本课程专为CDA数据分析师一二级考试设计，涵盖从数据分析基础到高级应用的全面内容。课程包括用户标签体系、数据采集与处理、数据模型管理、统计分析等核心模块，同时提供Python数据分析基础选修课，帮助学员掌握数字化工作方法。通过实战案例和丰富的课件资料，学员不仅能顺利通过考试，还能提升实际工作中的数据分析能力。适合希望快速提升数据分析技能并取得认证的职场人士。
以下云资源目录树快照生成于[11个月前]，该学习资料由夸克云用户[热情*金丝猴]分享（只展示大部分文件和目录）
CDA数据分析师一二级考试视频课：高效备考与实战应用61.94 GB(mp4视频171节；docx文档1个；)
刷题小程序.docx100.9KBCDA一级考试视频课
电子书等.exe221.96MBlevel1一级课程课件资料.exe442.94MB07、第7章 业务分析报告与数据可视化报表
课时 42 创建可视化报表.mp41.75GB课时 41 撰写业务分析报告.mp41.02GB课时 40 可视化图表_1.2.mp4113.08MB课时 39 可视化图表_1.1.mp4119.31MB06、第6章 业务数据分析
课时 38 业务分析方法.mp4507.34MB课时 37 行为效果分析.mp4540.07MB课时 36 业务模型-用户模型.mp4305.82MB课时 35 业务数据分析方法.mp41.18GB课时 34 指标的应用与设计3.mp4415.8MB课时 33 指标的应用与设计2.mp41.2GB课时 32 指标的应用与设计1.mp4502.77MB课时 31 数据驱动型业务管理方法.mp41.15GB05、第5章 多维数据透视分析
课时 30 2.透视分析后半部分.mp4830.97MB课时 29 1.多维透视分析前半部分.mp41.91GB04、第4章 描述性统计分析
课时 28 相关分析.mp4160.62MB课时 27 （拓展学习）假设检验例题.mp4140.43MB课时 26 （拓展学习）假设检验基础概念.mp4354.09MB课时 25 区间估计.mp4216.11MB课时 24 点估计.mp4355.56MB课时 23 参数估计基础知识.mp4372.37MB课时 22 抽样分布.mp4211.15MB课时 21 二项分布和正态分布（1）.mp4294.99MB课时 20 分布形态的描述.mp4210.24MB课时 19 离散趋势.mp4165.46MB课时 18 集中趋势.mp4266.79MB课时 17 统计学的基本概念.mp4332.13MB03、第3章 数据库应用
课时 16 数据库应用第二部分.mp42.54GB课时 15 数据库应用第一部分.mp41.77GB02、第2章 数据结构
课时 9 表格结构数据内容.mp41.29GB课时 14 表结构数据使用（1）.mp4808.05MB课时 13 表结构数据获取.mp4511.85MB课时 12 表结构数据特征.mp4668.61MB课时 11 查找引用函数（选修，考试不涉及）.mp4825.94MB课时 10 常用函数（选修，考试不涉及）.mp41.53GB01、第1章 数据分析概述与职业操守
课时 8 大数据立法安全隐私.mp4195.02MB课时 7 职业道德行为准则.mp4267.73MB课时 6 数据分析的基本概念.mp4274.1MB00、导读 数据分析前导通识课
课时 5 1.5 实务中的数据分析师.mp4362.89MB课时 4 1.4 数据分析常用方法.mp4470.47MB课时 3 1.3 数据分析思维.mp4632.71MB课时 2 1.2 数据分析的商业应用.mp4819.23MB课时 1 1.1 数据这个行业.mp4561.89MBCDA二级考试视频课
Python编程基础-课件和脚本.exe21.84MBCDA二级考试视频课.exe491.38MB前言：level2课程导读
课时 1 张溪梦：从洞察到增长—数据分析的未来.mp46.13GB2节：前导选修课：数据分析指标体系
课时 9 2.6 运营指标体系设计(Excel示例).mp448.77MB课时 8 2.5 产品类指标.mp455.64MB课时 7 2.4 预警类指标2.4 预警类指标.mp451.64MB课时 6 2.3 营销类指标.mp468.51MB课时 5 2.2 获客类指标.mp465.33MB课时 4 2.1 数据化指标概述.mp452.62MB1节：数据分析基础与二级总结介绍
