Python商业数据分析特训班视频教程

软考考证

课程简介

《Python商业数据分析特训班视频教程》共419节视频教程，课件也打包提供了，课程可以在百度网盘在线观看或者下载【技能收获】学完可掌握：Python 编程、Vue / 前端工程化、MySQL / 数据库。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：Linux 运维工程师、SRE、云计算工程师、DevOps 工程师。云原生与自动化运维仍是企业 IT 刚需方向，

已有 0 人浏览发布 2026-09-15 更新 2026-09-15

这套《Python商业数据分析特训班》在资料库里属于体量偏大的一类：419节视频，外加一整套课件打包。拿到手第一反应往往是"先存着"，但真要看，得先弄清楚它到底讲了什么、哪些部分值得花时间、哪些可以快进。下面从课纲结构和使用方式两个角度拆一下。

课纲的真实重心：业务分析，不是编程入门

虽然标题里带"Python"，但从章节分布看，这门课的落点其实在"商业数据分析"这四个字上。Python 部分主要承担工具角色——数据处理、清洗、可视化这些环节靠 pandas、numpy、matplotlib 一类库来完成，讲法偏应用而非语言本身。如果你的目的是系统学 Python 语法或工程化开发，这门课并不对口；但如果你想的是"用代码把一堆业务数据变成能汇报的结论"，它的章节编排是对得上路的。

需要提前说明的是，资料包附带的摘要里提到了 Vue、前端工程化、Linux 运维、SRE 这类内容，和"商业数据分析"这个主题明显不匹配，大概率是通用模板串进来的。选课时以课纲实际章节为准，别被这类描述带偏。

值得精看的几类章节

数据清洗与预处理部分。这是整套课里含金量最集中的一段。真实业务数据脏、乱、缺，清洗逻辑讲得细不细，直接决定后面分析能不能跑通。建议逐节看，别跳。
指标体系与业务拆解章节。这类内容不是代码能替代的，讲的是"该看哪些数、怎么定义口径"。对做运营、产品、市场分析的人价值最高。
可视化与报告输出环节。涉及图表选型和结论表达，属于能直接搬到工作里的部分。
综合案例章节。通常放在靠后位置，用来串起前面所有工具。建议第一遍先看思路，第二遍再跟着敲。

相对可以快进的，是 Python 基础语法铺垫和环境配置那几节。有编程底子的人扫一遍即可，不必逐帧跟。

课件包怎么拆开用

419节视频一口气啃完不现实，配套课件的作用就是帮你分段。比较实用的做法是：把课件按模块拆成几组，每看完一个模块，用课件里的示例数据自己重跑一遍，而不是只看视频点头。课件里的代码和数据文件才是真正能反复用的部分，视频看过一遍就过去了。

另外，这套课适合"带着问题看"。手头有真实数据或业务场景时，跳到对应章节直接找方法，比从头顺序刷效率高得多。顺序学习的建议对零基础成立，对有经验的人反而是拖累。

适合谁，不适合谁

适合：做运营、产品、市场、财务等岗位，手里有数据但不会用代码处理的人；想从 Excel 转向 Python 分析的分析师；需要补业务分析思维的数据岗新人。

不适合：想专攻 Python 后端或算法工程的人；已经熟练使用 pandas 做分析、只差项目经验的人——这类人更需要的是真实数据集，而不是再刷一遍教程。

整体判断：这是一门偏业务落地的分析课，工具讲得够用，重点在方法和案例。资料先收着没问题，但真要学，建议按模块拆、带着场景看，别把它当成又一份"存了等于学了"的网盘库存。

