2026大数据与数据智能在职周末班晚班课程

课程概述

本课程面向北京地区在职学员，采用周末班与晚班两种班型安排，方便学员在不影响日常工作的前提下系统学习大数据与数据智能相关知识。课程以“基础夯实—工具熟练—项目串联”为主线，从数据处理基础、数据库与SQL入手，逐步进入数据采集与清洗、数据仓库建模、离线计算、实时计算、数据分析与可视化，最后通过综合项目把各环节串联起来，帮助学员形成完整的数据处理思路。

课程强调动手练习与场景理解，每个模块配有对应的练习任务，讲师结合真实业务场景讲解指标口径、数据分层与任务调度等常见问题，帮助学员把零散的工具知识转化为可复用的工作方法。

适合人群

• 在北京工作、希望利用周末或工作日晚间系统学习大数据的在职人员；
• 从事数据分析、运营、产品、测试、运维等岗位，希望补充大数据技术栈知识的学员；
• 已接触过SQL或Excel数据处理，想进一步了解数据仓库、离线与实时计算流程的学员；
• 计算机、信息管理等相关专业背景，计划转向数据处理与分析方向的在职人士；
• 需要梳理团队数据流程、理解数据口径与指标体系的业务骨干。

课程内容

• 模块一 大数据基础与环境准备：大数据技术体系概览、Linux常用命令、开发环境与集群环境的基本使用，帮助学员建立整体认知。
• 模块二 数据库与SQL进阶：关系型数据库基础、SQL查询与多表关联、窗口函数、查询优化思路，为后续数据处理打基础。
• 模块三 数据采集与清洗：常见数据来源与采集方式、数据质量检查、缺失值与重复值处理、数据清洗流程设计。
• 模块四 数据仓库与建模：数据仓库分层思想、维度建模基础、事实表与维度表设计、指标口径管理与数据字典维护。
• 模块五 离线计算：Hadoop生态基本概念、Hive使用与分区表设计、Spark数据处理基础、任务调度与依赖管理。
• 模块六 实时计算入门：消息队列与流式处理基本概念、实时数据链路组成、常见实时指标的计算思路与注意事项。
• 模块七 数据分析与可视化：分析思路与常用方法、报表与看板设计、可视化工具的基本使用、分析结论的表达方式。
• 模块八 数据智能应用场景：指标体系搭建、用户与业务分析场景、数据智能在推荐与风控等方向的常见应用思路。
• 模块九 综合项目实战：围绕一个完整业务场景，完成从数据采集、清洗、入库、计算到分析报表的流程演练，并进行成果讲解与互评。

以上模块顺序与课时安排以实际教学计划为准，讲师会根据班级基础情况适当调整讲解深度与练习比重。

学习收获

• 理解大数据技术体系的基本组成，能够说明各环节工具的作用与衔接关系；
• 熟练使用SQL完成多表查询与常见数据处理任务，掌握基本的查询优化思路；
• 能够设计并执行数据清洗流程，识别常见数据质量问题并提出处理方案；
• 理解数据仓库分层与维度建模方法，能够参与指标口径与数据字典的整理；
• 具备离线计算任务的基本开发与调度能力，了解实时数据链路的主要环节；
• 能够独立完成一份数据分析报告或看板，清晰表达分析过程与结论；
• 通过综合项目积累可写入简历的项目经历，提升数据处理岗位的实操信心。

报名须知

• 班型安排：周末班安排在周六或周日白天，晚班安排在工作日晚间，具体上课时间以平台公布的开班信息为准。
• 学习基础：建议具备基本的计算机操作能力，了解数据库或SQL基础知识的学员学习会更顺畅；零基础学员可先完成课前预习材料。
• 设备要求：需自备可联网的电脑，按课程指引完成环境配置与练习任务。
• 学习方式：以课堂讲授与动手练习相结合，课后布置练习任务，建议按时完成并参与项目讨论。
• 课程费用：本课程在平台标注为0元，具体信息以报名页面显示为准。
• 报名方式：通过本平台在线提交报名信息并等待开班通知，名额与开班时间以平台发布内容为准。
• 说明：本课程为技能学习课程，学习成果因个人基础与投入程度而存在差异，课程不涉及任何形式的就业承诺。