10月28日数据应用学院Business Analyst求职训练营开放报名中!
对于大部分想留在美国工作、有一定程度的理工科背景的同学来说,商业分析师无疑是一份非常吸引人的工作。事实上,商业分析师可以通过频繁接触业务从而真正了解推动业务发展的根本因素并全面了解各个职能部门。当然,这份工作也极具挑战性。先来看下business analyst的职位,到底有多热!
Indeed上搜索Business Analyst
Business Analyst是众所周知大热的“程序员”需求量的三倍多,小编表示,没谁了.......
那么具备什么“条件”的简历?才可以入HR的法眼,助你轻松晋级呢?
数据应用学院求职培训系列之<BA入职三步曲>现开放报名!
第一步 技能储备 工业界在职名师指点知识技能+课堂上带你练
第二步 所需经验 四个真实公司提供实习项目
第三步 搞定面试 六次职业辅导+内推(简历修改 面试技巧 模拟面试等)
不做虚 不造假,短短两个月,全方面充实你的简历!
项目优势篇
5位工业界顶尖高手全程授课。
9周中文课程,搞定基础知识和Cross-industry Process for Data Mining and Problem Solving。
9周Lab,手把手从零开始,一行一行带你敲代码,保证 “上课认真跟着练,下课就学会”。
12个Case study案例分析,熟悉掌握商业流程中的不同场景应用和问题解决思路。
6次求职辅导集训营
简历修改,面试技巧,模拟面试Case Interview辅导;
Networking, LinkedIn求职 ,Presentation技巧;
Experienced Data Scientist和美语Hiring Manager 陪你练。
18小时以上的额外Homework的答疑及点评。
3个Capstone实习项目提供实习证明和Certificate
Sales Performance Analysis and Forecasting
Tourism Company Customer Segmentation Analysis
E-commerce Marketing Campaign Analysis
上百个内推成功案例,提供相关职位的内推。
报名方式
1. 发送简历到BusinessAnalyst@DataAppLab.com
2. 点击阅读原文立刻报名。
3. 扫描下图二维码加小助手了解详情。
4. 登录https://www.dataapplab.com/course/bacn/ 直接报名
课程设置篇
10月28日新一期课程开放报名中
价格: 2800美金
课程总周期: 九周
上课形式:
课程形式为 online webinar讲座形式,实时互动,并提供video回看。
上课时间:
课程时间:每周六
美西时间14:00-16:00pm Lab 16:30-18:30pm
美东时间17:00-19:00pm Lab 19:30-21:30pm
Technical 小课:每周一,周三
美西时间18:00-19:00pm 美东时间21:00-22:00pm
TA答疑:每周四
美西时间18:00-20:00pm 美东时间21:00-23:00pm
除此语音答疑外,Piazza及微信群答疑,保证同学的问题在24小时内得到解答。
职业辅导:周五
美西时间19:00-20:30pm 美东时间22:00-23:30pm
技能部分课程表
第一周
Relational Database
Data Definition Language
Database Overview
Database vs Data Warehouse
Data Type
Data Model
Database Objects
SQL Query Basic
Join and Union
Basic Query
Aggregation
Advanced Excel
Data preparation: Cleaning and categorization, merging datafrom different sources
Basic functions: SUMIFS, COUNTIFS, MATCH, IF Modeling, TextFormulas, Date Formulas, VLOOKUP
Pivot Table, Slicers, Formatting, Remove Duplicates,Filters, Sorting
Data Analysis
Visualization
R Basic I
Installation & Introduction
Types of Variables
Using Variables
Logical Variables and Operators
Create a Vector
Using the [] brackets
Functions in R
Packages in R
第二周
Overview of Business Process
Business Process: Marketing, Business Development, Sales Operations, Pricing, CustomerExperience
AIDA Framework and Concept
Data Preparation
Business Insights
Case study
Data Quality Control
How to Choose Business metrics?
How to interpret a business question into “data analytical question”?
