招生对象:1.做过业务、但被数据卡住的人;2.正在向分析/策略/管理角色跃
学费:咨询
近屿智能AI数据分析智能体工程师课程教你该如何思考、如何判断、如何在 AI 时代保持长期价值。涵盖了从数据分析基础到AI智能化应用的各个方面。通过课程,学员将从工具使用者转变为具有判断力和战略眼光的分析师,具备在数据时代中长期保持竞争力的能力。
|
阶级 |
阶级标题 |
阶级课程 |
|
E1 |
走进数据分析:认知、角色与思维 |
什么是数据分析 & 外界的常见误解 |
|
数据分析师的职责、分类与核心思维 |
||
|
E2 |
Excel:从零到一次完整分析 |
Excel 基础操作与数据规范(零基础兜底) |
|
Excel 函数、透视表与分析技巧 |
||
|
用 Excel 发现问题(对比 / 分组 / 异常) |
||
|
Excel 分析表达与完整实战 |
||
|
E3 |
BI:让分析被组织复用( |
BI 工具基础与快速上手(零基础兜底) |
|
指标体系、数据建模与趋势判断 |
||
|
BI 交互分析与多页面看板设计 |
||
|
BI 洞察与管理层汇报 |
||
|
E4 |
SQL:掌控数据与复杂分析 |
SQL 基础与数据主权 |
|
业务型 SQL 与多表分析 |
||
|
复杂分析场景(留存 / 转化 / RFM) |
||
|
E5 |
Python:分析自动化 |
Python 在分析中的位置 + Pandas 基础 |
|
Python 数据处理与指标计算 |
||
|
分析自动化与监控 |
||
|
E6 |
机器学习:预测与分群 |
预测思维与特征工程 |
|
预测与分群模型实战 |
||
|
模型评估与业务策略 |
||
|
E7 |
数据分析 Agent |
分析工作如何被 Agent 重构(认知 + 场景) |
|
数据分析 Agent 架构设计 |
||
|
构建数据分析 Agent(基础版) |
||
|
构建预测型分析 Agent |
1.做过业务、但被数据卡住的人
会 Excel / SQL,却不知道如何分析;老板要结论,只能交出图表。
2.正在向分析/策略/管理角色跃迁的人
意识到“工具不等于价值”,需要的是判断力、结构感和表达能力。
3.不想被工具淘汰、更不想被AI替代的人
想知道:人在数据时代的核心价值究竟在哪里。
亮点1.一套完整的“认知→决策→自动化→智能化”进化路径
多数机构只教工具堆叠:Excel → SQL → Python → 机器学习。
而我们围绕的是:认知与角色 → 发现问题 → 结构化判断 → 规模化复用 → 自动化 → Agent 化。
你会真正学到:什么时候该分析、分析的边界在哪、人该做什么、机器该做什么——这是一条长期不过时的成长路径。
亮点2.强调“数据分析的职责”,而非“数据分析的技能”
先定义“分析师是做什么的”。
你会意识到:数据分析不是“算数的人”,也不是“帮业务拉数的人”,而是为决策降低不确定性的人。
让你从执行层提升至判断层。
亮点3.工具只是载体,核心是可迁移的分析方法论
无论是 Excel、BI、SQL 还是 Python,在我们这里都围绕同一主线:
如何发现问题 → 验证假设 → 得出可行动的结论。
你学的不是功能,而是一套方法:对比、分组、拆解因果、定位异常、把握趋势。
这意味着:换工具 ≠ 推倒重来,工具升级 ≠ 认知升级。
亮点4.从“个人能力”走向“组织能力”
BI、指标体系、看板与汇报模块尤其关键:
你会明白,真正值钱的分析不是“你会”,而是“组织能否持续复用”。
看板不是展示工具,而是管理工具;汇报不是复述数据,而是影响决策。
这是从分析员思维到管理者思维的关键跨越。
亮点5.直面现实:数据分析岗位会被AI取代吗?
我们不回避,而是正面回应:
Python 自动化 → 把低价值、重复劳动交给机器;
机器学习 → 把经验转化为可复制的策略;
Agent → 重构分析工作的分工模式。
最终你会理解:AI 淘汰的是“工具型分析师”,放大的是“有判断力的分析者”。
这是一套把你从“会用工具的人”,一步步带到“会用数据做判断的人”的课程。