您好,欢迎访问广东培训网!
当前位置:首页 > 公开课 > 个人技能 > 课程内容

大数据分析与数据挖掘综合能力提升实战

发布价:¥3610
原 价:¥3800 课程编号:KC121827
用手机看:
手机扫码
开课日期
培训天数
上课地区
状态
2024年10月25-26日
2天
深圳市
立即报名

培训对象

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。

课程简介

课程背景

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。

20240723153424_3227.png20240723153424_4859.png

 

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。

课程收益

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。

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。

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。

讲师介绍

傅一航 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。

1、让决策更科学:将大数据应用于运营决策,用大数据探索领域发展规律和行业发展趋势,有效分析用户需求,并预测用户行为,最终实现市场变化预测,提升企业科学决策能力。

2、让管理更高效:将大数据应用于企业管理,用大数据呈现企业整体运营情况,诊断企业管理问题和风险,全面理解组织、产品、人员、营销、财务等要素间的相关性,实现企业资源的最优化配置,提升企业管理效率。

3、让营销更精准:将大数据应用于市场营销,解决营销中的用户群细分和品牌定位,客户价值评估,产品设计优化,产品最优定价等实际问题,实现精准营销和精准推荐,以最小的营销成本实现最大化的营销效果。

傅老师目前致力于将大数据技术应用于通信、金融、航空、电商、互联网、政府等领域。傅老师的课程最大特色:实战性强!“围绕业务问题+搭建分析框架+运用分析方法+建立分析模型+熟悉分析工具+形成业务策略”。以商业问题为起点,基于实际的业务应用场景(明确目的),搭建全面系统的业务框架和分析维度(分析思路),选择最合适的方法(分析方法),深入浅出的理论讲解(分析模型),使用简单实用的工具操作(分析工具),对分析结果进行有效的解读(数据可视化),最终形成具体的业务建议,实现业务分析/数据分析的闭环。

重思路:核心理念+分析思路;

重体系:分析过程+分析步骤;

重实战:分析方法+分析模型+分析工具;

重落地:数据可视化+数据解读+业务策略。

近期相关公开课

公开课服务流程

公开课报名流程

在线报名/咨询

联 系 人 :
联系方式:
公司名称:
咨询事项: