本課程為工具類培訓，面向所有想學數據分析工具的人員。

本課程的主要目的是，幫助學員掌握Power BI數據分析工具，學會數據預處理，簡化工作量，提升效率，避免重復工作；學會數據可視化，直觀呈現各種業務信息和含義；學會計算復雜的數據度量值，以衡量業務狀況。

通過本課程的學習，達到如下目的：

1、  了解數據分析標準流程，了解微軟的PowerBI工具

2、  熟悉Power Query數據預處理操作，能夠處理各種數據源

3、  掌握Power View可視化操作技能，學會使用合適的圖形來呈現結果

4、  掌握Power Pivot實現原理，學會編寫DAX表達式

第一部分：  數據分析過程—流程步驟篇

1、 數據分析的六步曲

2、 步驟1：明確目的，確定分析思路

‐  確定分析目的：要解決什么樣的業務問題

‐  確定分析思路：分解業務問題，構建分析框架

3、 步驟2：收集數據，尋找分析素材

‐  明確數據范圍

‐  確定收集來源

‐  確定收集方法

4、 步驟3：整理數據，確保數據質量

‐  數據質量評估

‐  數據清洗、數據處理和變量處理

‐  探索性分析

5、 步驟4：分析數據，尋找業務答案

‐  選擇合適的分析方法

‐  構建合適的分析模型

‐  選擇合適的分析工具

6、 步驟5：呈現數，解讀業務規律

‐  選擇恰當的圖表

‐  選擇合適的可視化工具

‐  提煉業務含義

7、 步驟6：撰寫報告，形成業務策略

‐  選擇報告種類

‐  完整的報告結構

第二部分：  數據分析思路—分析框架篇

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、 業務分析思路和分析框架來源于業務模型

2、 常用的業務模型

‐  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（用戶需求、產品亮點、競品優劣勢）

‐  WHAT：產品（產品喜好、產品貢獻、產品功能、產品結構）

‐  WHO：客戶（基本特征、消費能力、產品偏好）

‐  WHEN：時間（淡旺季、活躍時間、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（費用、成本、利潤、收入結構、價格偏好等）

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—統計方法篇

問題：數據分析方法的種類？分析方法的不同應用場景？

1、 業務分析的三個階段

‐  現狀分析：通過企業運營指標來發現規律及短板

‐  原因分析：查找數據相關性，探尋目標影響因素

‐  預測分析：合理配置資源，預判業務未來的趨勢

2、 常用的數據分析方法種類

3、 統計分析基礎

‐  統計分析兩大關鍵要素（類別、指標）

‐  統計分析的操作模式（類別à指標）

‐  統計分析三個操作步驟（統計、畫圖、解讀）

4、 基本分析方法及其適用場景

‐  對比分析（查看數據差距，發現事物變化）

演練：分析產品受歡迎情況及貢獻大小

演練：用戶消費水平差異分析

‐  分布分析（查看數據分布，探索業務層次）

演練：用戶消費層次分析

演練：客戶年齡分布/收入分布分析

‐  結構分析（查看指標構成，評估結構合理性）

案例：業務收入結構分析

案例：成本結構分析

演練：財務領域的結構瀑布圖、財務收支的變化瀑布圖

‐  趨勢分析（發現事物隨時間的變化規律）

案例：產品銷售的淡旺季分析

演練：發現客流量的時間規律

‐  交叉分析（從多個維度的數據指標分析）

演練：不同客戶的產品偏好分析

演練：銀行用戶的違約影響因素分析

第四部分： 數據分析工具—Power Query數據預處理

問題：如何提高數據預處理效率？如何避免重復工作避免加班？

1、 Power BI微軟專業數據工具簡介

2、 Power BI組件框架

‐  Power Query超級查詢器

‐  Power Pivot超級透視表

‐  Power View交互式圖表工具

3、 PQ數據預處理功能

‐  數據集成：數據集合并

‐  數據清洗：異常數據處理

‐  樣本處理：行篩選、提升標題等

‐  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

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：橫向合并

‐  變量合并：縱向合并/連接類型

‐  文件夾合并

演練：數據集成（追加、合并、文件夾）

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

‐  數據類型和格式

演練：數據預處理操作

7、 數據共享

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（多文件、單文件多工作表、多文件多工作表）

字段合并操作（外連接、反連接、內連接）

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：  數據分析工具—Power View交互式圖表

問題：如何讓你的分析結果更直觀易懂？如何讓數據“慧”說話？

1、 Power view簡介

2、 圖表類型與作用

3、 常用圖形及適用場景

4、 圖形美化原則

5、 常用圖表格式化

‐  柱狀圖、條形圖（差距對比分析）

‐  折線圖（趨勢變化）

‐  直方圖（業務層次分析）

‐  餅圖、瀑布圖（指標構成分析）

‐  雙坐標圖（不同量綱呈現）

‐  散點圖/氣泡圖（矩陣分析法）

‐  漏斗圖（用戶轉化率分析）

演練：圖表制作與演示

6、 交互式圖表（快速交叉分析的法寶）

7、 分層鉆取（精簡不同粒度的分析圖）

演練：不同時間粒度/地理位置粒度等分層統計

8、 三種篩選器（不同級別的篩選）

‐  報告級篩選器

‐  頁面級篩選器

‐  視覺級篩選器

9、 可視化化地圖

第六部分：  數據分析工具—Power Pivot數據建模

1、 超級透視表Power Pivot簡介

2、 PP主要功能：數據類型、關系管理、新建列與表、度量值

3、 關系模型

‐  關系建立：自動與手動

‐  建立多表關聯，實現跨表透視

演練：數據預處理操作

4、 計算列

‐  簡單列

‐  關聯列

‐  索引列

5、 新建表

‐  新建表格

‐  新建日期表

6、 度量值

‐  度量值定義公式

‐  度量值保存與計算

演練：度量值使用

‐  計算列與度量值的區別

7、 DAX數據分析表達式

‐  DAX公式

‐  DAX運算符

‐  DAX函數

‐  DAX高級篩選函數

8、 上下文

‐  行上下文

‐  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

演練：度量值定義

結束：課程總結與問題答疑。