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(傅老师-大数据分析与挖掘综合能力提升实战)

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!

,