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(傅一航)课程介绍：

【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）

【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
 ◇ 数据，是对客观事物的描述和记录
 ◇ 大数据不在于大，而在于全
3 、大数据四大核心价值
 ◇ 用趋势图来探索产品销量规律
 ◇ 从谷歌的GFT产品探索用户需求变化
 ◇ 从大数据炒股看大数据如何探索因素的相关性
 ◇ 阿里巴巴预测经济危机的到来
 ◇ 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
 ◇ 业务数据化
 ◇ 数据信息化
 ◇ 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
 ◇ 数据分析的三个阶段
 ◇ 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
 ◇ 确定分析目的：要解决什么样的业务问题
 ◇ 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
 ◇ 明确收集数据范围
 ◇ 确定收集来源
 ◇ 确定收集方法
5 、步骤3：数据预处理—准备数据
 ◇ 数据质量评估
 ◇ 数据清洗、数据处理和变量处理
 ◇ 探索性分析
6 、步骤4：数据分析--寻找答案
 ◇ 选择合适的分析方法
 ◇ 构建合适的分析模型
 ◇ 选择合适的分析工具
7 、步骤5：数据展示--观点表达
 ◇ 选择恰当的图表
 ◇ 选择合适的可视化工具
8 、步骤6：报表撰写--观点表达
 ◇ 选择报告种类
 ◇ 完整的报告结构
9 、演练：终端大数据精准营销案例赏析
 ◇ 如何搭建精准营销分析框架？
 ◇ 精准营销分析的过程和步骤？
 ◇ 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
 ◇ 描述性分析法（对比/分组/结构/趋势/交叉…）
 ◇ 相关性分析法（相关/方差/卡方…）
 ◇ 预测性分析法（回归/时序/决策树/神经网络…）
 ◇ 专题性分析法（聚类/关联/RFM模型/…）
2 、统计分析基础
 ◇ 统计分析两大要素
 ◇ 统计分析三个步骤
3 、统计分析常用指标
 ◇ 汇总方式：计数、求和、百分比（增跌幅）
 ◇ 集中程度：均值、中位数、众数
 ◇ 离散程度：极差、方差/标准差、IQR
 ◇ 分布形态：偏度、峰度
4 、基本分析方法及其适用场景
 ◇ 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）
 ◇ 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
 ◇ 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
 ◇ 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
 ◇ 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）
 ◇ 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）
 ◇ 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）
 ◇ 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）
 ◇ 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
 ◇ 先宏观，后微观
 ◇ 先整体，再部分
 ◇ 先普遍，再个别
 ◇ 先单维，再多维
 ◇ 先表象，再根因
 ◇ 先过去，再未来
2 、数据解读要诀
 ◇ 看差距，找短板
 ◇ 看极值，评优劣
 ◇ 看分布，分层次
 ◇ 看结构，思重点
 ◇ 看趋势，思重点
 ◇ 看峰谷，找规律
 ◇ 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
 ◇ Power Query超级查询器
 ◇ Power Pivot超级透视表
 ◇ Power View交互式图表工具
2 、获取和转换（Power Query）
 ◇ 数据处理的常见问题
 ◇ PQ功能简介
3 、多数据源读取
 ◇ 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
 ◇ 数据的追加
 ◇ 变量的合并
 ◇ 文件夹合并
演练：数据集成（追加、合并、文件夹）
5 、数据转换
 ◇ 数据表的管理
 ◇ 数据类型和格式
 ◇ 数据列的操作
 ◇ 数据行的操作
演练：数据预处理操作
6 、PQ的本质—M语言
 ◇ 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
 ◇ 柱状图、条形图
 ◇ 折线图、饼图
5 、复杂图形制作
 ◇ 双坐标图（不同量纲呈现）
 ◇ 对称条形图（对比）
 ◇ 散点图/气泡图（矩阵分析法）
 ◇ 瀑布图（成本、收益构成分析）
 ◇ 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
 ◇ 数据分类
 ◇ 汇总方式
3 、超级透视表
 ◇ 建模的核心：筛选器与计算器
 ◇ 建立多表关系模型
 ◇ 关系管理：新建、修改、删除
演练：数据预处理操作
4 、度量值
 ◇ 度量值定义
 ◇ 度量值计算
 ◇ 度量值的双层筛选
演练：度量值使用
5 、计算列
 ◇ 新建列
 ◇ 列与度量值的区别
6 、DAX数据分析表达式
 ◇ DAX公式
 ◇ DAX运算符
 ◇ DAX函数
 ◇ DAX高级筛选函数
7 、上下文
 ◇ 行上下文
 ◇ 筛选上下文
 ◇ 度量值的计算原理
 ◇ 上下文冲突时的上下文处理
结束：课程总结与问题答疑。

