培训时长 | 0 |
授课对象 | 营业厅、呼叫中心、市场部、经营分析部等对数据分析有要求的相关人员 |
授课方式 | 内训 |
掌握数据分析与挖掘的方法、思路、过程,提升数据分析综合能力。
本课程为大数据分析初级课程,面向所有应用型人员,包括业务部门,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。 课程大纲: 第一部分: 大数据的核心理念 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 Ø 数据,是对客观事物的描述和记录 Ø 大数据不在于大,而在于全 3、 大数据四大核心价值 Ø 用趋势图来探索产品销量规律 Ø 从谷歌的GFT产品探索用户需求变化 Ø 从大数据炒股看大数据如何探索因素的相关性 Ø 阿里巴巴预测经济危机的到来 Ø 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 Ø 业务数据化 Ø 数据信息化 Ø 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 Ø 数据分析的三个阶段 Ø 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 Ø 确定分析目的:要解决什么样的业务问题 Ø 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 Ø 明确收集数据范围 Ø 确定收集来源 Ø 确定收集方法 5、 步骤3:数据预处理—准备数据 Ø 数据质量评估 Ø 数据清洗、数据处理和变量处理 Ø 探索性分析 6、 步骤4:数据分析--寻找答案 Ø 选择合适的分析方法 Ø 构建合适的分析模型 Ø 选择合适的分析工具 7、 步骤5:数据展示--观点表达 Ø 选择恰当的图表 Ø 选择合适的可视化工具 8、 步骤6:报表撰写--观点表达 Ø 选择报告种类 Ø 完整的报告结构 9、 演练:手机大数据精准营销案例赏析 Ø 如何搭建精准营销分析框架? Ø 精准营销分析的过程和步骤? Ø 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 Ø 描述性分析法(对比/分组/结构/趋势/交叉…) Ø 相关性分析法(相关/方差/卡方…) Ø 预测性分析法(回归/时序/决策树/神经网络…) Ø 专题性分析法(聚类/关联/RFM模型/…) 2、 统计分析基础 Ø 统计分析两大要素 Ø 统计分析三个步骤 3、 统计分析常用指标 Ø 汇总方式:计数、求和、百分比(增跌幅) Ø 集中程度:均值、中位数、众数 Ø 离散程度:极差、方差/标准差、IQR Ø 分布形态:偏度、峰度 4、 基本分析方法及其适用场景 Ø 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) Ø 分布分析(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 Ø 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 Ø 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 Ø 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、 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 Ø 先宏观,后微观 Ø 先整体,再部分 Ø 先普遍,再个别 Ø 先单维,再多维 Ø 先表象,再根因 Ø 先过去,再未来 2、 数据解读要诀 Ø 看差距,找短板 Ø 看极值,评优劣 Ø 看分布,分层次 Ø 看结构,思重点 Ø 看趋势,思重点 Ø 看峰谷,找规律 Ø 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 Ø Power Query超级查询器 Ø Power Pivot超级透视表 Ø Power View交互式图表工具 2、 获取和转换(Power Query) Ø 数据处理的常见问题 Ø PQ功能简介 3、 多数据源读取 Ø 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 Ø 数据的追加 Ø 变量的合并 Ø 文件夹合并 演练:数据集成(追加、合并、文件夹) 5、 数据转换 Ø 数据表的管理 Ø 数据类型和格式 Ø 数据列的操作 Ø 数据行的操作 演练:数据预处理操作 6、 PQ的本质—M语言 Ø 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 Ø 柱状图、条形图 Ø 折线图、饼图 5、 复杂图形制作 Ø 双坐标图(不同量纲呈现) Ø 对称条形图(对比) Ø 散点图/气泡图(矩阵分析法) Ø 瀑布图(成本、收益构成分析) Ø 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 Ø 数据分类 Ø 汇总方式 3、 超级透视表 Ø 建模的核心:筛选器与计算器 Ø 建立多表关系模型 Ø 关系管理:新建、修改、删除 演练:数据预处理操作 4、 度量值 Ø 度量值定义 Ø 度量值计算 Ø 度量值的双层筛选 演练:度量值使用 5、 计算列 Ø 新建列 Ø 列与度量值的区别 6、 DAX数据分析表达式 Ø DAX公式 Ø DAX运算符 Ø DAX函数 Ø DAX高级筛选函数 7、 上下文 Ø 行上下文 Ø 筛选上下文 Ø 度量值的计算原理 Ø 上下文冲突时的上下文处理 结束:课程总结与问题答疑。