   大数据分析与挖掘综合能力提升培训

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
◇ 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 、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
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
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