共419节视频教程，课件也打包提供了，课程可以在百度网盘在线观看或者下载

课程推荐

视频目录（419 节）

* │  ├─1.10数据粒度（四）.mp4

* │  ├─1.11答疑（二）.mp4

* │  ├─1.12答疑（三）.mp4

* │  ├─1.13答疑（四）.mp4

* │  ├─1.1商业数据分析引入.mp4

* │  ├─1.2什么是商业数据分析？.mp4

* │  ├─1.3所需技能.mp4

* │  ├─1.4基本分析流程及供应链各个环节.mp4

* │  ├─1.5商业理解.mp4

* │  ├─1.6答疑（一）.mp4

* │  ├─1.7数据粒度（一）.mp4

* │  ├─1.8数据粒度（二）.mp4

* │  ├─1.9数据粒度（三）.mp4

* │  ├─10.10Zip.mp4

* │  ├─10.11Mutable，Immutable.mp4

* │  ├─10.12Traversal Sequence Data Structure.mp4

* │  ├─10.13函数进阶（一）.mp4

* │  ├─10.14函数进阶（二）.mp4

* │  ├─10.15函数也可以传递、Lambda.mp4

* │  ├─10.16修饰.mp4

* │  ├─10.17List Comprehensions（一）.mp4

* │  ├─10.18List Comprehensions（二）.mp4

* │  ├─10.1答疑—strip的功能.mp4

* │  ├─10.2List（一）.mp4

* │  ├─10.3List（二）.mp4

* │  ├─10.4List（三）.mp4

* │  ├─10.5Tuple.mp4

* │  ├─10.6Dictionary（一）.mp4

* │  ├─10.7答疑回顾.mp4

* │  ├─10.8Dictionary（二）.mp4

* │  ├─10.9Set.mp4

* │  ├─11.10Advanced Python（三）.mp4

* │  ├─11.11Advanced Python（四）.mp4

* │  ├─11.1Modules，Packages，and Programs（一）.mp4

* │  ├─11.2Modules，Packages，and Programs（二）.mp4

* │  ├─11.3Python Standard Library.mp4

* │  ├─11.4Python System（一）.mp4

* │  ├─11.5Python System（二）.mp4

* │  ├─11.6Python System（三）.mp4

* │  ├─11.7Python System（四）.mp4

* │  ├─11.8Advanced Python（一）.mp4

* │  ├─11.9Advanced Python（二）.mp4

* │  ├─12.10Crawl—BOSS直聘（四）.mp4

* │  ├─12.11Crawl—BOSS直聘（五）.mp4

* │  ├─12.12Crawl—BOSS直聘（六）.mp4

* │  ├─12.13作业：英雄列表整合（一）.mp4

* │  ├─12.14作业：英雄列表整合（二）.mp4

* │  ├─12.15作业：英雄列表整合（三）.mp4

* │  ├─12.1计算机网络基础.mp4

* │  ├─12.2网站.mp4

* │  ├─12.3示例分析.mp4

* │  ├─12.4知识回顾及预习.mp4

* │  ├─12.5HTML，CSS，Browser（一）.mp4

* │  ├─12.6HTML，CSS，Browser（二）.mp4

* │  ├─12.7Crawl—BOSS直聘（一）.mp4

* │  ├─12.8Crawl—BOSS直聘（二）.mp4

* │  ├─12.9Crawl—BOSS直聘（三）.mp4

* │  ├─13.1课程简述及小测试.mp4

* │  ├─13.2自然科学vs数学.mp4

* │  ├─13.3随机试验.mp4

* │  ├─13.4古典概型（一）.mp4

* │  ├─13.5古典概型（二）.mp4

* │  ├─13.6条件概率.mp4

* │  ├─13.7贝叶斯公式（一）.mp4

* │  ├─13.8贝叶斯公式（二）.mp4

* │  ├─13.9独立性.mp4

* │  ├─14.1随机变量.mp4

* │  ├─14.20-1分布和伯努利实验（一）.mp4

* │  ├─14.3伯努利实验例题讲解（一）.mp4

* │  ├─14.4伯努利实验例题讲解（二）.mp4

* │  ├─14.5随机变量分布函数（一）.mp4

* │  ├─14.6随机变量分布函数（二）.mp4

* │  ├─14.7随机变量分布函数（三）.mp4

* │  ├─14.8随机变量分布函数（四）.mp4