课时3 CDA LEVEL 2 内容概述.mp420.31MB课时2 数据基本概念2.mp474.07MB课时1 数据基本概念1.mp447.5MB第7章 选修：python数据分析基础
课时 127 案例 个人贷款信用风险评级全流程.mp42.79GB课时 126 模板1预习课程3：逻辑回归变量筛选、编码.mp41.58GB课时 125 模板1预习课程2：线性回归优化与正则化.mp41.34GB课时 124 模板1预习课程1：线性回归算法概述与变量筛选.mp4837.19MB课时 123 4统计推断与假设检验2.mp4632.81MB课时 122 4统计推断与假设检验1.mp4521.85MB课时 121 7建立预测模型-3有交互项的线性模型和预测.mp4354.67MB课时 120 6建立预测模型-2无交互项的线性模型.mp4493.31MB课时 119 5建立预测模型-1单变量显著度检验.mp4586.91MB课时 118 4描述性分析-3对解释变量进行描述2.mp4367.25MB课时 117 3描述性分析-2对解释变量进行描述1.mp4353.94MB课时 116 2描述性分析-1对被解释变量进行描述.mp4362.05MB课时 115 1背景介绍.mp456.2MB课时 114 7使用pandas读写数据.mp4166.39MB课时 113 6Python模块.mp4185.3MB课时 112 5Python函数.mp4274.41MB课时 111 4Python控制流.mp4267.5MB课时 110 3Python原生态数据结构.mp4389.75MB课时 109 2Python基础数据类型与表达式.mp4543.98MB课时 108 1Python介绍.mp4109.76MB课时 107 数理统计技术.mp4285.56MB课时 106 数据挖掘的技术与方法2.mp4398.31MB课时 105 数据挖掘的技术与方法1.mp4263.54MB课时 104 数据科学的基本概念2.mp4307.14MB课时 103 数据科学的基本概念1.mp4217.56MB课时 102 分类模型的评估方法.mp4247.24MB第6章 数字化工作方法与应用
课时 99 6.3.1业务优化框架和运筹优化.mp4352.82MB课时 98 6.2.3根因分析试题讲解.mp460.23MB课时 97 6.2.2根本原因分析.mp4218.34MB课时 96 6.2.1近因分析.mp4205.22MB课时 95 6.1.3 业务流程图及习题.mp4184.86MB课时 94 6.1.1&6.1.2 启动程序阶段和业务事件还原工具.mp4203.27MB课时 93 6.0引言.mp4183.64MB课时 100 6.3.5&6.3.6 知识库与策略库和基于业务流程的优化.mp4324.47MB第5章 数据分析模型与应用
课时 92 5.5.5时间序列考题讲解.mp490.35MB课时 91 5.5.4 时间序列回归.mp4140.25MB课时 90 5.5.3 ARIMA方法-1.mp4458.65MB课时 89 5.5.2 趋势分解法.mp4191.85MB课时 88 5.5.1 宏观业务指标预测框架.mp4560.41MB课时 87 5.4.6聚类试题讲解.mp4199.68MB课时 86 5.4.5聚类事后分析.mp4173.01MB课时 85 5.4.3-4k-means聚类-2.mp4473.84MB课时 84 5.4.3-4k-means聚类-1.mp4438.46MB课时 83 5.4.2 系统聚类法.mp4593.97MB课时 82 5.4.1 聚类方法的基本逻辑.mp4374.25MB课时 81 5.3.6逻辑回归-3试题讲解mp4.mp4200.65MB课时 80 5.3.5 逻辑回归-2.mp4713.08MB课时 79 5.3.1-5.3.4逻辑回归-1.mp4348.45MB课时 78 5.2.8总结和试题讲解.mp4282.26MB课时 77 5.2.5-5.2.7线性回归-3.mp4445.27MB课时 76 5.2.4线性回归-2.mp4529.06MB课时 75 5.2.1-3线性回归-1.mp4785.2MB课时 74 5.1.10因子分析题目讲解.mp4103.01MB课时 74 5.1.10因子分析题目讲解(1).mp4103.01MB课时 73 5.1.9主成分题目讲解.mp4150.43MB课时 72 5.1.5-8因子分析.mp4547.64MB课时 71 5.1.4 主成分分析的应用.mp4704.63MB课时 70 5.1.3主成分分析的计算步骤.mp4338.91MB课时 69 5.1.2主成分分析的理论基础.mp4251.25MB课时 68 5.1.1 矩阵分析法.mp488.46MB第4章：统计分析
