【培训收益】

【课程大纲】 第一部分：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？ 1、大数据时代：你缺的不是一堆方法，而是大数据思维 2、大数据的本质 数据，是对客观事物的描述和记录 大数据不在于大，而在于全 3、大数据四大核心价值 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 从大数据炒股看大数据如何探索因素的相关性 阿里巴巴预测经济危机的到来 从美国总统竞选看大数据对选民行为进行分析 4、大数据价值落地的三个关键环节 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）

第二部分：数据分析基本过程 1、数据分析简介 数据分析的三个阶段 分析方法的三大类别 2、数据分析六步曲 3、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 4、步骤2：数据收集—准备数据 明确收集数据范围 确定收集来源 确定收集方法 5、步骤3：数据预处理—准备数据 数据质量评估 数据清洗、数据处理和变量处理 探索性分析 6、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 7、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 8、步骤6：报表撰写--观点表达 选择报告种类 完整的报告结构 9、演练：终端大数据精准营销案例赏析 如何搭建精准营销分析框架？ 精准营销分析的过程和步骤？ 精准营销分析结果呈现

第三部分：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？ 1、数据分析方法的层次 描述性分析法（对比/分组/结构/趋势/交叉…） 相关性分析法（相关/方差/卡方…） 预测性分析法（回归/时序/决策树/神经网络…） 专题性分析法（聚类/关联/RFM模型/…） 2、统计分析基础 统计分析两大要素 统计分析三个步骤 3、统计分析常用指标 汇总方式：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 4、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 5、综合分析方法及其适用场景（略） 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 6、最合适的分析方法才是硬道理。

第四部分：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？ 1、常用分析思路模型 2、企业外部环境分析（PEST分析法） 案例：电信行业外部环境分析 3、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） 4、公司整体经营情况分析（4P营销理论） 5、业务问题专题分析（逻辑树分析法） 案例：用户增长缓慢分析 6、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

第五部分：数据分析策略 问题：数据多，看不明白，不知道从何处看出业务问题？ 1、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 2、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 3、解读要符合业务逻辑 案例：营业厅客流趋势分析

第六部分：数据呈现（根据需要讲解，课件留给学员参考） 1、常用图形类型及选择原则 2、基本图形画图技巧 3、图形美化原则 4、表格美化技巧 案例：绘图示例

第七部分：分析报告撰写（根据需要讲解，课件留给学员参考） 问题：如何让你的分析报告显得更专业？ 1、分析报告的种类与作用 2、报告的结构 3、报告命名的要求 4、报告的目录结构 5、前言 6、正文 7、结论与建议

第八部分：Power Query预处理工具实战篇 1、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 2、获取和转换（Power Query） 数据处理的常见问题 PQ功能简介 3、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 4、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） 5、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 6、PQ的本质—M语言 强大的M语言 第九部分：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？ 1、图表类型与作用 2、常用图形及适用场景 3、Power view简介 4、常用图表制作 柱状图、条形图 折线图、饼图 5、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） 演练：图表制作与演示 6、交互式图表 7、分层钻取 8、四种筛选器 第十部分：Power Pivot数据建模工具实战篇 1、Power Pivot简介 2、PP基本功能 数据分类 汇总方式 3、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 4、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 5、计算列 新建列 列与度量值的区别 6、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 7、上下文 行上下文 筛选上下文 度量值的计算原理 上下文冲突时的上下文处理 结束：课程总结与问题答疑。