* │  ├─14.9随机变量分布函数（五）.mp4

* │  ├─15.10正态分布例题讲解（三）.mp4

* │  ├─15.1分布函数例题及贝叶斯公式回顾.mp4

* │  ├─15.2贝叶斯公式例题（一）.mp4

* │  ├─15.3贝叶斯公式例题（二）.mp4

* │  ├─15.4贝叶斯定理思想归纳.mp4

* │  ├─15.5贝叶斯定理应用总结及分布函数.mp4

* │  ├─15.6正态分布例题讲解（一）.mp4

* │  ├─15.7正态分布例题讲解（二）.mp4

* │  ├─15.8离散型分布函数.mp4

* │  ├─15.9连续型分布函数.mp4

* │  ├─16.1离散型分布函数的数学期望.mp4

* │  ├─16.2连续型分布函数的数学期望.mp4

* │  ├─16.3例题讲解（一）.mp4

* │  ├─16.4例题讲解（二）.mp4

* │  ├─16.5例题讲解（三）.mp4

* │  ├─16.6正态分布的标准差定义.mp4

* │  ├─16.7数学期望及例题讲解.mp4

* │  ├─16.8方差及例题讲解.mp4

* │  ├─17.1二维随机变量（一）.mp4

* │  ├─17.2二维随机变量（二）.mp4

* │  ├─17.3二维随机变量（三）.mp4

* │  ├─17.4N维随机变量（一）.mp4

* │  ├─17.5N维随机变量（二）.mp4

* │  ├─17.6中心极限定理（一）.mp4

* │  ├─17.7中心极限定理（二）.mp4

* │  ├─17.8随机样本与箱线图.mp4

* │  ├─17.9SPSS数据分析.mp4

* │  ├─18.10单因素方差分析（二）.mp4

* │  ├─18.11两因素方差分析.mp4

* │  ├─18.12卡方检验（一）.mp4

* │  ├─18.13卡方检验（二）.mp4

* │  ├─18.14卡方检验（三）.mp4

* │  ├─18.15简单线性回归（一）.mp4

* │  ├─18.16简单线性回归（二）.mp4

* │  ├─18.1T检验理论推导和前提.mp4

* │  ├─18.2单样本t检验（一）.mp4

* │  ├─18.3单样本t检验（二）.mp4

* │  ├─18.4独立样本t检验（一）.mp4

* │  ├─18.5独立样本t检验（二）.mp4

* │  ├─18.6配对样本t检验（一）.mp4

* │  ├─18.7配对样本t检验（二）.mp4

* │  ├─18.8方差分析.mp4

* │  ├─18.9单因素方差分析（一）.mp4

* │  ├─19.10统计、排序和存储array.mp4

* │  ├─19.11Pandas简单介绍和Series.mp4

* │  ├─19.12Series.mp4

* │  ├─19.13DataFrame.mp4

* │  ├─19.14Titanic example.mp4

* │  ├─19.15Index object、Reindex.mp4

* │  ├─19.16Drop Data、Slice Data.mp4

* │  ├─19.17Data Alignment、Rank and Sort.mp4

* │  ├─19.1NumPy简单介绍.mp4

* │  ├─19.2创建矩阵（一）.mp4

* │  ├─19.3创建矩阵（二）.mp4

* │  ├─19.4算术操作和矩阵计算.mp4

* │  ├─19.5Several Useful Operations.mp4

* │  ├─19.6一维矩阵.mp4

* │  ├─19.7多维矩阵（一）.mp4

* │  ├─19.8多维矩阵（二）.mp4

* │  ├─19.9Generate Grid、NumPy where function.mp4

* │  ├─2.1数据质量与形式.mp4

* │  ├─2.2数据隐性.mp4

* │  ├─2.3案例分析.mp4

* │  ├─2.4不同类型的分析.mp4

* │  ├─2.5数据可视化.mp4

* │  ├─2.6典型数据驱动开发团队的人员.mp4

* │  ├─2.7答疑.mp4

* │  ├─20.10Data-ink ratio举例（一）.mp4

* │  ├─20.11Data-ink ratio举例（二）.mp4

* │  ├─20.12Seaborn：Regression plot.mp4

* │  ├─20.13Bar plot、FacetGrid.mp4

* │  ├─20.14Pair Plot、Joint Plot与Line Plot.mp4

* │  ├─20.15Plotly（一）.mp4

* │  ├─20.16Plotly（二）.mp4

* │  ├─20.1数据可视化引入（一）.mp4

* │  ├─20.2数据可视化引入（二）.mp4