课时 67 4.4.5 总结和例题讲解.mp421.65MB课时 66 4.4.4 逻辑回归极大似然估计法.mp47.41MB课时 65 4.4.3 一元逻辑回归模型.mp445.9MB课时 64 4.4.2线性回归的参数估计.mp416.42MB课时 63 4.4.1 一元线性回归模型.mp453.98MB课时 62 4.3.5 总结和例题讲解.mp418.76MB课时 61 4.3.4 卡方检验.mp444.59MB课时 60 4.3.3 相关分析.mp434.81MB课时 59 4.3.2 方差分析.mp463.76MB课时 58 4.3.1 两样本t检验.mp450.87MB课时 57 4.2.5 总结和例题讲解.mp415.17MB课时 56 4.2.4 AB测试优化法.mp423.91MB课时 55 4.2.3 假设检验的基本步骤和配对样本T检验.mp434.89MB课时 54 4.2.2 假设检验基本概念.mp428.28MB课时 53 4.2.1 假设检验的示例.mp418.62MB课时 52 4.1.4 总结和例题讲解.mp420.33MB课时 51 4.1.3 参数估计-2.mp440.23MB课时 50 4.1.3 参数估计-1.mp453.9MB课时 49 4.1.2 样本与总体.mp481.58MB课时 48 4.1.1 分析框架.mp449.26MB第3章：数据模型管理
课时 47 3.4总结和例题讲解.mp433.57MB课时 46 3.3 数据仓库体系和ETL.mp428.92MB课时 45 3.2 数据建模.mp443.12MB课时 44 3.1 数据分类.mp427.44MB第2章：数据采集与处理
课时 43 2.4.8总结和例题讲解.mp411.82MB课时 42 2.4.7 变量降维和WoE.mp417.29MB课时 41 2.4.6 连续变量分布形态转换和标准化.mp418.4MB课时 40 2.4.5 噪声平滑.mp419.01MB课时 39 2.4.4 缺失值处理.mp420.89MB课时 38 2.4.3 分类变量概化处理.mp418.24MB课时 37 2.4.2 错误和离群值数据识别与处理.mp429MB课时 36 2.4.1 数据预处理基本步骤.mp420.12MB课时 35 2.3.4总结和例题讲解.mp47.02MB课时 34 2.3.3 制图原理-3Python作图.mp429.77MB课时 33 2.3.3 制图原理_2SPSS作图.mp425.64MB课时 32 2.3.3 制图原理_1.mp414.08MB课时 31 2.3.2 两变量描述性统计.mp419.01MB课时 30 2.3.1 单变量描述性统计.mp435.56MB课时 29 2.3.0引言.mp420.84MB课时 28 2.2.3总结和例题讲解mp4.mp47.87MB课时 27 2.2.2市场调研前准备和实施.mp444.39MB课时 26 2.2.1市场调研流程和目标设定.mp413.24MB课时 25 2.1.4总结和例题讲解.mp410.81MB课时 24 2.1.3 非概率抽样方法.mp442.55MB课时 23 2.1.2 概率抽样方法-2.mp444.25MB课时 22 2.1.2 概率抽样方法-1.mp474.31MB课时 21 2.1.1市场研究中的数据.mp464.4MB第1章：用户标签体系与用户画像
课时 20 1.3.3总结和例题讲解.mp440.94MB课时 19 1.3.2 用户画像在诊断阶段中的应用.mp48.39MB课时 18 1.3.1 用Python做用户画像的基础知识-1.mp444.82MB课时 18 1.3.1 用Python做用户画像的基础知识-1(1).mp444.82MB课时 17 1.2.2总结和例题讲解.mp48.98MB课时 16 1.2.1用户标签的制作方法.mp438.55MB课时 15 1.1.5总结和例题讲解.mp49.34MB课时 14 1.1.4 用户标签的类型.mp432.19MB课时 13 1.1.3 用户标签与用户画像的关系.mp460.88MB课时 12 1.1.2 业务指标与用户标签的关系-2.mp465.86MB课时 11 1.1.2 业务指标与用户标签的关系-1.mp449.31MB课时 10 1.1.1 如何定位用户.mp425.98MB