Linear Regression
Basic linear regression statistics review
Linear Regression in R
Linear Regression Model Diagnostics
Case
Restaurant Sales Forecast
R Basic II
The While Loop
The For Loop
The IF Statement
The Ifelse() Function
Vectorized Operations
Vector Calculation
R Basic III
Building your first matrix
Data Frame
Data Frame vs. Matrix
Subsetting
第三周
Marketing Analytics - Marketing Mix Model
Marketing Strategy Overview
ROI Analysis
Predicting Consumer Choice
Marketing Mix Model
Case study
Multiple marketingcampaign channel Analysis
SQL Query Advanced
Advanced Query
Sub Query
Query Optimization
R Basic IV
Merge Data Frames
Basic Regular Expression
Import Data
Explore your dataset
R (dplyr package)
Install Packages
Select
Remove duplicate rows
Filter
Nesting vs. Chaining
第四周
E-Commerce Analytics
Key metrics in E-commerce industry
Digital Marketing Analytics Full Cycle
How to build customer profile
How to increase conversion rate
How to segment and rank customer for lifetime value analysis
Case study
Factors related to conversion rate
Customer RFM segmentation and applications
Logistic Regression
Basic knowledge of logistic regression
Logistic regression in R
Logistic regression validation
Case study
Case: Credit Card FraudDetection in R
R (dplyr + tidyr)
Arrange
Mutate
Summarise
Gather
Spread
Unite
Seperate
R (ggplot2 package) I
Data
Aesthetics
Geometrics
Statistics
第五周
Marketing Analytics - Segmentation, Targeting, Positioning
Marketing Strategy Overview II
Customer Segmentation and Targeting
Promoting and Product Positioning
Case study
Clustering-how manycustomers should I have
Data Visualization with Tableau
Connecting to Data
Visual Analytics
Calculations
Dashboards
Publish to Tableau Online
Tableau Hands on - Dashboards
Dimension Folder & Hierarchy
Superstore customer summary dashboards
Superstore Product summary dashboards
Actions in dashboards
Tableau Hands on – Advanced
Parameters
Set
Building your first STORY!
第六周
Customer Experience & Pricing
Customer Experience Overview
Retaining Customer and Churn Prediction
Attribution Model and NPS Score
Pricing Overview and Example
Case study
Pricing Methods
Machine Learning Basics- Clustering
Classification vs. Clustering
Cross Validation
Clustering in R
K-means Model
Hierarchical Model
R (ggplot2 package) II
Facets
Coordinates
Theme
R (Apply Functions)
apply()
lappy()
By()
sappy()
tapply()
vapply()
第七周
Business Development- Lead Generation
Overview of Business Development and Sales
Lead Generation through Web
Lead Prioritization
Sales Forecasting and Salesforce Alignment
Case study
Lead Analytics
Machine Learning Basics- Classification
Decision Tree
Random Forest
How to build Decision Tree and Random Forest in R
R (data.table Package)
Subsetting data the old school way
Enter the data.table package
Similarities to SQL
Tabulation
SQL Interview Questions (Basic)
Capstone Project Review Using R
第八周
A/B Testing
Fundamental principles of experiment design
Randomized design experiments
Matched-pair design experiments
Preparing data for analysis
Analyze and interpret results
Sentiment Analysis
What is sentiment analysis
Why sentiment analysis
Sentiment analysis in social media
Case study
Twitter SentimentAnalysis
SQL Interview Questions (Advanced)
R Interview Questions
Capstone Project ReviewUsing Tableau
第九周
Financial Analytics - Fraud Detection
Overview of fraud detection
Which factors can lead to fraud?
