魏凌睿：数据分析处理及Power BI应用实战

魏凌睿注册讲师 535查看

课程概要

培训时长 : 2天

课程价格 : 扫码添加微信咨询

课程分类 : 数据分析

课程编号 : 1675

联系老师

行业不限

适用对象

对业务数据有分析基本要求的相关人员

课程介绍

课程时间：2天，6小时/天

课程对象：对业务数据有分析基本要求的相关人员

课程背景：

随着数字化转型成为企业的必答题，企业数字化进程的开展，面对产品、研发、财务、人力、销售、维护各个环节铺面而来的数据，我们应该如何高效分析处理，如何提升我们的工作效率，适应企业数字化转型的趋势，这是企业员工必须面对的状况。

如何利用数据分析利器Power BI进行数据分析，使用Power BI的各种工具控件进行数据操作和可视化呈现，实现分析有洞见、工作有效率、报告能聚焦，即是本课程要讨论的主要内容。

课程收益：

● 熟悉并掌握企业数字化转型的关键并搭建数字化平台的方法；

● 掌握Power BI重要功能及操作方法，结合工作场景数据进行针对性高效数据分析；

● 掌握利用Power BI进行数据可视化的方法，能够设计精美可读的分析报告；

● 掌握利用Power BI进行业务分析的全流程方法，能够把控并实施进行业务分析从数据收集到呈现的各个关键步骤。

课程时间：2天，6小时/天

课程对象：对业务数据有分析基本要求的相关人员

课程方式：案例分析+实操演练+思考练习

课程大纲

第一讲：企业所面临的数字化转型

一、企业数字化转型原因

1. 数字化改变商业模式

数据变机会→机会变服务→服务变收入

2. 数字化建立企业优势

1）业务优化

2）业务转型

3. 数字化提升使用体验

二、数字化转型核心要素

1. 以数据为中心的智能化发展目标

1）用数字化连接和即时反馈构建数据采集系统

2）把握安全和效率相平衡的原则建立数字化系统

3）基于数字化进行业务和管理决策

2. 数字化平台的构建

1）建立在业务基础上的IT系统

2）数字化平台构建的实施步骤：连接→实时→精准→拉取→扩展

3）建设和数字化平台运作匹配的文化

4）新旧平台的平滑过渡

三、员工在企业数字转型中应该作出的应对

1. IT思维和业务思维相融合

2. 培养开放共享的心态

3. 围绕以用户为中心

4. 提升数据分析处理能力

第二讲：数据分析理论基础

一、标度的选择使用

——量化感觉、态度、喜好的方法

二、频数呈现的选择使用（衡量对总体水平的作用程度）

1. 饼图

2. 条形图

3. 直方图

三、基于统计方法的分析

1. 分析异常值与偏斜数据

2. 均值VS中位数VS众数

3. 全距/四分位数的使用

4. 百分位数与箱线图的使用

5. 方差VS标准差分析变异性VS分散性

6. 利用概率进行分析

四、基于统计方法的决策

1. 比较法进行决策

2. 组合法进行决策

3. 贝叶斯方法进行决策

4. 快省树方法进行决策

思考：优秀员工如何选用统计指标进行评价

案例分析1：某某企业员工加薪方案的选择

案例分析2：用户购买公司产品概率的分析

案例分析3：假设检验与数据证伪保证决策结果的正确

综合示例：运用统计指标分析销售数据寻找方法提升某产品的销量

第四讲：数据分析处理——Power BI

一、Power BI基础

1. Power BI的功能

2. Power BI特性

二、开始使用Power BI

1. 加载报告

2. 添加一张卡片

练习：卡片添加练习

三、筛选器和表

1. 切片器

2. 更多列

3. 表

练习：筛选器和表的练习

四、进行数据变换

1. 数据转换基础

2. 数据清洗

练习：数据变换练习

五、查询编辑器

1. 加载前转换

2. 字段聚合

练习：结合个人工作数据练习

六、数据转化和设置列

1. 列转换

2. 格式化货币

3. 用地理数据制作地图

练习：数据转换和列设置练习

第五讲：数据可视化操作——Power BI实现有影响力的可视化呈现

一、可视化对象

1. 根据场景选择正确的可视化对象

2. 选择适当工具建立正确视觉

练习：视觉设置练习

二、可视化美化

1. 视图美化

2. 编辑属性

练习：美化练习

三、排序和更多格式

1. 数据排序

2. 切片器的使用

练习：结合个人工作数据的练习

四、数据下钻与筛选器

1. 层次结构的使用

2. 添加筛选器

3. 关闭交互按钮

4. 筛选器的高级应用

练习：数据下钻和筛选练习

五、基础数据和层次结构

1. 查看数据

2. 创建层次结构

练习：层次结构练习

第六讲：数据分析计算——Power BI数据分析表达式DAX

一、表计算和列计算

1. 创建密码

2. DAX函数嵌套

练习：计算基础练习

二、度量计算和快速度量

1. 平均功能

2. 产品数量

3. 利润率

练习：结合个人工作数据的练习

三、计算功能和度量

1. CALCULATE函数

2. 第一个快速度量

练习：度量计算练习

四、基于时间的计算

1. CALCULATE和日期

2. 上年利润

3. 季度环比变化

Power BI综合练习：

1）设定本次练习的目标

2）根据工作业务流程设定分析场景和分析框架

3）设定数据分析衡量的指标体系

4）利用Power BI进行数据分析

5）利用Power BI进行可视化呈现

魏凌睿老师的其他课程

