数据分析能力地图：从一门课的 33 讲目录里拆出来的路线

整理一份数据分析方向的学习清单：一门 P7 数据分析架构师课程的完整目录（33 讲）加上配套的 Hive 专题（4 讲）。目录是文件名级别的信息量有限，但按讲次排开之后，一条比较完整的分析能力路线就露出来了，值得按主题重新归一遍类。

四段式分析框架

开头几讲把方法分层：描述性分析用于发现问题、由浅入深认识问题；诊断性分析从头至尾剖析问题、寻找规律；预测性分析立足当下判断未来；决策性分析用数据决策指导业务。最后三讲是综合实战，把这四类功能套到同一批业务问题上跑一遍。这个分层是整套课的主轴，后面所有案例都在往里挂。

业务分析专题

方法概述之后是按场景切的：产品功能与复盘分析、用户流量与留存分析、经营与运营分析（上/下）、用户行为分析与报告撰写。再往后是行业案例，餐饮业务靠核心指标做精细化运营、游戏公司用户流失、电商平台 LTV 分析看穿销售假象、零售行业的指标规律、销售报表看业务实况、互联网大厂经营分析报告实战、广告投放的数据改革、商品价格规律。

财务与指标体系

两讲讲财务：偿债风险高低与运营能力水平、上市公司损益情况怎么看。另有单独一讲讲流量管理里如何按场景选评估指标——同一份数据换个场景，考核指标就得换，这一讲在实际工作里最容易用错。

数据仓库部分

Hive 单独成块，四讲：企业级实践、源码级原理剖析、史诗级调优大全，加上实践与原理剖析的上下部分。工具课和分析方法课分开，这个排布是对的——分析思路不吃工具，但落地到亿级明细表时，Hive 的执行计划和参数就绕不过去。

看这份清单的方式

三点注意。第一，目录里最缺的是统计基础和 AB 实验，只有描述、诊断、预测、决策四层，没有假设检验那一块，需要另外补。第二，课程名带“架构师”，内容实际偏业务分析，数仓建模、实时链路这些只在 Hive 部分露了个头。第三，案例都锁定在 2022 年的互联网场景，指标口径（留存、LTV、DAU 定义）能用，行业数据已经旧了，做汇报参考时要换成自己业务的数。