本課(ke)程為工具(ju)類(lei)培訓，面向所有想學數據分析工具(ju)的人員。

本課程的(de)主(zhu)要目的(de)是，幫助學(xue)員掌握Power BI數(shu)據(ju)(ju)分析工(gong)具，學會數(shu)據(ju)(ju)預(yu)處(chu)理，簡(jian)化工(gong)作(zuo)量(liang)，提(ti)升(sheng)效率，避免重復(fu)工(gong)作(zuo)；學會數(shu)據(ju)(ju)可視化，直觀(guan)呈現各種業務信息(xi)和含義(yi)；學會計算復(fu)雜的數(shu)據(ju)(ju)度量(liang)值，以衡量(liang)業務狀況。

通(tong)過本課程的(de)學習(xi)，達到如下目(mu)的(de)：

1、  了解數據分析標準流(liu)程，了解微軟的PowerBI工具

2、  熟悉Power Query數據(ju)預處理操作，能夠處理各種數據(ju)源

3、  掌(zhang)握Power View可視化(hua)操(cao)作(zuo)技能，學(xue)會使用合適(shi)的圖形來呈現(xian)結果

4、  掌握Power Pivot實現原(yuan)理，學會編寫DAX表達(da)式

第一部分：  數據分析過程(cheng)—流程步驟篇

1、 數據分(fen)析(xi)的六步曲(qu)

2、 步驟1：明確目的，確定分析思路

‐  確(que)定分(fen)析目(mu)的：要解決什么(me)樣的業務問題

‐  確(que)定分(fen)析思路：分(fen)解業務問(wen)題，構(gou)建分(fen)析框架

3、 步驟2：收集數據，尋找分析素材

‐  明確(que)數據范圍

‐  確定(ding)收集來源

‐  確定收集方法

4、 步驟3：整理數據，確保數據質量

‐  數(shu)據(ju)質量評估

‐  數(shu)據清洗、數(shu)據處(chu)(chu)理(li)和變(bian)量處(chu)(chu)理(li)

‐  探索性(xing)分(fen)析(xi)

5、 步驟4：分析數據，尋找業務答案

‐  選(xuan)擇合適的分(fen)析方法

‐  構建合適的分析模型

‐  選擇合適的分析(xi)工具

6、 步驟5：呈現數，解讀業務規律

‐  選擇恰當的圖(tu)表

‐  選擇(ze)合適的可視化(hua)工具

‐  提煉業務含義

7、 步驟6：撰寫報告，形成業務策略

‐  選擇報告(gao)種類(lei)

‐  完整的報告結構

第二部分：  數(shu)據分析思(si)路—分析框(kuang)架篇(pian)

問題：如何才能全面/系統地分析而不遺漏？如何分解和細化業務問題？

1、 業(ye)(ye)務(wu)分析思路和分析框架來源于業(ye)(ye)務(wu)模型

2、 常用(yong)的業務(wu)模型

‐  外部環境分析：PEST

‐  業務專題分析：5W2H

‐  競品/競爭分析：SWOT、波特五力

‐  營銷市場專題分析：4P/4C等

3、 用戶行為分析（5W2H分析思路和框架）

‐  WHY：原因(yin)（用戶需求、產品亮點(dian)、競品優劣勢(shi)）

‐  WHAT：產品(pin)（產品(pin)喜好、產品(pin)貢獻(xian)、產品(pin)功能、產品(pin)結(jie)構）

‐  WHO：客戶（基本特征、消費能力、產品(pin)偏好）

‐  WHEN：時間（淡旺季、活躍(yue)時間、重購周期）

‐  WHERE：區域/渠道（區域喜好、渠道偏好）

‐  HOW：支付/促銷（支付方式、促銷方式有效性評估等）

‐  HOW MUCH：價格(ge)（費用、成(cheng)本、利潤、收入(ru)結構、價格(ge)偏好等）

案例討論：結合公司情況，搭建用戶消費習慣的分析框架（5W2H）

第三部分：  數據分析方法(fa)—統計方法篇

問題：數據分析方法的種類？分析方法的不同應(ying)用場景？

1、 業務分析的三個階段

‐  現狀分析：通過(guo)企業運營指(zhi)標(biao)來發現規律及短板

‐  原因分析：查找數據(ju)相(xiang)關(guan)性，探尋(xun)目(mu)標影響(xiang)因素

‐  預測分(fen)析(xi)：合(he)理配置資源，預判(pan)業務未(wei)來(lai)的趨勢

2、 常用的數據分析方法(fa)種類

3、 統計(ji)分析基礎

‐  統計分析兩大關鍵要素（類別(bie)、指標）

‐  統計分析(xi)的(de)操作模(mo)式（類(lei)別à指(zhi)標）

‐  統計(ji)分析三個(ge)操作步驟（統計(ji)、畫圖(tu)、解(jie)讀）

4、 基本分析方法(fa)及(ji)其適(shi)用場景(jing)

‐  對比分析（查看數(shu)據差(cha)距，發現(xian)事物變化）

演練：分析(xi)產品受(shou)歡迎情況及貢(gong)獻大小

演練：用戶消費(fei)水平差異分析

‐  分(fen)布分(fen)析（查看數據分(fen)布，探索(suo)業務層次）

演(yan)練：用戶消(xiao)費層次(ci)分(fen)析

演練：客戶年齡分布/收入分布分析

‐  結構(gou)分析（查看指(zhi)標構(gou)成，評估結構(gou)合(he)理性(xing)）

案例：業務收(shou)入結構分析(xi)

