任务：以 Facebook 教育产品计算 aha moment 为例，介绍案例背景目标、前置知识及分步骤的 SQL 实现。本课程通过实际案例提升 SQL 数据分析实战能力。

本课程特点显著，以生动有趣的方式带领学员深入了解Python数据分析。

课程从数据分析库的介绍与安装开始，逐步深入到各个知识点，包括：Jupyter的基本使用；pandas创建和查看数据结构，高效的数据筛选和文件读写操作；多表合并、数据清洗等重要技巧；各种统计指标的计算和运用；数据集成的多种方式；数据转换的各种方法；数据重塑和分组计算分析；可视化图表制作等等。

这门课涵盖MySQL的底层运行机制、如何发挥MySQL的最佳性能、MySQL在互联网应用领域的最佳实践。从架构设计优化、MySQL的高可用、高性能和可扩展性等方面展开详解，最后附上海量数据MySQL实战项目讲解，深入浅出帮你快速建立MySQL全盘要点，带你掌握处理海量业务数据和高并发请求的核心方法。

《机器学习原理与算法应用》课程涵盖有监督学习算法、无监督学习算法及数据挖掘项目综合实战。有监督学习部分包括 KNN 算法、决策树、线性回归和逻辑回归，讲解原理、实现步骤、优缺点及 sklearn 应用等。无监督学习聚焦 K-Means 算法，介绍基础原理、实现及评估指标。最后的综合实战包含金融保险用户分类和电商文本挖掘项目，涉及业务背景、分析流程、数据清洗、特征工程、数据建模及优化等环节。本课程通过夯实机器学习基础 案例实践，助力学习者掌握机器学习原理与算法应用，提升数据挖掘实战能力。