Fraud Detection in insurance
Fraud Detection in bank
Credit fraud detection
Choose a right model to detect fraud
Case study
Credit Card Fraud Detection
Time Series Analysis
Time Series Model Case 1
Web Scraping
How to use R to doWeb Scraping Case 2
Capstone Project Presentation
教师介绍
Pan老师
超过10年商业分析工作经验,Lead Director of Analytics,MIT 在读EMBA,对生物医疗、电信通讯、市场营销等多个行业都有深刻了解,业余通过自媒体热心分享商业分析前沿应用
MK 老师
北美Top Digital Marketing公司Marketing Analytics Manager,擅长数据库、SQL应用,市场营销分析
Summer 老师
硅谷IT公司marketing部门Data Scientist,擅长统计模型,R的应用
Project 实习项目篇
我们和北美科技公司广泛合作,通过联合开发和技术咨询方式为学员提供实习机会。 每位学员可以选择我们提供的实习项目,也可以结合自己的背景在导师指导下完成个人定制化的实习项目。
Project 1: Customer Segmentation Analysis and Campaign Analysis
Project 2: Marketing Analytics
Project 3: Sales performance and forecasting in R
面试辅导与内推篇
与面试官直接对话,个人职业发展辅导
提供6周在线职业辅导课程(每周五7:00-8:30pm PST)
Step 1 怎么拿到面试机会?
| 简历修改 |
|一个好的Cover letter多重要 |
| LinkedIn求职技巧 |
| 如果通过Networking在美帝增长人脉拿面试拿内推 |
| Networking后怎么有效follow up |
Step 2 怎么通过层层面试?
| STAR面试技巧辅导 |
| Technial Interview怎么展示技术实力 |
| 公司最常考什么?面试真题+模拟面试 |
| 最难的Analytical case和Case interview怎么准备 |
Step 3 怎么secure offer?
| Compensation Negotiation |
| Job preparation & Orientation |
| 与硅谷猎头直接对接,提供数据行业大公司岗位内推 |
背景介绍篇
越来越多的公司聘请更多的商业分析师来制定发展和增长的战略或建议,既懂业务又会数据分析的商业分析师Business Analyst在高科技,医疗保健,金融,零售等不同行业有越来越高的需求。作为IT和客户之间的桥梁,商业分析师需要了解客户的需求,熟悉行业趋势,并分析数据以提供策略 – 用数据创造价值,并促进公司的潜在增长。
在美国,初级的Business Analyst年薪在7-9w美金之间,作为几乎所有行业每家公司都会有的entry level position,工作岗位机会大约是Data Scientist的3倍。
未来10年工作机会预计有27%增长,据美国劳工部统计数据预测,美国在2020年会需要876,000的商业分析人才。
比如被评为“#1 in Tech-Employees‘ Choice-Best Places to Work”的Facebook从去年11月起,其Small & Medium Business Analytical (SMB) Team持续扩招,对统计、经济、商科、市场背景的同学是福音。
去年12月起,我们的学员也陆续收到包括Facebook SMB 组analyst的面试offer。在辅导同学准备各轮面试的过程中,我们更深入的了解了Top Company包括FLAG在内的对Business Analyst这个职位的工作技能要求,制定了最符合进入这个行业的全面培训求职课程。
同时针对文商科同学大多数零编程基础,每周增加2小时Lab,手把手从零开始,一行一行带你敲,带你掌握R、SQL、Advanced Excel、Tableau等常用工具。 希望帮助具有文科、商科、工程管理、应用数学和统计背景的学生在职场中突破重围,发挥原有的domain knowledge优势,转型Analytical人才,找到一份有技能点满满的有趣职位。
您还可以获得什么?
解决自学窘境:课下TA全程辅导,能让你在遇到问题第一时间得到帮助,不会出现自学时因为难题卡住被迫放弃。
顶级职业Network:我们的老师、mentor、校友遍布北美各大数据公司。他们组成的强大后援团会为大家提供第一手的面经和定制化的内推。
任劳任怨的TA团队:课下TA全程辅导,答疑解惑,手把手的带你入门。学员可以通过微信群和Discussion Board随时提出问题,会有TA及时解答。
报名方法
报名方式
1.发送简历到BusinessAnalyst@DataAppLab.com
2. 点击阅读原文立刻报名。
3. 扫描下图二维码加小助手了解详情。
4. 登录https://www.dataapplab.com/course/bacn/ 直接报名
更多大数据热点新闻及免费公开课,请点击阅读原文。