微信客服：xiaoxionga100
微信客服：ITCS521
程序代写案例-INFS5700
时间：2022-04-22
INFS5700
TUTOR:Rusi
全球累计服务用户超十万
·让海外学习更轻松·
TUTOR
Self-Introduction
#
自我介绍
1. 新南研究生第三学期(大四交换生期间WAM: HD，直升
硕士）
2. 专业：Business Analytics， WAM 80+
3. INFS5700 作业D+ 期末考试HD（了解老师的评分标准）
4. 教学氛围轻松高效，乐意为大家解决相关专业问题
5. 兴趣：研究股票，最新资讯，旅游，瑜伽，攀岩
6. 实习经历：百度市场分析
欧莱雅市场部
阿里子公司辰月科技分析专员
多个国家志愿者活动
Rusi
课程目录
CONTENT
1
2
3
Introduction to Business Analytics
Business Analytics Development
Data Visualization
4
5
Data Communication
Dashboard Design
6
7
Business Methodology
Design Thinking for Analytics
8
3
Big Data and Algorithm Ethics
作业和考试
本章节知识点
知识点1 CRISP-DM
知识点2 data science techniques
知识点3 a skills profile for an analytics team
本节考点
本节考点
2、 techniques and profile for a team
题型：论文
内容：需要的技术和团队要求
考察惯例：第一个作业，对BA的理解
题目展示：
How to form a great data team?
What techniques should a company have?
What are these tools?
1、 CRISP-DM
题型：论文
内容：50%以上行业都在用的data mining流程
考察惯例：第一个作业，对BA的理解
题目展示：
What’s the industry doing?
How to do it?
What could we do to analyze a business problem?
注： 代表重要程度，并非难度
知识点讲解
Core Elements of Business Analytics
重要程度：
难易程度：
Core elements
1, Analytics methodology:
指导工作进行标准流程或者步骤（分析问
题，拆解问题，解决问题）
2, Tools and techniques
需要用到的工具和技能（统计学的集群，
IT的机器学习）
3,Data scientist team：
组建团队需要的一些方面（软件技术，商
学，行为心理学）
考点1. Cross-Industry Standard Process for data mining
重要程度：
难易程度：
CRISP-DM
- Business understanding
（1）业务？顾客？市场活动？渠道？
（2）竞品情况？优劣势？苦难点？
（3）小而具体的目标？Objective？(提高客户留存率）
Eg: 泡泡玛特
- Data understanding（数据选区）
（1）需要什么数据？
（2）从哪里获取数据？
（3）数据颗粒多大？
（4）多久以来数据？
（5）样本量和对象？
（6）各种异常值（11-1月销售多？）
Eg: 服装行业
考点1. Cross-Industry Standard Process for data mining
重要程度：
难易程度：
CRISP-DM
- Data preparation
(1) 数据获取
(2) 数据清洗和规范化（重复值/无效/格式混乱）
(3) 处理数据（离散还是整合？平均还是sum？具体的
attributes？）
(4) 数据精简和well-formed
- Modeling
数据建模是一种用于定义和分析数据的要求和其需要的
相应支持的信息系统的过程（从需求到实际）
（1）概念数据模型（适合企业的最初要求）
（2）逻辑数据模型（数据库中的数据结构：元数据）
（3）物理数据模型（对数据访问性能和存储）
- Evaluation (A/B test)
- deployment
https://baike.baidu.com/item/%E6%95%B0%E6%8D%AE%E5%B
B%BA%E6%A8%A1
Core Elements of Business Analytics
重要程度：
难易程度：
Core elements
1, Analytics methodology:
指导工作进行标准流程或者步骤（分析问
题，拆解问题，解决问题）
2, Tools and techniques
需要用到的工具和技能（统计学的集群，
IT的机器学习）
3,Data scientist team：
组建团队需要的一些方面（软件技术，商
学，行为心理学）
