《大数据分析与挖掘综合能力提升实战》课纲（2天-初级）

大数据分析与挖掘综合能力提升实战

【课程目标】

本课程为大数据分析初级课程，面向所有应用型人员，包括业务部分，以及数据分析部门，系统开发人员也同样需要学习。

本课程核心内容是理清大数据的本质及核心理念，培训大数据人才的数据思维模式，以解决业务问题为导向，提升学员的数据分析综合能力。

本课程覆盖了如下内容：

大数据的本质及核心数据思维。

数据分析过程，数据分析工具。

数据分析方法，数据分析思路。

数据可视化，数据报告撰写。

本课程从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，对数据分析及数据挖掘技术进行了全面的介绍（从数据收集与处理，到数据分析与挖掘，再到数据可视化和报告撰写），通过大量的操作演练，帮助学员掌握数据分析和数据挖掘的思路、方法、表达、工具，从大量的企业经营数据中进行分析，挖掘客户行为特点，帮助运营团队深入理解业务运作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。

通过本课程的学习，达到如下目的：

了解数据分析基础知识，掌握数据分析的基本过程。

学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。

熟悉数据分析的基本过程，掌握Excel高级数据分析库操作。

熟练使用图表制作工具，掌握图表美化原则，正确使用图表来表达观点。

掌握数据分析报告的写作技巧及要点，全面正确地呈现分析结果。

熟悉大数据分析工具Power BI，提升数据分析效率，避免重复工作。

【授课时间】

2天时间

【授课对象】

销售部门、营业厅、呼叫中心、业务支撑、经营分析部、网管/网优中心、运营分析部、系统开发部等对业务数据分析有基本要求的相关人员。

【学员要求】

每个学员自备一台便携机(必须)。

便携机中事先安装好Excel 2013版本及以上。

便携机中事先安装好Power BI Desktop软件。

注：讲师可以提供试用版本软件及分析数据源。

【授课方式】

数据分析基础 + 方法讲解 + 实际业务问题分析 + Excel实践操作

采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。

【课程大纲】

大数据的核心思维

问题：大数据的核心价值是什么？大数据是怎样用于业务决策？

大数据时代：你缺的不是一堆方法，而是大数据思维

大数据是探索事物发展和变化规律的工具

大数据价值实现的三个关键环节

业务数据化

数据信息化

信息策略化

案例：喜欢赚“差价”的营业员（用数据管理来识别）

从案例看数据信息化

用趋势图来探索产品销量规律

从谷歌的GFT产品探索用户需求变化

从美国总统竞选看大数据对选民行为进行分析

从大数据炒股看大数据如何探索因素的相关性

数据分析的三大作用

数据分析的三大类别

数据分析需要什么样的能力

懂业务、懂管理、懂分析、懂工具、懂呈现

数据分析基本过程

数据分析的六步曲

步骤1：明确目的--理清思路

确定分析目的：要解决什么样的业务问题

确定分析思路：分解业务问题，构建分析框架

步骤2：数据收集—理清思路

明确收集数据范围

确定收集来源

确定收集方法

步骤3：数据预处理—寻找答案

数据质量评估

数据清洗、数据处理和变量处理

探索性分析

步骤4：数据分析--寻找答案

选择合适的分析方法

构建合适的分析模型

选择合适的分析工具

步骤5：数据展示--观点表达

选择恰当的图表

选择合适的可视化工具

步骤6：报表撰写--观点表达

选择报告种类

完整的报告结构

数据分析的三大误区

演练：如何用大数据来支撑手机精准营销项目

演练：如何构建一个良好的大数据分析框架

统计分析方法实战篇

问题：数据分析有什么方法可依?不同的方法适用解决什么样的问题？

数据分析方法的层次

基本分析法（对比/分组/结构/趋势/…）

综合分析法（交叉/综合评价/杜邦/漏斗/…）

高级分析法（相关/方差/验证/回归/时序/…）

数据挖掘法（聚类/分类/关联/RFM模型/…）

统计分析常用指标

计数、求和、百分比（增跌幅）

集中程度：均值、中位数、众数

离散程度：极差、方差/标准差、IQR

分布形态：偏度、峰度

基本分析方法及其适用场景

对比分析（查看数据差距）

演练：寻找用户的地域分布规律

演练：寻找公司主打产品

演练：用数据来探索增量不增收困境的解决方案

案例：银行ATM柜员机现金管理分析（银行）分组分析（查看数据分布）

案例：排班后面隐藏的猫腻

案例：通信运营商的流量套餐划分合理性的评估

演练：银行用户消费层次分析（银行）

