大數據分析與挖掘綜合能力提升實戰

【課程目標】

本課程為基礎課程，面向所有業務部門。

本課程的主要目的是，幫助學員了解大數據的本質，培養學員的數據意識和數據思維，掌握常用的統計分析方法和工具，以業務問題為導向，提升學員的數據分析綜合能力。

本課程具體內容包括：

1、 大數據的本質，核心數據思維。

2、 數據分析過程，數據分析工具。

3、 數據分析方法，數據分析思路。

4、 數據可視呈現，數據報告撰寫。

本課程從實際的業務需求出發，結合行業的典型應用特點，圍繞實際的商業問題，對數據分析及數據挖掘技術進行了全面的介紹（從數據收集與處理，到數據分析與挖掘，再到數據可視化和報告撰寫），通過大量的操作演練，幫助學員掌握數據分析和數據挖掘的思路、方法、表達、工具，從大量的企業經營數據中進行分析，挖掘客戶行為特點，幫助運營團隊深入理解業務運作，以達到提升學員的數據綜合分析能力，支撐運營決策的目的。

通過本課程的學習，達到如下目的：

1、 了解數據分析的本質，理解數據決策的底層邏輯

2、 學會搭建數據分析框架，熟悉常用的業務模型

3、 熟悉數據分析標準過程，能夠按步驟進行數據分析

4、 掌握常用統計分析方法，熟練使用Excel高級數據分析工具

5、 熟悉大數據分析工具Power BI，提升數據分析效率，避免重復工作

【授課時間】

2天時間（每天6個小時）

【授課對象】

銷售部門、營業廳、呼叫中心、業務支撐、經營分析部、運營分析部等對業務數據分析有基本要求的相關人員。

【學員要求】

1、 每個學員自備一臺便攜機(必須)。

2、 便攜機中事先安裝好Excel 2013版本（建議2016版本以上）。

3、 便攜機中事先安裝好Power BI Desktop軟件。

注：講師可以提供試用版本軟件及分析數據源。

【授課方式】

數據分析基礎 + 方法講解 + 實際業務問題分析 + 工具實踐操作

采用互動式教學，圍繞業務問題，展開數據分析過程，全過程演練操作，讓學員在分析、分享、講授、總結、自我實踐過程中獲得能力提升。

【課程大綱】

第一部分： 數據核心理念—數據思維篇

問題：什么是數據思維？大數據決策的底層邏輯以及決策依據是什么？

1、 數字化五大技術戰略：ABCDI戰略

? A：人工智能，目的是用機器模擬人類行為

? B：區塊鏈，構建不可篡改的分布記賬系統

? C：云計算，搭建按需分配的計算資源平臺

? D：大數據，實現智能化的判斷和決策機制

? I：物聯網，實現萬物互聯通信的基礎架構

2、 大數據的本質

? 數據，是事物發展和變化過程中留下的痕跡

? 大數據不在于量大，而在于全（多維性）

? 業務導向還是技術導向

3、 大數據決策的底層邏輯（即四大核心價值）

? 探索業務規律，按規律來管理決策

案例：客流規律與排班及最佳營銷時機

案例：致命交通事故發生的時間規律

? 發現運營變化，定短板來運營決策

案例：考核周期導致的員工月初懈怠

案例：工序信號異常監測設備故障

? 理清要素關系，找影響因素來決策

案例：情緒對于股市漲跌的影響

案例：為何升職反而會增加離職風險？

? 預測未來趨勢，通過預判進行決策

案例：惠普預測員工離職風險及挽留

案例：保險公司的車險預測與個性化保費定價

4、 大數據決策的三個關鍵環節

? 業務數據化：將業務問題轉化為數據問題

? 數據信息化：提取數據中的業務規律信息

? 信息策略化：基于規律形成業務應對策略

案例：用數據來識別喜歡賺“差價”的營業員

第二部分： 數據分析過程—流程步驟篇

1、 數據分析的六步曲

2、 步驟1：明確目的，確定分析思路

? 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

3、 步驟2：收集數據，尋找分析素材

? 明確數據范圍

? 確定收集來源

? 確定收集方法

4、 步驟3：整理數據，確保數據質量

? 數據質量評估

? 數據清洗、數據處理和變量處理

? 探索性分析

5、 步驟4：分析數據，尋找業務答案

? 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

6、 步驟5：呈現數，解讀業務規律

? 選擇恰當的圖表

? 選擇合適的可視化工具

? 提煉業務含義

7、 步驟6：撰寫報告，形成業務策略

? 選擇報告種類

? 完整的報告結構

演練：產品精準營銷案例分析

? 如何搭建精準營銷分析框架

? 精準營銷分析的過程和步驟

第三部分： 數據分析方法—統計方法篇

問題：數據分析方法的種類？分析方法的不同應用場景？

1、 業務分析的三個階段

? 現狀分析：通過企業運營指標來發現規律及短板

? 原因分析：查找數據相關性，探尋目標影響因素

? 預測分析：合理配置資源，預判業務未來的趨勢

2、 常用的數據分析方法種類

? 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/…）

3、 統計分析基礎

? 統計分析兩大關鍵要素（類別、指標）

? 統計分析的操作模式（類別à指標）

? 統計分析三個操作步驟（統計、畫圖、解讀）

? 透視表的三個組成部分

4、 常用的描述性指標

? 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

5、 基本分析方法及其適用場景

? 對比分析（查看數據差距，發現事物變化）

演練：尋找用戶的地域分布特征

演練：分析產品受歡迎情況及貢獻大小

演練：用數據來探索增量不增收困境的解決方案

? 分布分析（查看數據分布，探索業務層次）

演練：銀行用戶的消費水平和消費層次分析

演練：客戶年齡分布/收入分布分析

案例：通信運營商的流量套餐劃分合理性的評估

演練：呼叫中心接聽電話效率分析（呼叫中心）

? 結構分析（查看指標構成，評估結構合理性）

案例：增值業務收入結構分析（通信）

案例：物流費用成本結構分析（物流）

案例：中移動用戶群動態結構分析

演練：財務領域的結構瀑布圖、財務收支的變化瀑布圖

? 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

案例：微信用戶的活躍時間規律

演練：發現客流量的時間規律

? 交叉分析（從多個維度的數據指標分析）

演練：用戶性別+地域分布分析

演練：不同客戶的產品偏好分析

演練：不同學歷用戶的套餐偏好分析

演練：銀行用戶的違約影響因素分析

第四部分： 數據分析方法—分析框架篇

問題：如何才能全面/系統地分析而不遺漏？如何分解和細化業務問題？

1、 業務分析思路和分析框架來源于業務模型

2、 常用的業務模型

? 外部環境分析：PEST

? 業務專題分析：5W2H

? 競品/競爭分析：SWOT、波特五力

? 營銷市場專題分析：4P/4C等

3、 用戶行為分析（5W2H分析思路和框架）

? WHY：原因（用戶需求、產品亮點、競品優劣勢）

? WHAT：產品（產品喜好、產品貢獻、產品功能、產品結構）

? WHO：客戶（基本特征、消費能力、產品偏好）

? WHEN：時間（淡旺季、活躍時間、重購周期）

? WHERE：區域/渠道（區域喜好、渠道偏好）

? HOW：支付/促銷（支付方式、促銷方式有效性評估等）

? HOW MUCH：價格（費用、成本、利潤、收入結構、價格偏好等）

案例討論：結合公司情況，搭建用戶消費習慣的分析框架（5W2H）

第五部分： 數據分析方法—分析策略篇

問題：數據多，混亂不堪，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： 數據分析報告—數據可視化篇（根據需要講解，課件留給學員參考）

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： 數據分析報告—數據報告篇（根據需要講解，課件留給學員參考）

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： 數據分析工具—Power Query數據預處理

問題：如何提高數據預處理效率？如何避免重復工作避免加班？

1、 Power BI微軟專業數據工具簡介

2、 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

3、 PQ數據預處理功能

? 數據集成：數據集合并

? 數據清洗：異常數據處理

? 樣本處理：行篩選、提升標題等

? 變量處理：列篩選、填充/合并/派生等

? 其它：表/查詢管理及其它

4、 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

5、 數據組合/集成

? 樣本追加：橫向合并

? 變量合并：縱向合并/連接類型

? 文件夾合并

演練：數據集成（追加、合并、文件夾）

6、 數據整理/預處理

? 數據表的管理

? 數據行的操作

? 數據列的操作

? 數據類型和格式

演練：數據預處理操作

7、 數據共享

8、 PQ的本質—強大M語言

演練：多表合并/成績排名/借貸費用處理/采購計劃處理等

第九部分： 數據分析工具—Power View交互式圖表

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、 Power view簡介

2、 圖表類型與作用

3、 常用圖形及適用場景

4、 常用圖表格式化

? 柱狀圖、條形圖（差距對比分析）

? 折線圖（趨勢變化）

? 直方圖（分布層次分析）

? 餅圖、瀑布圖（指標構成分析）

? 雙坐標圖（不同量綱呈現）

? 散點圖/氣泡圖（矩陣分析法）

? 漏斗圖（用戶轉化率分析）

演練：圖表制作與演示

5、 交互式圖表（快速交叉分析的法寶）

6、 分層鉆取（精簡不同維度的分析圖）

7、 四種篩選器（不同級別的篩選）

第十部分： 數據分析工具—Power Pivot數據建模

1、 超級透視表Power Pivot簡介

2、 PP主要功能

? 關系模型：建立多表關聯，跨表作透視

? 計算列：生成新字段

? 新建表：生成新的表

? 度量值：定義統計指標

演練：數據預處理操作

3、 計算列

? 新建簡單列、關聯列、索引列等

? 計算列與度量值的區別

4、 度量值

? 度量值定義公式

? 度量值保存與計算

演練：度量值使用

5、 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

6、 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

結束：課程總結與問題答疑。