考点2.Tools and techniques
重要程度：
难易程度：
Supervised (分类和回归）:
把数据输入的同时，提前做好的分类或
相关关系
Eg:
-区别性别或者城市
-线性回归：时间和树木生长的关系
Unsupervised:
直接输入数据，让系统(AI:神经系统)自
动区别或分类
-K-means
考点2.Tools and techniques
重要程度：
难易程度：
- 电商领域：用户画像自动获取和生成
（埋点）
- 互联网领域：app无线获取和算法推
送
- 医疗健康：VR看病，3D 模拟病例问
题，自动健康水平检测
- 教育：入学前水平测试AI，图片搜题，
语音识别语法问题（评分系统）
- 自动驾驶，自动导航，线路优化等等
Core Elements of Business Analytics
重要程度：
难易程度：
Core elements
1, Analytics methodology:
指导工作进行标准流程或者步骤（分析问
题，拆解问题，解决问题）
2, Tools and techniques
需要用到的工具和技能（统计学的集群，
IT的机器学习）
3,Data scientist team：
组建团队需要的一些方面（软件技术，商
学，行为心理学）
考点3. Data scientist team
1，软件操控
sql和hive (数仓交互）
HDFS(数据库)
Python(编码的可视化，数据清洗等）
Tableau/sas viya/excel(高大上可视化)
2，心理行为学（业务熟练）
消费者心理研究
《运营之光》
《人人都是产品经理》
3，统计学
线性回归
相关分析
预测
建模
解题步骤总结
1. 题目题眼：注意问题问的是什么？是数据的特点，还是使用数据的方法？是数据分析发展
过程的工具还是影响？
2. 考点及易错点提醒：对于概念的理解要清晰，商业分析的重要组成部分？数据的四个特点
之间的差异？分析方法的区别？重要的AI 进步，和行业的使用情况？
重要程度：
难易程度：
Assessment 解析：要求
1，论文要求：
-时间：25 June 5pm
-字数：1000~1200 words (no more)
- Harvard Reference
- Reference引用：5~10篇
2，expectation：
- 批判性地分析数据分析对于某个领
域的经济影响（eg：电商行业的双
十一折扣，店家和平台双折扣，大
数据杀熟，千人前面）
- 带来的挑战，巨变和影响是什么？
（对比行业的过去和未来：教育是
过去是怎么查看学生的水平，反馈？
现在呢？）
- 道德问题？全球化趋势是什么？
Assessment 解析：要求
1, 12号字体，1.5行间距，左右页边距2.54cm，需要页脚有页码
2，正确拼写，无语法问题（smart thinking),标点符号正确
3，Harvard referencing
4,文件命名格式： INFS5700_W16A_z1234567_Jacky Mo
https://student.unsw.edu.au/smarthinking
Assessment 解析：内容
1，列出来的任意一个领域
2，需要涉及的内容：
- 对该行业的冲击和巨变后的重塑，带来
的改变和好处
- 对比行业过去和现在的运作模式
Eg: 支付宝对于银行业的冲击？扫码？余额
宝vs银行定期和活期
3，数据的来源和特点
- internal? external? public?
- Internet of things & ubiquitous computing
4，运用的科技：AI？深度学习？区块链？
神经网络
5，展望未来：
-未来的机遇，挑战和道德问题
Assessment 解析：评分标准
1，主题上：主题鲜明，提供的他人的观点
是贴合主题的，材料也是相关
2，分析过程：
- 需要有关键模式，差异，相似性，限制
等分析（critically 分析行业巨变）
- 结论清晰明确且符合全文的论证思路
（全程的观点和主题是单一且明确的-不
能有模棱两可的情况）
- 用多方证据支撑自己的论点（至少五篇
reference）
3，写作：语言流畅直接，思路顺畅，挖掘
背后的观点，错误基本没有
Assessment 解析：构架
1， executive summary 可以没有
introduction（你的文章思路和整体脉络&
上你为什么要写这个文章）
2，行业背景：传统行业如何？如今这个行
业怎么被数据重塑？商业模式？顾客获取
方式？运作方式？
3，数据分析的影响：大数据的作用？大数
据的获取方式？是什么技术推动的？影响
了什么方面？
4，结论：提一下未来的发展机遇和挑战，
我们可能也需要解决的一些ethics问题（使
用数据的过程中：privacy/identity/crime）
重难点总结
重难点总结
课后作业
课后作业
从给的几个行业中，选出自己比较了解和擅长的行业：
（1）分析一下数据对其的影响和作用
（2）找出过去和现在变化的几个点
（3）了解该行业依赖的技术和使用技术的方式
下节课预告
下节课预告
Data Visualization
1、 week3知识点补充
