大数据分析综合能力提升实战

第一部分：数据核心理念—数据思维篇
问题：什么是数据思维？大数据决策的底层逻辑以及决策依据是什么？
1、数字化五大技术战略：ABCDI战略
A：人工智能，目的是用机器模拟人类行为
B：区块链，构建不可篡改的分布记账系统
C：云计算，搭建按需分配的计算资源平台
D：大数据，实现智能化的判断和决策机制
I：物联网，实现万物互联通信的基础架构
2、大数据的本质
数据，是事物发展和变化过程中留下的痕迹
大数据不在于量大，而在于全（多维性）
业务导向还是技术导向
3、大数据决策的底层逻辑（即四大核心价值）
探索业务规律，按规律来管理决策
案例：客流规律与排班及最佳营销时机
案例：致命交通事故发生的时间规律
发现运营变化，定短板来运营决策
案例：考核周期导致的员工月初懈怠
案例：工序信号异常监测设备故障
理清要素关系，找影响因素来决策
案例：情绪对于股市涨跌的影响
案例：为何升职反而会增加离职风险？
预测未来趋势，通过预判进行决策
案例：惠普预测员工离职风险及挽留
案例：保险公司的车险预测与个性化保费定价
4、大数据决策的三个关键环节
业务数据化：将业务问题转化为数据问题
数据信息化：提取数据中的业务规律信息
信息策略化：基于规律形成业务应对策略

案例：用数据来识别喜欢赚“差价”的营业员

第二部分：数据分析过程—流程步骤篇
1、数据分析的六步曲
2、步骤1：明确目的，确定分析思路
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
3、步骤2：收集数据，寻找分析素材
明确数据范围
确定收集来源
确定收集方法
4、步骤3：整理数据，确保数据质量
数据质量评估
数据清洗、数据处理和变量处理
探索性分析
5、步骤4：分析数据，寻找业务答案
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
6、步骤5：呈现数，解读业务规律
选择恰当的图表
选择合适的可视化工具
提炼业务含义
7、步骤6：撰写报告，形成业务策略
选择报告种类
完整的报告结构
演练：产品精准营销案例分析
如何搭建精准营销分析框架

精准营销分析的过程和步骤

第三部分：数据分析方法—统计方法篇
问题：数据分析方法的种类？分析方法的不同应用场景？
1、业务分析的三个阶段
现状分析：通过企业运营指标来发现规律及短板
原因分析：查找数据相关性，探寻目标影响因素
预测分析：合理配置资源，预判业务未来的趋势
2、常用的数据分析方法种类
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…）
推断性分析法（概率分布/参数估计/假设检验/…）
专题性分析法（聚类/关联/RFM模型/…）
3、统计分析基础
统计分析两大关键要素（类别、指标）
统计分析的操作模式（类别指标）
统计分析三个操作步骤（统计、画图、解读）
透视表的三个组成部分
4、常用的描述性指标
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
5、基本分析方法及其适用场景
对比分析（查看数据差距，发现事物变化）
演练：寻找用户的地域分布特征
演练：分析产品受欢迎情况及贡献大小
演练：用数据来探索增量不增收困境的解决方案
分布分析（查看数据分布，探索业务层次）
演练：银行用户的消费水平和消费层次分析
演练：客户年龄分布/收入分布分析
案例：通信运营商的流量套餐划分合理性的评估
演练：呼叫中心接听电话效率分析（呼叫中心）
结构分析（查看指标构成，评估结构合理性）
案例：增值业务收入结构分析（通信）
案例：物流费用成本结构分析（物流）
案例：中移动用户群动态结构分析
演练：财务领域的结构瀑布图、财务收支的变化瀑布图
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
案例：微信用户的活跃时间规律
演练：发现客流量的时间规律
交叉分析（从多个维度的数据指标分析）
演练：用户性别+地域分布分析
演练：不同客户的产品偏好分析
演练：不同学历用户的套餐偏好分析