演练：呼叫中心接听电话效率分析（呼叫中心）

演练：客服中心科学排班人数需求分析（客服中心）

演练：客户年龄分布/消费分布分析结构分析（评估事物构成）

案例：用户市场占比结构分析

案例：物流费用占比结构分析（物流）

案例：中移动用户群动态结构分析演练：用户结构/收入结构/产品结构的分析趋势分析（发现事物随时间的变化规律）

案例：破解零售店销售规律

案例：手机销量的淡旺季分析

演练：发现产品销售的时间规律

交叉分析（多维数据分析）

演练：用户性别+地域分布分析

演练：不同区域的产品偏好分析

演练：不同教育水平的业务套餐偏好分析

综合分析方法及其适用场景

综合评价法（多维指标归一）

案例：南京丈母娘选女婿分析表格

演练：人才选拔评价分析（HR）

杜邦分析法（关键因素分析-财务数据分析）

案例：运营商市场占有率分析（通信）

案例：服务水平提升分析（呼叫中心）

演戏：提升销量的销售策略分析（零售商/电商）

漏斗分析法（关键流程环节分析-流失率与转化率分析）

案例：电商产品销售流程优化与策略分析（电商）

演练：营业厅终端销售流程分析（电信）

演练：银行业务办理流程优化分析（银行）

矩阵分析法（产品策略分析-象限图分析法）

案例：工作安排评估

案例：HR人员考核与管理

案例：波士顿产品策略分析

最合适的分析方法才是硬道理。

数据分析策略及数据解读

问题：数据多，看不明白，不知道从何处看出业务问题？

数据分析策略

先宏观，后微观

先整体，再部分

先普遍，再个别

先单维，再多维

先表象，再根因先过去，再未来数据解读要诀

看差距，找短板

看极值，评优劣

看分布，分层次

看结构，思重点

看趋势，思重点

看峰谷，找规律

看异常，找原因

解读要符合业务逻辑

案例：销售额数据分析

案例：营业厅工单结构分析

案例：营业厅客流趋势分析

数据分析思路篇

问题：数据分析思路是怎样的？如何才能全面/系统地分析而不遗漏？

数据分析的思路

从KPI指标开始

从营销/管理模型开始

常用分析思路模型

企业外部环境分析（PEST分析法）

案例：电信行业外部环境分析

用户消费行为分析（5W2H分析法）

案例讨论：搭建用户消费习惯的分析框架（5W2H）

公司整体经营情况分析（4P营销理论）

业务问题专题分析（逻辑树分析法）

案例：用户增长缓慢分析

用户使用行为研究（用户使用行为分析法）

案例：终端销售流程分析

数据呈现（这部分不讲，课件留给学员参考）

常用图形类型及选择原则

基本图形画图技巧

图形美化原则

表格美化技巧

案例：绘图示例

分析报告撰写（这部分不讲，课件留给学员参考）

问题：如何让你的分析报告显得更专业？

分析报告的种类与作用

报告的结构

报告命名的要求

报告的目录结构

前言

正文

结论与建议

优秀报告展现与解析

案例：营业时间调整专题报告

案例：企业业务运营分析报告

Power Query预处理工具实战篇

Power BI组件框架

Power Query超级查询器

Power Pivot超级透视表

Power View交互式图表工具

Power BI Desktop桌面版本

获取和转换（Power Query）

数据处理的常见问题

PQ功能简介

多数据源读取

多数据源读取

演练：从文件/Excel/数据库/Web页获取数据源

数据组合/集成

数据的追加

变量的合并

文件夹合并

演练：数据集成（追加、合并、文件夹）

数据转换

数据表的管理

数据类型和格式

数据列的操作

数据行的操作

演练：数据预处理操作

PQ的本质—M语言

强大的M语言

Power Pivot数据建模工具实战篇

Power Pivot简介

PP基本功能

数据分类

汇总方式

超级透视表

建模的核心：筛选器与计算器

建立多表关系模型

关系管理：新建、修改、删除

演练：数据预处理操作

度量值

度量值定义

度量值计算

度量值的双层筛选

演练：度量值使用

计算列

新建列

列与度量值的区别

DAX数据分析表达式

DAX公式

DAX运算符

DAX函数

DAX高级筛选函数

Power View交互式图表工具实战篇

问题：如何让你的分析结果更直观易懂？如何让数据“慧”说话？

图表类型与作用

常用图形及适用场景

Power view简介

常用图表制作

柱状图、条形图

折线图、饼图

复杂图形制作

双坐标图（不同量纲呈现）

对称条形图（对比）

散点图/气泡图（矩阵分析法）

瀑布图（成本、收益构成分析）

漏斗图（用户转化率分析）

自定义视觉对象

四种筛选器

演练：图表制作与演示

图表美化原则

报表与仪表盘

演练：报表与仪表盘演示

结束：课程总结与问题答疑。