2、 Assignment 1的案例分享
3、 SAS viya数据可视化基本操作方法
TUTOR:Rusi
全球累计服务用户超十万
·让海外学习更轻松·
TUTOR
Self-Introduction
#
自我介绍
1. 新南研究生第三学期(大四交换生期间WAM: HD，直升
硕士）
2. 专业：Business Analytics， WAM 80+
3. INFS5700 作业D+ 期末考试HD（了解老师的评分标准）
4. 教学氛围轻松高效，乐意为大家解决相关专业问题
5. 兴趣：研究股票，最新资讯，旅游，瑜伽，攀岩
6. 实习经历：百度市场分析
欧莱雅市场部
阿里子公司辰月科技分析专员
多个国家志愿者活动
Rusi
课程目录
CONTENT
1
2
3
Introduction to Business Analytics
Business Analytics Development
Data Visualization
4
5
Data Communication
Dashboard Design
6
7
Business Methodology
Design Thinking for Analytics
8
3
Big Data and Algorithm Ethics
作业和考试
本章节知识点
知识点1 CRISP-DM
知识点2 data science techniques
知识点3 a skills profile for an analytics team
本节考点
本节考点
2、 techniques and profile for a team
题型：论文
内容：需要的技术和团队要求
考察惯例：第一个作业，对BA的理解
题目展示：
How to form a great data team?
What techniques should a company have?
What are these tools?
1、 CRISP-DM
题型：论文
内容：50%以上行业都在用的data mining流程
考察惯例：第一个作业，对BA的理解
题目展示：
What’s the industry doing?
How to do it?
What could we do to analyze a business problem?
注： 代表重要程度，并非难度
知识点讲解
Core Elements of Business Analytics
重要程度：
难易程度：
Core elements
1, Analytics methodology:
指导工作进行标准流程或者步骤（分析问
题，拆解问题，解决问题）
2, Tools and techniques
需要用到的工具和技能（统计学的集群，
IT的机器学习）
3,Data scientist team：
组建团队需要的一些方面（软件技术，商
学，行为心理学）
考点1. Cross-Industry Standard Process for data mining
重要程度：
难易程度：
CRISP-DM
- Business understanding
（1）业务？顾客？市场活动？渠道？
（2）竞品情况？优劣势？苦难点？
（3）小而具体的目标？Objective？(提高客户留存率）
Eg: 泡泡玛特
- Data understanding（数据选区）
（1）需要什么数据？
（2）从哪里获取数据？
（3）数据颗粒多大？
（4）多久以来数据？
（5）样本量和对象？
（6）各种异常值（11-1月销售多？）
Eg: 服装行业
考点1. Cross-Industry Standard Process for data mining
重要程度：
难易程度：
CRISP-DM
- Data preparation
(1) 数据获取
(2) 数据清洗和规范化（重复值/无效/格式混乱）
(3) 处理数据（离散还是整合？平均还是sum？具体的
attributes？）
(4) 数据精简和well-formed
- Modeling
数据建模是一种用于定义和分析数据的要求和其需要的
相应支持的信息系统的过程（从需求到实际）
（1）概念数据模型（适合企业的最初要求）
（2）逻辑数据模型（数据库中的数据结构：元数据）
（3）物理数据模型（对数据访问性能和存储）
- Evaluation (A/B test)
- deployment
https://baike.baidu.com/item/%E6%95%B0%E6%8D%AE%E5%B
B%BA%E6%A8%A1
Core Elements of Business Analytics
重要程度：
难易程度：
Core elements
1, Analytics methodology:
指导工作进行标准流程或者步骤（分析问
题，拆解问题，解决问题）
2, Tools and techniques
需要用到的工具和技能（统计学的集群，
IT的机器学习）
3,Data scientist team：
组建团队需要的一些方面（软件技术，商
学，行为心理学）
考点2.Tools and techniques
重要程度：
难易程度：