傅一航——华为大数据专家
华为大数据专家
计算机软件与理论硕士研究生
华为工作十年
数篇国家专利

专著与荣誉：
获得国家专利：
1.CN1925642:对集群用户进行处理的方法和集群用户处理系统
2.CN101114999A:数据发送控制方法及数据传输设备
3.CN101119183A:重传控制方法及传输设备
4.CN101483847A:实现策略控制的方法、装置及系统
5.CN101605359B:一种切换过程中转发数据的方法、无线实体和基站
论文：
1.基于统计的无词典分词方法
2.文本的自动分类
3.基于Internet的智能信息检索技术研究

服务客户
中国移动、中国联通、中国电信、西部航空等。
富维江森（汽车）：《数字化运营下的数据分析与数据挖掘应用培训》
平安集团：《数据挖掘与现代企业数据化运营实践》
光大银行：《大数据分析与数据挖掘应用实战》
招商银行佛山公司：《“数”说营销----大数据营销实战与沙盘》
广州地铁1期：《大数据分析与数据挖掘培训》
广州地铁2期：《数据分析与数据建模实战》
华为技术：《话务量预测与排班管理》
YKK吉田拉链：《大数据分析综合能力提升培训》
富士康：《数据分析综合能力提升培训》
泉州移动1期：《大数据分析综合能力提升》
泉州移动2期：《数说营销—市场营销数据分析与挖掘应用》
泉州移动3期：《数据模型与数据挖掘应用实战》
延长壳牌：《大数据分析与挖掘综合能力提升》
西部航空：《数字化运营下的数据分析与数据挖掘应用培训》
安能物流：《大数据挖掘分析及应用实战》
广东联通：《数据分析与数据挖掘实战培训》
上海电信：《渠道大数据分析与挖掘思路及方法》
中国移动终端公司：《三级经理大数据分析综合能力提升培训》
浙江移动：《大数据产品营销能力提升》
四川移动：《大数据分析与挖掘综合能力提升》
吉林移动：《数据分析与数据挖掘培训》；
贵州移动：《“数”说营销----大数据营销实战与沙盘》
深圳移动：《大数据在行业内外的应用》
中山移动：《“数”说营销----大数据营销实战与沙盘》
东莞移动：《“数”说营销----大数据营销实战与沙盘》
成都移动：《数字化运营下的数据分析与数据挖掘》
眉山移动1期：《大数据分析综合能力提升》
眉山移动2期：《大数据挖掘与应用实战（高级）》
云浮移动：《大数据挖掘和信息提炼专项培训》
阳江移动：《小数据•大运营--运营数据的分析与挖掘》
德阳移动：《电信运营商市场营销数据挖掘应用典型案例》
遵义移动：《让数据说话----大数据分析与挖掘应用实战》
陕西在线：《“数”说营销----大数据营销实战与沙盘》
四川在线：《“数”说营销----大数据营销实战与沙盘》
乌兰浩特移动：《“数”说营销----大数据营销实战与沙盘》
呼伦贝尔移动：《“数”说营销----大数据营销实战与沙盘》
大连移动：《“数”说营销----大数据营销实战与沙盘》
内蒙古移动：《大数据分析与Hadoop大数据解决方案》
贵州中移通信：《SPSS数据分析与数据挖掘应用实战》

更多大数据分析与挖掘综合能力提升实战相关课程：