本课程为大数据分析初级课程，面向所有应用型人员，包括业务部门，以及数据分析部门，系统开发人员也同样需要学习。 本课程核心内容是理清大数据的本质及核心理念，培训大数据人才的数据思维模式，以解决业务问题
第一部分：Hadoop的基本框架 1、大数据时代面临的问题 2、当前解决大数据的技术方案 3、Hadoop架构和云计算 4、Hadoop简史及安装部署 5、Hadoop设计理念和生态系统 第二部分：
第一部分：SAS基础 1、SAS简介和构成 2、SAS的主要模块和功能 3、SAS的四种运行模式 Ø 窗口环境模式 Ø 非交互模式 Ø 交互式运行模式 Ø 批处理模式 4、掌握SAS的基本数据结构和
Python是一门解释性语言，仅次于JAVA/C/C++/C#最受欢迎的语言，可应用在大数据语言。易学，易懂，功能强大。其中有着大量的扩展库来实现数据分析与数据挖掘功能。 第一部分：Python语言
IBM SPPS Statistics是一个专业的数据挖掘工具，其中内置了大量的数据分析常用方法、模型。专业人员和非专业人员都适用，不需要懂太多的挖掘算法和模型，专业人员也可以用来作深入的数据分析与
IBM SPPS Modeler是一个数据流处理工具，适用于数据探索与数据挖掘，包括数据预处理、数据探索、数据可视化、数据建模、数据模型优化。 第一部分：数据挖掘基础知识（基础，决定你的高度） 1、
第一部分：数据挖掘基础知识（基础，决定你的高度） 1、数据挖掘工具简介 Ø EXCEL规划求解（数据建模工具） Ø SAS统计分析系统 Ø SPSS统计产品与服务解决方案（Modeler数据流处理）
第一部分、大数据营销的概述 大数据时代带来对传统营销的挑战 传统营销的困境 大数据营销引领营销变革 大数据营销的基石：用户画像 大数据营销的思维变革 客户生存周期中的大数据应用 数据分析与挖掘在各行
浙公网安备 33010802003509号