Supervised (分类和回归）:
把数据输入的同时，提前做好的分类或
相关关系
Eg:
-区别性别或者城市
-线性回归：时间和树木生长的关系
Unsupervised:
直接输入数据，让系统(AI:神经系统)自
动区别或分类
-K-means
考点2.Tools and techniques
重要程度：
难易程度：
- 电商领域：用户画像自动获取和生成
（埋点）
- 互联网领域：app无线获取和算法推
送
- 医疗健康：VR看病，3D 模拟病例问
题，自动健康水平检测
- 教育：入学前水平测试AI，图片搜题，
语音识别语法问题（评分系统）
- 自动驾驶，自动导航，线路优化等等
Core Elements of Business Analytics
重要程度：
难易程度：
Core elements
1, Analytics methodology:
指导工作进行标准流程或者步骤（分析问
题，拆解问题，解决问题）
2, Tools and techniques
需要用到的工具和技能（统计学的集群，
IT的机器学习）
3,Data scientist team：
组建团队需要的一些方面（软件技术，商
学，行为心理学）
考点3. Data scientist team
1，软件操控
sql和hive (数仓交互）
HDFS(数据库)
Python(编码的可视化，数据清洗等）
Tableau/sas viya/excel(高大上可视化)
2，心理行为学（业务熟练）
消费者心理研究
《运营之光》
《人人都是产品经理》
3，统计学
线性回归
相关分析
预测
建模
解题步骤总结
1. 题目题眼：注意问题问的是什么？是数据的特点，还是使用数据的方法？是数据分析发展
过程的工具还是影响？
2. 考点及易错点提醒：对于概念的理解要清晰，商业分析的重要组成部分？数据的四个特点
之间的差异？分析方法的区别？重要的AI 进步，和行业的使用情况？
重要程度：
难易程度：
Assessment 解析：要求
1，论文要求：
-时间：25 June 5pm
-字数：1000~1200 words (no more)
- Harvard Reference
- Reference引用：5~10篇
2，expectation：
- 批判性地分析数据分析对于某个领
域的经济影响（eg：电商行业的双
十一折扣，店家和平台双折扣，大
数据杀熟，千人前面）
- 带来的挑战，巨变和影响是什么？
（对比行业的过去和未来：教育是
过去是怎么查看学生的水平，反馈？
现在呢？）
- 道德问题？全球化趋势是什么？
Assessment 解析：要求
1, 12号字体，1.5行间距，左右页边距2.54cm，需要页脚有页码
2，正确拼写，无语法问题（smart thinking),标点符号正确
3，Harvard referencing
4,文件命名格式： INFS5700_W16A_z1234567_Jacky Mo
https://student.unsw.edu.au/smarthinking
Assessment 解析：内容
1，列出来的任意一个领域
2，需要涉及的内容：
- 对该行业的冲击和巨变后的重塑，带来
的改变和好处
- 对比行业过去和现在的运作模式
Eg: 支付宝对于银行业的冲击？扫码？余额
宝vs银行定期和活期
3，数据的来源和特点
- internal? external? public?
- Internet of things & ubiquitous computing
4，运用的科技：AI？深度学习？区块链？
神经网络
5，展望未来：
-未来的机遇，挑战和道德问题
Assessment 解析：评分标准
1，主题上：主题鲜明，提供的他人的观点
是贴合主题的，材料也是相关
2，分析过程：
- 需要有关键模式，差异，相似性，限制
等分析（critically 分析行业巨变）
- 结论清晰明确且符合全文的论证思路
（全程的观点和主题是单一且明确的-不
能有模棱两可的情况）
- 用多方证据支撑自己的论点（至少五篇
reference）
3，写作：语言流畅直接，思路顺畅，挖掘
背后的观点，错误基本没有
Assessment 解析：构架
1， executive summary 可以没有
introduction（你的文章思路和整体脉络&
上你为什么要写这个文章）
2，行业背景：传统行业如何？如今这个行
业怎么被数据重塑？商业模式？顾客获取
方式？运作方式？
3，数据分析的影响：大数据的作用？大数
据的获取方式？是什么技术推动的？影响
了什么方面？
4，结论：提一下未来的发展机遇和挑战，
我们可能也需要解决的一些ethics问题（使
用数据的过程中：privacy/identity/crime）
重难点总结
重难点总结
课后作业
课后作业
从给的几个行业中，选出自己比较了解和擅长的行业：
（1）分析一下数据对其的影响和作用
（2）找出过去和现在变化的几个点
（3）了解该行业依赖的技术和使用技术的方式
下节课预告
下节课预告
Data Visualization
1、 week3知识点补充
2、 Assignment 1的案例分享
3、 SAS viya数据可视化基本操作方法