* │  ├─20.3什么是Data Visualization.mp4

* │  ├─20.4Matplotlib简单介绍.mp4

* │  ├─20.5Data-ink ratio.mp4

* │  ├─20.6一次性画图和重复性画图的关系.mp4

* │  ├─20.7Matplotlib及其元素.mp4

* │  ├─20.8Mode.mp4

* │  ├─20.9Basic elements及画图介绍.mp4

* │  ├─21.10切片器连接多个数据透视表.mp4

* │  ├─21.11分组.mp4

* │  ├─21.12设置数值计算方式与自定义计算项.mp4

* │  ├─21.13例题练习.mp4

* │  ├─21.1数据透视表课程引入.mp4

* │  ├─21.2观察数据及创建数据透视表.mp4

* │  ├─21.3透视表简单练习.mp4

* │  ├─21.4如何设置数据透视表的格式、风格.mp4

* │  ├─21.5报表布局、分类汇总、总计.mp4

* │  ├─21.6排序与筛选（一）.mp4

* │  ├─21.7排序与筛选（二）.mp4

* │  ├─21.8刷新、更改数据源.mp4

* │  ├─21.9切片器操作及简单练习.mp4

* │  ├─22.10饼状图答疑.mp4

* │  ├─22.11练习（一）.mp4

* │  ├─22.12练习（二）.mp4

* │  ├─22.13练习（三）.mp4

* │  ├─22.14练习（四）.mp4

* │  ├─22.15练习（五）.mp4

* │  ├─22.1课前回顾.mp4

* │  ├─22.2柱状图（一）.mp4

* │  ├─22.3柱状图（二）.mp4

* │  ├─22.4柱状图（三）.mp4

* │  ├─22.5柱状图（四）.mp4

* │  ├─22.6饼状图、线状图.mp4

* │  ├─22.7图表结合.mp4

* │  ├─22.8数据透视图（一）.mp4

* │  ├─22.9数据透视图（二）.mp4

* │  ├─23.10创建Dashboard（一）.mp4

* │  ├─23.11创建Dashboard（二）.mp4

* │  ├─23.12创建Dashboard（三）.mp4

* │  ├─23.13课程内容回顾（一）.mp4

* │  ├─23.14课程内容回顾（二）.mp4

* │  ├─23.1课前回顾.mp4

* │  ├─23.2mini图和时间轴.mp4

* │  ├─23.3数据仪表盘示例及创建仪表盘的步骤.mp4

* │  ├─23.4创建仪表盘的注意事项与演示.mp4

* │  ├─23.5创建数据仪表盘：观察整理数据.mp4

* │  ├─23.6建立数据透视表和图表（一）.mp4

* │  ├─23.7建立数据透视表和图表（二）.mp4

* │  ├─23.8建立数据透视表和图表（三）.mp4

* │  ├─23.9建立数据透视表和图表（四）.mp4

* │  ├─24.10金融数据分析与人力资源数据分析.mp4

* │  ├─24.11医疗健康数据分析.mp4

* │  ├─24.12供应链数据分析与体育数据分析.mp4

* │  ├─24.13互联网数据分析.mp4

* │  ├─24.14数据清理—数据分析前必不可少的步骤.mp4

* │  ├─24.15Case 1：数据质量控制（一）.mp4

* │  ├─24.16Case 1：数据质量控制（二）.mp4

* │  ├─24.17数据分析流程及分类.mp4

* │  ├─24.18描述性、预测性、指导性数据分析.mp4

* │  ├─24.19Case 2：如何使用数据解答商业问题.mp4

* │  ├─24.1商业数据分析的驱动力.mp4

* │  ├─24.20答疑及大数据简述.mp4

* │  ├─24.2什么是商业数据分析（一）.mp4

* │  ├─24.3什么是商业数据分析（二）.mp4

* │  ├─24.4不同部门的应用场景及流程综述.mp4

* │  ├─24.5市场推广数据分析（一）.mp4

* │  ├─24.6市场推广数据分析（二）.mp4

* │  ├─24.7新业务开发.mp4

* │  ├─24.8销售管理和其他应用场景.mp4

* │  ├─24.9不同行业的应用场景及答疑.mp4

* │  ├─25.10Marketing Analytics Landscape及答疑.mp4

* │  ├─25.11Marketing Mix Model.mp4

* │  ├─25.12MMM模型例题分析.mp4

* │  ├─25.13市场反应度、线性模型及指数模型.mp4

* │  ├─25.14Contribution与Optimization.mp4

* │  ├─25.15Digital Marketing.mp4

* │  ├─25.16Attribution及举例.mp4

