您好,欢迎来到诺达名师!
客服热线:18898361497

当前位置: 首页 > 战略管理 > 宏观形势 > 大数据分析与挖掘综合能力提升实战

傅一航

大数据分析与挖掘综合能力提升实战

傅一航 / 数据分析和数据挖掘讲师

课程价格: 具体课酬和讲师商量确定

常驻地: 深圳

预定该课 下载课纲

咨 / 询 / 热 / 线 18898361497

在线咨询

课程大纲

【课程目标】

本课程为基础课程,面向所有业务部门。

本课程的主要目的是,帮助学员了解大数据的本质,培养学员的数据意识和数据思维,掌握常用的统计分析方法和工具,以业务问题为导向,提升学员的数据分析综合能力。

本课程具体内容包括:

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),**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。

**本课程的学习,达到如下目的:

1、 了解数据分析的本质,理解数据决策的底层逻辑

2、 学会搭建数据分析框架,熟悉常用的业务模型

3、 熟悉数据分析标准过程,能够按步骤进行数据分析

4、 掌握常用统计分析方法,熟练使用Excel高级数据分析工具

5、 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、运营分析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(建议2016版本以上)。

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 工具实践操作

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】

**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

Ø A:人工智能,目的是用机器模拟人类行为

Ø B:区块链,构建不可篡改的分布记账系统

Ø C:云计算,搭建按需分配的计算资源平台

Ø D:大数据,实现智能化的判断和决策机制

Ø I:物联网,实现万物互联通信的基础架构

2、 大数据的本质

Ø 数据,是事物发展和变化过程中留下的痕迹

Ø 大数据不在于量大,而在于全(多维性)

Ø 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)

Ø 探索业务规律,按规律来管理决策

案例:客流规律与排班及**营销时机

案例:致命交通事故发生的时间规律

Ø 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

Ø 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?

Ø 预测未来趋势,**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

Ø 业务数据化:将业务问题转化为数据问题

Ø 数据信息化:提取数据中的业务规律信息

Ø 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

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

3、 步骤2:收集数据,寻找分析素材

Ø 明确数据范围

Ø 确定收集来源

Ø 确定收集方法

4、 步骤3:整理数据,确保数据质量

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

5、 步骤4:分析数据,寻找业务答案

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

6、 步骤5:呈现数,解读业务规律

Ø 选择恰当的图表

Ø 选择合适的可视化工具

Ø 提炼业务含义

7、 步骤6:撰写报告,形成业务策略

Ø 选择报告种类

Ø 完整的报告结构

演练:产品精准营销案例分析

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

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

Ø 现状分析:**企业运营指标来发现规律及短板

Ø 原因分析:查找数据相关性,探寻目标影响因素

Ø 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

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/…)

3、 统计分析基础

Ø 统计分析两大关键要素(类别、指标)

Ø 统计分析的操作模式(类别à指标)

Ø 统计分析三个操作步骤(统计、画图、解读)

Ø 透视表的三个组成部分

4、 常用的描述性指标

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

5、 基本分析方法及其适用场景

Ø 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

Ø 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)

Ø 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

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

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

Ø 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

Ø 外部环境分析:PEST

Ø 业务专题分析:5W2H

Ø 竞品/竞争分析:SWOT、波特五力

Ø 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)

Ø WHY:原因(用户需求、产品亮点、竞品优劣势)

Ø WHAT:产品(产品喜好、产品贡献、产品功能、产品结构)

Ø WHO:客户(基本特征、消费能力、产品偏好)

Ø WHEN:时间(淡旺季、活跃时间、重购周期)

Ø WHERE:区域/渠道(区域喜好、渠道偏好)

Ø HOW:支付/促销(支付方式、促销方式有效性评估等)

Ø 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: 数据分析方法—分析策略篇

问题:数据多,混乱不堪,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

第七部分: 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

第八部分: 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

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

3、 PQ数据预处理功能

Ø 数据集成:数据集合并

Ø 数据清洗:异常数据处理

Ø 样本处理:行筛选、提升标题等

Ø 变量处理:列筛选、填充/合并/派生等

Ø 其它:表/查询管理及其它

4、 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

5、 数据组合/集成

Ø 样本追加:横向合并

Ø 变量合并:纵向合并/连接类型

Ø 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

Ø 数据表的管理

Ø 数据行的操作

Ø 数据列的操作

Ø 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

第九部分: 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

Ø 柱状图、条形图(差距对比分析)

Ø 折线图(趋势变化)

Ø 直方图(分布层次分析)

Ø 饼图、瀑布图(指标构成分析)

Ø 双坐标图(不同量纲呈现)

Ø 散点图/气泡图(矩阵分析法)

Ø 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)

第十部分: 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

Ø 关系模型:建立多表关联,跨表作透视

Ø 计算列:生成新字段

Ø 新建表:生成新的表

Ø 度量值:定义统计指标

演练:数据预处理操作

3、 计算列

Ø 新建简单列、关联列、索引列等

Ø 计算列与度量值的区别

4、 度量值

Ø 度量值定义公式

Ø 度量值保存与计算

演练:度量值使用

5、 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

6、 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。

上一篇: 大数据分析综合能力提升实战 下一篇:大数据分析与挖掘综合能力提升实战

下载课纲

X
""