SQL数据库基础（必看）

1. 数据库基本概念
2. DDL数据定义语言
3. DML数据操作语言
4. 单表查询
5. 多表查询
6. Python连接SQL

选看

Python编程基础、清洗、可视化（选看）

1. Python标准数据类型
2. 控制流语句
3. 自定义函数
4. 异常和错误
5. 类与面向对象编程
6. Numpy数组操作
7. Pandas数据表基础，数据清洗与探索
8. Python可视化包Matplotlib，Seaborn

统计学与数学基础（选看）

1. 线性代数
2. 微积分
3. 描述性统计
4. 参数估计
5. 假设检验
6. 相关分析
7. 卡方分析
8. 一元线性回归理论推导

第一周

周五

数据库操作与SQL演练

一、SQL单表操作语法回顾

二、SQL多表操作语法回顾

三、使用SQL计算信贷指标练习

四、使用SQL作信用卡客户画像

周六

业务数据分析方法（EXCEL与BI工具演练）

一、建立分析指标

1.1 描述性统计与通用指标的概念与

1.2 定义方式（横截面与队列指标）

1.3 业务场景指标

1.4 指标体系构建方法

1.5 金融企业指标体系成果物示例讲解

二、分析的思维范式

2.1分类思维（RFM/忠诚度/矩阵分析）

2.2链式思维（漏斗模型）

三、分析的步骤

3.1   明确重点（帕累托分析）

3.2找到因果

3.3验证方案（AB测试）

四、分析案例（业务分析报告的故事线）

4.1 银行信贷业务分析报告示例

第二周

周五

数据库演练

或

假设检验知识强化

1. SQL数据库语言
     1. 单表操作
     2. 多表操作
     3. 计算指标和标签

2. 三大假设检验：方差、卡方、相关

周六

线性回归

1. 线性回归基本概念
2. 最小二乘法建立模型
3. 经典线性假设
4. 模型检验
5. 客户潜在价值预测模型

第三周

周五

逻辑回归

1. 逻辑回归模型的建立与估计
2. 模型与分类结果评估
3. 模型应用（风控）

周六

主成分分析

决策树

1. 连续型变量降维基础
2. 主成分分析
3. 因子分析

4. 决策树基础知识
5. 分类树与回归树

第四周

周五

聚类分析
  关联规则

1. 聚类分析基本逻辑
2. 聚类算法（层次, Kmeans）
3. 聚类事后分析
4. 关联规则的概念
5. Apriori算法

周六

标签体系与用户画像
  数字化工作方法(最优化)

数据预处理
  数据分析项目演练

1. 标签体系设计原理

用户标签制作方法

用户画像

业务探查与问题定位

问题诊断

知识库与策略库

基于业务流程的优化

分析项目演练

2. 数据分析项目三大模板的讲解

3. 数据分析项目第一步：业务理解

4. 数据分析项目第二步：数据理解

5. 数据分析项目第三步：数据提取和清洗

6. 数据分析项目第四步：建立预测模型

7. 数据分析项目第五步：模型效果检验

8. 数据分析项目第六步：落地策略制定

9. 说明：提供汇报PPT模板、项目详细说明Word模板、取数说明模板、SQL代码、Python代码，以上材料可以作为企业内部数据分析和数据挖掘项目的标准文档。