* │  ├─25.17Linear Attribution及两-模型-较分析.mp4

* │  ├─25.1市场漏斗模型Marketing Funnel（一）.mp4

* │  ├─25.2市场漏斗模型Marketing Funnel（二）.mp4

* │  ├─25.3Samples.mp4

* │  ├─25.4Marketing vs Marketing Analytics（一）.mp4

* │  ├─25.5Marketing vs Marketing Analytics（二）.mp4

* │  ├─25.6Marketing Analytics（一）.mp4

* │  ├─25.7Marketing Analytics（二）.mp4

* │  ├─25.8Segmentation及举例.mp4

* │  ├─25.9Acquisition Model与Analytics Cycle.mp4

* │  ├─26.1ROI—投资回报率.mp4

* │  ├─26.2MER—推广成本营收-.mp4

* │  ├─26.3CAC—顾客获取成本及其他重要指标.mp4

* │  ├─26.4STP框架.mp4

* │  ├─26.5STP举例：地毯纤维.mp4

* │  ├─26.6市场细分需要收集的数据.mp4

* │  ├─26.7市场细分的主要步骤及聚类分析举例.mp4

* │  ├─26.8Case Study：应当选择-个细分市场？.mp4

* │  ├─26.9目标市场、市场定位及行业前瞻.mp4

* │  ├─27.10Missing Data与Transformation.mp4

* │  ├─27.11Web Data Preparation.mp4

* │  ├─27.12Data Cleaning：Airbnb Listings（一）.mp4

* │  ├─27.13Data Cleaning：Airbnb Listings（二）.mp4

* │  ├─27.14Data Cleaning：Airbnb Listings（三）.mp4

* │  ├─27.1数据处理方法引入.mp4

* │  ├─27.2Data Source：Excel.mp4

* │  ├─27.3Data Source：Delimited format与Fixed length.mp4

* │  ├─27.4Data File与Web Data.mp4

* │  ├─27.5Data Source：RDBMS.mp4

* │  ├─27.6Data Types（一）.mp4

* │  ├─27.7Data Types（二）.mp4

* │  ├─27.8Missing Data与Data Quality Issues.mp4

* │  ├─27.9Data Preparation与Data Cleansing.mp4

* │  ├─28.10Feature Extraction（一）.mp4

* │  ├─28.11Feature Extraction（二）.mp4

* │  ├─28.12答疑：Sklearn安装.mp4

* │  ├─28.13Feature selection.mp4

* │  ├─28.14Learning algorithm（一）.mp4

* │  ├─28.15Learning algorithm（二）.mp4

* │  ├─28.16Extreme Example.mp4

* │  ├─28.17Model evaluation&selection及回顾.mp4

* │  ├─28.1Sklearn介绍.mp4

* │  ├─28.2什么是机器学习.mp4

* │  ├─28.3General Learning Models-Supervised（一）.mp4

* │  ├─28.4General Learning Models-Supervised（二）.mp4

* │  ├─28.5General Learning Models-Unsupervised.mp4

* │  ├─28.6Part1.Feature Extraction.mp4

* │  ├─28.7Part2.Learning Algorithms.mp4

* │  ├─28.8Sklearn安装.mp4

* │  ├─28.9Dataset.mp4

* │  ├─29.10模型的诊断（二）.mp4

* │  ├─29.11线性回归分析步骤.mp4

* │  ├─29.12Python实例：利用数据点建立模型.mp4

* │  ├─29.13如何求线性方程斜率与截距.mp4

* │  ├─29.14如何评价模型的好坏.mp4

* │  ├─29.15Linear Regression on Boston housing dataset.mp4

* │  ├─29.16Method 1：sklearn package.mp4

