   大數據分析與挖掘綜合能力提升培訓

第一部分：大數據的核心思維
問題：大數據的核心價值是什么？大數據是怎樣用于業務決策？
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：終端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）
◇ 分組分析（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 、綜合分析方法及其適用場景
◇ 綜合評價法（多維指標歸一）
案例：南京丈母娘選女婿分析表格
演練：人才選拔評價分析（HR）
◇ 杜邦分析法（關鍵因素分析-財務數據分析）
案例：運營商市場占有率分析（通信）
案例：服務水平提升分析（呼叫中心）
演戲：提升銷量的銷售策略分析（零售商/電商）
◇ 漏斗分析法（關鍵流程環節分析-流失率與轉化率分析）
案例：電商產品銷售流程優化與策略分析（電商）
演練：營業廳終端銷售流程分析（電信）
演練：銀行業務辦理流程優化分析（銀行）
◇ 矩陣分析法（產品策略分析-象限圖分析法）
案例：工作安排評估
案例：HR人員考核與管理
案例：波士頓產品策略分析
6 、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
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
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