• 魏凌睿：把握技术趋势，拥抱数字化转型 ——万物互联的智能大数据时代: 课程时间：2天，6小时/天课程对象：企业中高层管理者课程背景：随着国家“新基建”战略的提出，对于传统企业来说，数字化转型是一道刻不容缓的必答题。什么是数字化，怎样运用大数据、5G、物联网、云计算等新技术实现适合企业的数字化，这是企业管理层必须思考的问题。因此，准确把握技术发展趋势，透彻理解各种技术应用的场景和特点，这是数字化转型成功的关键。数字化转型趋势中，我们需要带着新技术的底层逻辑去思考和理解：数字化转型是如何发生的，企业如何进行数字化升级，如何设计数字化产品、如何进行生产运营数字化、如何进行数字化营销，以及如何进行数字化组织赋能，本课程即是围绕这些核心进行的技术应用层面的探讨，通过原理剖析和大量案例解读揭示企业进行数字化转型的各项抓手和策略。课程收益：● 掌握企业数字化转型的五大阶段的各个关键抓手；● 熟悉数字化转型的数据架构—云计算，掌握企业云计算设计架构；● 熟悉数字化转型的路径即核心要素，理解企业数字化转型战略即相关策略；● 掌握数字化转型的核心基础方法、大数据特征及关键分析思想；● 熟悉数字化转型的目标，掌握设定适合企业的数字化目标的方法；● 熟悉数字化转型的数据重要来源—物联网以及数据传输承载关键技术，掌握数字化转型过程中关键场景对于物联网和5G的应用需求分析方法。课程模型：课程时间：2天，6小时/天课程对象：企业中高层管理者课程方式：案例分析+思考练习+互动答疑+小组讨论课程大纲第一讲：企业数字化转型的由来与实质一、企业数字化转型原因1. 数字化改变商业模式数据变机会→机会变服务→服务变收入2. 数字化建立企业优势1）业务优化2）业务转型3. 数字化提升使用体验二、数字化智能商业模型1. 数字化转型成熟度模型2. 数字化转型成熟度评估3. 业务与数字技术“双轮驱动”三、数字化转型核心要素1. 智能化发展目标（以数据为中心）1）用数字化连接和即时反馈构建数据采集系统2）把握安全和效率相平衡的原则建立数字化系统3）基于数字化进行业务和管理决策2. 构建数字化平台1）建立在业务基础上的IT系统2）数字化平台构建的实施步骤：连接→实时→精准→拉取→扩展3）建设和数字化平台运作匹配的文化4）新旧平台的平滑过渡案例：华为的数字化转型第二讲：以大数据为理念的管理与运营（企业数字化转型核心基础）一、大数据现状1. 大数据时代的标志2. 六大趋势推动大数据发展3. Hype Cycle技术趋势对大数据的判断4. 新基建战略对大数据的定位5. 数字中国的内容案例：阿里双11二、大数据4V特征 1. 数量大2. 多样性3. 速度快4. 价值性案例：大数据4V特征在数字化全量全连接中的应用三、把握大数据的三个关键1. 更多——全样本透视本质2. 更杂——透过混杂性适配场景应用3. 更好——把握相关性，提供更好服务案例：三个关键对数字化实时反馈的影响四、大数据分析1. 大数据分析的困难2. 数据即服务DaaS讨论：数字化转型中我们应该关注工作中的哪些管理数据和业务数据，它们的价值和应用难点有哪些？五、大数据应用1. 被动式演变成预判式2. 大数据商业价值3. 大数据在行业的应用案例1：大数据在电网、城市治理、大数据商业、智慧城市建设等方面的应用案例2：阿里巴巴数据治理实践练习：猜猜他是谁？讨论：企业数据治理——如何管好用好数字化平台的数据？第三讲：以大数据为基础的数字化转型目标（智能化）一、智能问题本质是数据问题案例：领英人力资源智能化管理的本质二、数据挖掘：人工智能的关键讨论：信息化和智能化的区别三、人工智能的认知案例：Alpha Go带来的启示二、人工智能的发展第一阶段：模仿逻辑—鸟飞派第二阶段：数据驱动+超级计算第三阶段：深度学习+大数据案例1：智能制造解决方案案例2：员工体验的提升案例3：智能作业平台讨论：从价值链的角度提出适合本企业的数字智能化应用方案总结：智能运营中心（智能办公系统）：市场/销售（数字化营销）→产品/服务研发（研发协同平台）→制造（智能工厂）→售后服务（智慧运维）第三讲：以5G和IOT融合为重要数据来源和传输承载一、新技术选用标准（是否顺应趋势）标准一：更少能量标准二：更多信息二、不同视角看技术发展1. 通信视角：5G2. 计算机视角：IOT3. 两种视角的统一性三、第一、二、三代互联网和1G到5G的关系1. 互联网发展路线2. 移动通信发展路线3. 网络融合趋势带来的市场机会案例：我们生活和工作环境和模式的变化四、透视5G1. 5G市场规模2. 5G商业架构3. 5G“真”应用特点1）大带宽、速度快2）高可靠、低时延3）支持海量并发案例：伪5G应用4. 5G产业链分析企业定位5. 5G应用方向节能、行为追踪、移动大数据、实时服务、商业系统升级、高速网络、高可靠性网络五、IOT是5G核心应用1. 物联网起源——特洛伊咖啡壶2. 物联网认知四大误区3. 物联网场景应用1）智慧社区示例：智慧社区场景案例：物联网冰箱2）智慧地球示例：智慧地球场景图案例：智慧城市、智慧交通、智慧水资源、智慧医疗、智慧城管4. 物联网体系5. 物联网技术基础1）传感器2）条码技术3）RFID4）无线传感网络5）物联网大脑—云计算和大数据6. 物联网应用家居、交通、物流、安防、农业、工业、医疗、电网、环保讨论：巧妇难为无米之炊——企业基于5G和物联网的数据获取和传输设计第四讲：以云计算为抓手的数据存储和管理一、云计算发展三大阶段1. IaaS2. SaaS3. PaaS案例：阿里云的发展二、云计算和企业的关系1. IT化向数字化转变带来的挑战——存储和计算模式2. 云计算是企业数字化转型必备基础设施案例：华为数字化转型过程中云计算的应用三、企业云计算三种形态：公有云、私有云、传统IT系统思考：企业需要云数据中心吗？我们该选用什么形态的云平台？四、如何设计企业云计算体系架构1. 分析组织架构和业务流程评估上云条件2. 厘清上云业务和本地业务保证流程畅通3. 评估成本与效率把握上云进度4. 建立必要的安全屏障保障数据安全讨论：我们的业务如何上云？相关体系架构如何设计？五、数字化转型的基础设施建设（云计算和物联网的融合设计）1. 云计算是实现物联网的核心2. 物联网如何促进云计算发展案例1：智能电网案例2：数据中台和云计算的结合——贝壳找房案例3：云平台支撑下的物联网全场景智能生活