* │  ├─29.17Method 2：statsmodels package.mp4

* │  ├─29.1课程引入.mp4

* │  ├─29.2什么是模型？.mp4

* │  ├─29.3什么是回归分析及其分类.mp4

* │  ├─29.4什么是线性回归？.mp4

* │  ├─29.5自变量与因变量.mp4

* │  ├─29.6线性回归模型及所需满足的条件.mp4

* │  ├─29.7线性回归前提假设.mp4

* │  ├─29.8残差Residual及系数的估计.mp4

* │  ├─29.9模型的诊断（一）.mp4

* │  ├─3.10查找和替换（一）.mp4

* │  ├─3.11查找和替换（二）.mp4

* │  ├─3.12答疑.mp4

* │  ├─3.1Excel简介.mp4

* │  ├─3.2Excel基本操作（一）.mp4

* │  ├─3.3Excel基本操作（二）.mp4

* │  ├─3.4Excel基本操作（三）.mp4

* │  ├─3.5行列及区域（一）.mp4

* │  ├─3.6行列及区域（二）.mp4

* │  ├─3.7数据及数据类型（一）.mp4

* │  ├─3.8数据及数据类型（二）.mp4

* │  ├─3.9数据及数据类型（三）.mp4

* │  ├─30.10过拟合vs欠拟合与交叉验证.mp4

* │  ├─30.11逻辑回归分析流程.mp4

* │  ├─30.12数据导入.mp4

* │  ├─30.13Data Exploratory.mp4

* │  ├─30.14Create dummy variables & Feature Selection.mp4

* │  ├─30.15Implementing the model & Logistic Regression Model Fitting.mp4

* │  ├─30.16Cross Validation & Confusion Matrix.mp4

* │  ├─30.1课程引入.mp4

* │  ├─30.2监督式vs非监督式机器学习.mp4

* │  ├─30.3分类vs聚类.mp4

* │  ├─30.4分类算法vs回归分析.mp4

* │  ├─30.5为什么线性模型不适用？.mp4

* │  ├─30.6逻辑回归的前提假设.mp4

* │  ├─30.7逻辑回归的公式及问题.mp4

* │  ├─30.8混淆矩阵与ROC曲线.mp4

* │  ├─30.9模型永远都不是完美的.mp4

* │  ├─31.10Growth hacking-0304.mp4

* │  ├─31.11Growth hacking-0304.mp4

* │  ├─31.12MySQL 1 -0305.mp4

* │  ├─31.13MySQL 1-0305.mp4

* │  ├─31.14MySQL2 -0306.mp4

* │  ├─31.15NoSQL Database in Big Data-0307.mp4

* │  ├─31.16Power BI-0307.mp4

* │  ├─31.17E-Commerce-0309.mp4

* │  ├─31.18E-Commerce-0310.mp4

* │  ├─31.19Gaming Analytics-0312.mp4

* │  ├─31.1Classification & Clustering Classification vs. Clustering-0223.mp4

* │  ├─31.20Gaming Analytics-0314.mp4

* │  ├─31.21感官分析1-0316.mp4

* │  ├─31.22感官分析2-0316.mp4

* │  ├─31.23感官分析3-0317.mp4

* │  ├─31.24感官分析4-0317.mp4

* │  ├─31.25A-B Testing-0319.mp4

* │  ├─31.26A-B Testing-0320.mp4

* │  ├─31.27Capstone-0323.mp4

* │  ├─31.28Capstone-0324.mp4

* │  ├─31.2顾客体验Customer Experience-0224.mp4

* │  ├─31.3定价Pricing-0225.mp4

* │  ├─31.4SPSS与问卷分析-0226.mp4

* │  ├─31.5市场研究的基础知识-0227.mp4

* │  ├─31.6市场营销的研究应用-0228.mp4

* │  ├─31.7CRM & RFM- 0301.mp4

* │  ├─31.8CRM & RFM -0302.mp4

* │  ├─31.9新业务开发及销售运营管理-0303.mp4

* │  ├─4.1答疑回顾.mp4

* │  ├─4.2排序.mp4

* │  ├─4.3排序插入.mp4

* │  ├─4.4筛选（一）.mp4

