大数据分析与挖掘综合能力提升实战，我来为大家讲解一下关于傅老师-大数据分析与挖掘综合能力提升实战?跟着小编一起来看一看吧!
傅老师-大数据分析与挖掘综合能力提升实战
大数据分析与挖掘综合能力提升实战
【课程目标】
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。
本课程覆盖了如下内容：
1、 大数据的本质，核心数据思维。
2、 数据分析过程，数据分析工具。
3、 数据分析方法，数据分析思路。
4、 数据可视呈现，数据报告撰写。
本课程从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，对数据分析及数据挖掘技术进行了全面的介绍（从数据收集与处理，到数据分析与挖掘，再到数据可视化和报告撰写），通过大量的操作演练，帮助学员掌握数据分析和数据挖掘的思路、方法、表达、工具，从大量的企业经营数据中进行分析，挖掘客户行为特点，帮助运营团队深入理解业务运作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。
通过本课程的学习，达到如下目的：
1、 了解数据分析基础知识，掌握数据分析的基本过程。
2、 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。
3、 熟悉数据分析的基本过程，掌握Excel高级数据分析库操作。
4、 熟悉大数据分析工具Power BI，提升数据分析效率，避免重复工作。
【授课时间】
2天时间（每天6个小时）
【授课对象】
销售部门、营业厅、呼叫中心、业务支撑、经营分析部、网管/网优中心、运营分析部、系统开发部等对业务数据分析有基本要求的相关人员。
【学员要求】
1、 每个学员自备一台便携机(必须)。
2、 便携机中事先安装好Excel 2013版本及以上。
3、 便携机中事先安装好Power BI Desktop软件。
注：讲师可以提供试用版本软件及分析数据源。
【授课方式】
数据分析基础 方法讲解 实际业务问题分析 Excel实践操作
采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。
【课程大纲】
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
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：终端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
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、 综合分析方法及其适用场景（略）
Ø 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）
Ø 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）
Ø 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）
Ø 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、 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。
-
傅老师 华为系大数据专家
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、荷兰和比利时等海外市场做项目，对大数据有深入的研究。
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。
欢迎联系咨询更多老师资料，私信约老师上课！
,