演练：银行用户的违约影响因素分析

第四部分：数据分析方法—分析框架篇
问题：如何才能全面/系统地分析而不遗漏？如何分解和细化业务问题？
1、业务分析思路和分析框架来源于业务模型
2、常用的业务模型
外部环境分析：PEST
业务专题分析：5W2H
竞品/竞争分析：SWOT、波特五力
营销市场专题分析：4P/4C等
3、用户行为分析（5W2H分析思路和框架）
WHY：原因（用户需求、产品亮点、竞品优劣势）
WHAT：产品（产品喜好、产品贡献、产品功能、产品结构）
WHO：客户（基本特征、消费能力、产品偏好）
WHEN：时间（淡旺季、活跃时间、重购周期）
WHERE：区域/渠道（区域喜好、渠道偏好）
HOW：支付/促销（支付方式、促销方式有效性评估等）
HOW MUCH：价格（费用、成本、利润、收入结构、价格偏好等）

案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H）

第五部分：数据分析报告—数据可视化篇（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


第六部分：数据分析报告—数据报告篇（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


第七部分：数据分析工具—Power Query数据预处理
问题：如何提高数据预处理效率？如何避免重复工作避免加班？
1、Power BI微软专业数据工具简介
2、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
3、PQ数据预处理功能
数据集成：数据集合并
数据清洗：异常数据处理
样本处理：行筛选、提升标题等
变量处理：列筛选、填充/合并/派生等
其它：表/查询管理及其它
4、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
5、数据组合/集成
样本追加：横向合并
变量合并：纵向合并/连接类型
文件夹合并
演练：数据集成（追加、合并、文件夹）
6、数据整理/预处理
数据表的管理
数据行的操作
数据列的操作
数据类型和格式
演练：数据预处理操作
7、数据共享
8、PQ的本质—强大M语言

演练：多表合并/成绩排名/借贷费用处理/采购计划处理等

第八部分：数据分析工具—Power View交互式图表
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、Power view简介
2、图表类型与作用
3、常用图形及适用场景
4、常用图表格式化
柱状图、条形图（差距对比分析）
折线图（趋势变化）
直方图（分布层次分析）
饼图、瀑布图（指标构成分析）
双坐标图（不同量纲呈现）
散点图/气泡图（矩阵分析法）
漏斗图（用户转化率分析）
演练：图表制作与演示
5、交互式图表（快速交叉分析的法宝）
6、分层钻取（精简不同维度的分析图）

7、四种筛选器（不同级别的筛选）

第九部分：数据分析工具—Power Pivot数据建模
1、超级透视表Power Pivot简介
2、PP主要功能
关系模型：建立多表关联，跨表作透视
计算列：生成新字段
新建表：生成新的表
度量值：定义统计指标
演练：数据预处理操作
3、计算列
新建简单列、关联列、索引列等
计算列与度量值的区别
4、度量值
度量值定义公式
度量值保存与计算
演练：度量值使用
5、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
6、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

傅一航，大数据专家。
计算机软件与理论硕士研究生（研究方向：数据挖掘、搜索引擎）。在华为工作十年，五项国家专利，在华为工作期间获得华为数项奖项，曾在英国、日本、荷兰等海外市场做项目，对大数据技术有深入的研究。
傅老师专注于大数据分析与挖掘、机器学习等应用技术，以及大数据系统部署解决方案。旨在将大数据的数据分析、数据挖掘、数据建模应用于行业及商业领域，解决行业实际的问题。
1、让管理更高效：将大数据应用于企业管理，用大数据探索企业发展规律和行业发展趋势，有效预判市场变化和需求，基于规律和预判来进行管理决策，并实现组织架构演变、人才新技能培养、生产流程优化，以及服务效率提升，最终匹配市场未来的变化需要，提升企业管理效率。
2、让决策更科学：将大数据应用于运营决策，用大数据呈现企业整体经营状况，诊断运营问题和风险，找到业务短板，全面理解组织、产品、人员、营销、财务等要素间的相关性，实现企业资源的最优化配置，提升科学决策能力。
3、让营销更精准：将大数据应用于市场营销，解决营销中的用户群细分和品牌定位，客户价值评估，分析用户需求，产品设计优化，产品最优定价等实际问题，实现精准营销和精准推荐，以最小的营销成本实现最大化的营销效果。