* │  ├─4.5筛选（二）.mp4

* │  ├─4.6答疑.mp4

* │  ├─5.10报名统计.mp4

* │  ├─5.11SUMIF.mp4

* │  ├─5.12SUMIF练习.mp4

* │  ├─5.1分类汇总（一）.mp4

* │  ├─5.2分类汇总（二）.mp4

* │  ├─5.3公式与函数（一）.mp4

* │  ├─5.4公式与函数（二）.mp4

* │  ├─5.5公式与函数（三）.mp4

* │  ├─5.6逻辑判断IF（一）.mp4

* │  ├─5.7逻辑判断IF（二）.mp4

* │  ├─5.8COUNTIF.mp4

* │  ├─5.9重复.mp4

* │  ├─6.1VLOOKUP.mp4

* │  ├─6.2菜单、Join Two Tables.mp4

* │  ├─6.3记录多匹配、跨表.mp4

* │  ├─6.4跨表、跨文件薄.mp4

* │  ├─6.5示例：王者荣耀、打标签.mp4

* │  ├─6.6文本vlookup、Hlookup.mp4

* │  ├─6.7Match&Index.mp4

* │  ├─6.8返回多列.mp4

* │  ├─6.9认识数组、记录多匹配.mp4

* │  ├─7.1商务智能含义（一）.mp4

* │  ├─7.2商务智能含义（二）.mp4

* │  ├─7.3数据仓库系统.mp4

* │  ├─7.4常见BI.mp4

* │  ├─7.5Power BI（一）.mp4

* │  ├─7.6Power BI（二）.mp4

* │  ├─7.7答疑.mp4

* │  ├─8.10Python for basic data type（一）.mp4

* │  ├─8.11Python for basic data type（二）.mp4

* │  ├─8.12Python for basic data type（三）.mp4

* │  ├─8.13Python for basic data type（四）.mp4

* │  ├─8.14Python for basic data type（五）.mp4

* │  ├─8.15Python for basic data type（六）.mp4

* │  ├─8.16Python for basic data type（七）.mp4

* │  ├─8.17Python for basic data type（八）.mp4

* │  ├─8.1Python基础课程.mp4

* │  ├─8.2Python能做什么.mp4

* │  ├─8.3Python20载.mp4

* │  ├─8.4Python简单介绍.mp4

* │  ├─8.5工具安装及环境配置（一）.mp4

* │  ├─8.6工具安装及环境配置（二）.mp4

* │  ├─8.7计算机与程序思维.mp4

* │  ├─8.8Jupyter notebook（一）.mp4

* │  ├─8.9Jupyter notebook（二）.mp4

* │  ├─9.10王者荣耀case function（三）.mp4

* │  ├─9.11Quiz—基本语法及变量.mp4

* │  ├─9.12Way to Function（一）.mp4

* │  ├─9.13Way to Function（二）.mp4

* │  ├─9.14Quiz—Code Structure（一）.mp4

* │  ├─9.15Quiz—Code Structure（二）.mp4

* │  ├─9.16Python basic data structure（一）.mp4

* │  ├─9.17Python basic data structure（二）.mp4

* │  ├─9.18Python basic data structure（三）.mp4

* │  ├─9.1答疑.mp4

* │  ├─9.2Python for basic data type（一）.mp4

* │  ├─9.3Python for basic data type（二）.mp4

* │  ├─9.4Quiz—字符串.mp4

* │  ├─9.5Python Code Structure.mp4

* │  ├─9.6While Loop.mp4

* │  ├─9.7For Loop.mp4

* │  ├─9.8王者荣耀case function（一）.mp4

* │  ├─9.9王者荣耀case function（二）.mp4

配套笔记（5 份 PDF）

* │  ├─0227—市场调查的基础知识V1.pdf

* │  ├─0303-BA I BD and Sales Chn.pdf

* │  ├─0304-GrowthHacking-V3.pdf

* │  ├─0309-E-Commerce-V4.pdf

* │  ├─0310-E-Commerce-2-V4.pdf