案例：成(cheng)本結構分析

演(yan)練：財(cai)(cai)務(wu)領(ling)域的結構瀑布圖(tu)、財(cai)(cai)務(wu)收支的變化瀑布圖(tu)

‐  趨勢分析（發(fa)現事物隨(sui)時間的變化規(gui)律）

案例：產品銷售的淡旺季(ji)分析

演(yan)練(lian)：發現(xian)客流(liu)量的(de)時(shi)間規律(lv)

‐  交叉分析（從多個維度的(de)數據指(zhi)標(biao)分析）

演練：不同客(ke)戶的產品偏好(hao)分析(xi)

演練(lian)：銀行用戶的違約影響因素分析

第四部分： 數據分(fen)析(xi)工具—Power Query數據預(yu)處理(li)

問題：如(ru)何(he)提高數(shu)據(ju)預(yu)處理效(xiao)率？如(ru)何(he)避免(mian)重復工作避免(mian)加(jia)班？

1、 Power BI微軟專業數(shu)據工具簡介

2、 Power BI組件框架

‐  Power Query超級查(cha)詢器

‐  Power Pivot超級透視表

‐  Power View交互式圖表工具(ju)

3、 PQ數(shu)據預處理功能

‐  數據集成：數據集合并

‐  數據清洗：異常數據處理

‐  樣(yang)本處理：行篩選、提升標題(ti)等(deng)

‐  變量處理：列篩選、填充/合并/派生等

‐  其它：表/查詢管理及其它

4、 多數據源讀取

‐  多數據源讀取(qu)

演練：從文件/Excel/數據庫/Web頁獲取數據源

5、 數據組合/集成

‐  樣本追加(jia)：橫向合(he)并

‐  變量合并：縱向合并/連接類型

‐  文件(jian)夾(jia)合并(bing)

演練：數據集(ji)成（追加、合并(bing)、文(wen)件夾）

6、 數據整理/預處理

‐  數據表的管理

‐  數據行的操作

‐  數據列的操作(zuo)

‐  數據類(lei)型和格(ge)式

演練(lian)：數(shu)據預處理操作

7、 數(shu)據共享

8、 PQ的本質—強大M語言

9、 數據處理實戰-M語言實戰

數據集樣本追加（多文(wen)(wen)件(jian)(jian)、單文(wen)(wen)件(jian)(jian)多工(gong)作(zuo)表、多文(wen)(wen)件(jian)(jian)多工(gong)作(zuo)表）

字段合并操(cao)作（外連接(jie)、反連接(jie)、內連接(jie)）

文本字段拆分列/拆分行（按分隔符、字符數、非數字到數字等）

展開列表為行/分組依據

去重/排序/跳過行/第一行作標題

新增列/新增索引/新增條件列

文本提取/文本移除/文本轉數字

表維度轉換（透視表-變量值變字段列、逆透視-變量列轉換為值）

參數定義/自定義函數

第五部分：  數(shu)據分析工具—Power View交互式圖表(biao)

問(wen)題：如(ru)何(he)讓你的分析結果更直(zhi)觀易懂？如(ru)何(he)讓數據“慧(hui)”說(shuo)話？

1、 Power view簡(jian)介

2、 圖表類型(xing)與(yu)作用(yong)

3、 常用圖形及適用場景

4、 圖形美化原則

5、 常(chang)用圖表格式化

‐  柱狀圖(tu)、條形(xing)圖(tu)（差距(ju)對比分析(xi)）

‐  折線(xian)圖（趨勢(shi)變(bian)化）

‐  直方圖（業(ye)務層次分析）

‐  餅(bing)圖、瀑(pu)布(bu)圖（指標構成分析）

‐  雙坐(zuo)標圖（不同量綱呈現）

‐  散點圖/氣泡圖（矩陣分析法）

‐  漏斗圖（用戶(hu)轉化(hua)率(lv)分析）

演練：圖表制作與演示

6、 交互式(shi)圖表（快(kuai)速(su)交叉(cha)分析的(de)法寶）

7、 分層鉆(zhan)取（精簡(jian)不同粒(li)度的分析圖(tu)）

演練：不同時間粒度/地理位置粒度等分層統計

8、 三種(zhong)篩(shai)選器（不同級別的(de)篩(shai)選）

‐  報告級(ji)篩選器

‐  頁面(mian)級(ji)篩選器

‐  視覺級篩選器

9、 可視化化地圖

第六部分：  數據分析工(gong)具—Power Pivot數(shu)據建模(mo)

1、 超級透視表Power Pivot簡介

2、 PP主要功能：數(shu)據類型、關系管(guan)理、新建列與表、度量值

3、 關系模型

‐  關系建立：自動(dong)與(yu)手動(dong)

‐  建立多表關聯，實現跨表透視

演(yan)練(lian)：數據預處理操作(zuo)

4、 計算列

‐  簡單列

‐  關聯(lian)列

‐  索引(yin)列

5、 新建表

‐  新建表格

‐  新建日期(qi)表

6、 度量值

‐  度量值定義公式

‐  度(du)量值(zhi)保存與計(ji)算

演練：度量值使用

‐  計算列與度(du)量值的區別

7、 DAX數(shu)據分析(xi)表達式

‐  DAX公式

‐  DAX運算符

‐  DAX函數

‐  DAX高級(ji)篩選函數

8、 上(shang)下(xia)文

‐  行(xing)上下文

‐  篩選上下文

‐  度量值的計算原理

‐  上下文沖突時的上下文處理

9、 DAX語言實戰

演(yan)練(lian)：度量值定義

結束(shu)：課程總結與問(wen)題答(da)疑。