本課程為大數據分析初級課程，面向所有應用型人員，包括業務部門，以及數據分析部門，系統開發人員也同樣需要學習。

本課程核心內容是理清大數據的本質及核心理念，培訓大數據人才的數據思維模式，以解決業務問題為導向，提升學員的數據分析綜合能力。

課程大綱：

第一部分：  大數據的核心理念

1、 大數據時代：你缺的不是一堆方法，而是大數據思維

2、 大數據的本質

?  數據，是對客觀事物的描述和記錄

?  大數據不在于大，而在于全

3、 大數據四大核心價值

?  用趨勢圖來探索產品銷量規律

?  從谷歌的GFT產品探索用戶需求變化

?  從大數據炒股看大數據如何探索因素的相關性

?  阿里巴巴預測經濟危機的到來

?  從美國總統競選看大數據對選民行為進行分析

4、 大數據價值落地的三個關鍵環節

?  業務數據化

?  數據信息化

?  信息策略化

案例：喜歡賺“差價”的營業員（用數據管理來識別）

第二部分：  數據分析基本過程1、 數據分析簡介

?  數據分析的三個階段

?  分析方法的三大類別

2、 數據分析六步曲

3、 步驟1：明確目的--理清思路

?  確定分析目的：要解決什么樣的業務問題

?  確定分析思路：分解業務問題，構建分析框架

4、 步驟2：數據收集—準備數據

?  明確收集數據范圍

?  確定收集來源

?  確定收集方法

5、 步驟3：數據預處理—準備數據

?  數據質量評估

?  數據清洗、數據處理和變量處理

?  探索性分析

6、 步驟4：數據分析--尋找答案

?  選擇合適的分析方法

?  構建合適的分析模型

?  選擇合適的分析工具

7、 步驟5：數據展示--觀點表達

?  選擇恰當的圖表

?  選擇合適的可視化工具

8、 步驟6：報表撰寫--觀點表達

?  選擇報告種類

?  完整的報告結構

9、 演練：手機大數據精準營銷案例賞析

?  如何搭建精準營銷分析框架？

?  精準營銷分析的過程和步驟？

?  精準營銷分析結果呈現

第三部分：  統計分析方法實戰篇

問題：數據分析有什么方法可依?不同的方法適用解決什么樣的問題？

1、 數據分析方法的層次

?  描述性分析法（對比/分組/結構/趨勢/交叉…）

?  相關性分析法（相關/方差/卡方…）

?  預測性分析法（回歸/時序/決策樹/神經網絡…）

?  專題性分析法（聚類/關聯/RFM模型/…）

2、 統計分析基礎

?  統計分析兩大要素

?  統計分析三個步驟

3、 統計分析常用指標

?  匯總方式：計數、求和、百分比（增跌幅）

?  集中程度：均值、中位數、眾數

?  離散程度：極差、方差/標準差、IQR

?  分布形態：偏度、峰度

4、 基本分析方法及其適用場景

?  對比分析（查看數據差距）

演練：尋找用戶的地域分布規律

演練：尋找公司主打產品

演練：用數據來探索增量不增收困境的解決方案

案例：銀行ATM柜員機現金管理分析（銀行）

?  分布分析（查看數據分布）

案例：排班后面隱藏的貓膩

案例：通信運營商的流量套餐劃分合理性的評估

演練：銀行用戶消費層次分析（銀行）

演練：呼叫中心接聽電話效率分析（呼叫中心）

演練：客服中心科學排班人數需求分析（客服中心）

演練：客戶年齡分布/消費分布分析

?  結構分析（評估事物構成）

案例：用戶市場占比結構分析

案例：物流費用占比結構分析（物流）

案例：中移動用戶群動態結構分析

演練：用戶結構/收入結構/產品結構的分析

?  趨勢分析（發現事物隨時間的變化規律）

案例：破解零售店銷售規律

案例：手機銷量的淡旺季分析

演練：發現產品銷售的時間規律

?  交叉分析（多維數據分析）

演練：用戶性別+地域分布分析

演練：不同區域的產品偏好分析

演練：不同教育水平的業務套餐偏好分析

5、 最合適的分析方法才是硬道理。

第四部分：  數據分析思路篇

問題：數據分析思路是怎樣的？如何才能全面/系統地分析而不遺漏？

1、 常用分析思路模型

2、 企業外部環境分析（PEST分析法）

案例：電信行業外部環境分析

3、 用戶消費行為分析（5W2H分析法）

案例討論：搭建用戶消費習慣的分析框架（5W2H）

4、 公司整體經營情況分析（4P營銷理論）

5、 業務問題專題分析（邏輯樹分析法）

案例：用戶增長緩慢分析

6、 用戶使用行為研究（用戶使用行為分析法）

案例：終端銷售流程分析

第五部分：  數據分析策略

問題：數據多，看不明白，不知道從何處看出業務問題？

1、 數據分析策略

?  先宏觀，后微觀

?  先整體，再部分

?  先普遍，再個別

?  先單維，再多維

?  先表象，再根因

?  先過去，再未來

2、 數據解讀要訣

?  看差距，找短板

?  看極值，評優劣

?  看分布，分層次

?  看結構，思重點

?  看趨勢，思重點

?  看峰谷，找規律

?  看異常，找原因

3、 解讀要符合業務邏輯

案例：營業廳客流趨勢分析

第六部分：  數據呈現（根據需要講解，課件留給學員參考）

1、 常用圖形類型及選擇原則

2、 基本圖形畫圖技巧

3、 圖形美化原則

4、 表格美化技巧

案例：繪圖示例

第七部分：  分析報告撰寫（根據需要講解，課件留給學員參考）

問題：如何讓你的分析報告顯得更專業？

1、 分析報告的種類與作用

2、 報告的結構

3、 報告命名的要求

4、 報告的目錄結構

5、 前言

6、 正文

7、 結論與建議

第八部分：  Power Query預處理工具實戰篇

1、 Power BI組件框架

?  Power Query超級查詢器

?  Power Pivot超級透視表

?  Power View交互式圖表工具

2、 獲取和轉換（Power Query）

?  數據處理的常見問題

?  PQ功能簡介

3、 多數據源讀取

?  多數據源讀取

演練：從文件/Excel/數據庫/Web頁獲取數據源

4、 數據組合/集成

?  數據的追加

?  變量的合并

?  文件夾合并

演練：數據集成（追加、合并、文件夾）

5、 數據轉換

?  數據表的管理

?  數據類型和格式

?  數據列的操作

?  數據行的操作

演練：數據預處理操作

6、 PQ的本質—M語言

?  強大的M語言

第九部分：  Power View交互式圖表工具實戰篇

問題：如何讓你的分析結果更直觀易懂？如何讓數據“慧”說話？

1、 圖表類型與作用

2、 常用圖形及適用場景

3、 Power view簡介

4、 常用圖表制作

?  柱狀圖、條形圖

?  折線圖、餅圖

5、 復雜圖形制作

?  雙坐標圖（不同量綱呈現）

?  對稱條形圖（對比）

?  散點圖/氣泡圖（矩陣分析法）

?  瀑布圖（成本、收益構成分析）

?  漏斗圖（用戶轉化率分析）

演練：圖表制作與演示

6、 交互式圖表

7、 分層鉆取

8、 四種篩選器

第十部分：  Power Pivot數據建模工具實戰篇

1、 Power Pivot簡介

2、 PP基本功能

?  數據分類

?  匯總方式

3、 超級透視表

?  建模的核心：篩選器與計算器

?  建立多表關系模型

?  關系管理：新建、修改、刪除

演練：數據預處理操作

4、 度量值

?  度量值定義

?  度量值計算

?  度量值的雙層篩選

演練：度量值使用

5、 計算列

?  新建列

?  列與度量值的區別

6、 DAX數據分析表達式

?  DAX公式

?  DAX運算符

?  DAX函數

?  DAX高級篩選函數

7、 上下文

?  行上下文

?  篩選上下文

?  度量值的計算原理

?  上下文沖突時的上下文處理

結束：課程總結與問題答疑。