• 魏凌睿：追根溯源，精准分析 ——数据思维在工作管理中的应用: 课程时间：2天，6小时/天课程对象：各行业基层管理人员（行政、技术等方面管理人员）课程背景：随着国家“新基建”战略的提出，数字化转型已经提上各个行业的日程，如何顺应数字化转型潮流，熟练运用数据工具方法已经成为企业数字化落地过程中员工必备能力，但是，根据场景选用适当的工具、运用适当的方法处理数据支撑决策从而提升工作管理的效率和效能，这是企业员工亟待解决的问题。如何培养形成数据思维，运用相应的数据工具方法帮助员工在数字化转型中能够高效准确收集数据、根据需求拆解数据、多角度分析数据、基于数据进行科学决策和做出具备说服力的呈现，即是本课程要讨论的数据思维的培养。课程收益：● 熟悉数据的定义、分类及相关要素；● 理解数据思维并掌握数据思维培养方法；● 掌握数据从收集到拆解，再到分析和决策的闭环处理；● 掌握灵活运用数据分析结果进行高效呈现技巧。课程时间：2天，6小时/天课程对象：各行业基层管理人员（行政、技术等方面管理人员）课程方式：案例+互动+测试+思考+练习+讨论+工具课程模型：课程大纲第一讲：培养数据思维一、数据化工作管理的本质1. 数据的四大类型2. 让数据说话—挖掘数据产生的背景3. 热点数据方向—数据画像二、建立数据思维的框架1. 数据思维的起源2. 理解数据思维1）数据思维的三种境界：没数、有数、驭数2）三方面区分数据思维和大数据思维的关系幸存者偏差案例：应该在什么地方加装装甲（注意防止幸存者偏差）a预测性b数学逻辑性c kpi性3）数据思维培养的四种方向方向一：提升数字型感觉方向二：建立平均回归原则方向三：把握数据感觉方向四：建立数据模型4）数据思维培养五个步骤第一步：问（收集问题）第二步：拆（分解问题）第三步：解（分析问题）第四步：谋（制定方案）第五步：现（汇报呈现）案例：斯诺医生案例：汽车超速怎么调查互动1：婚恋平台如何为客户服务的？互动2：这样吃Pizza亏了吗？测试：您的数商值是多少？思考：某个城市一年的外卖数量？第二讲：“问”——高效且精准的数据收集方法一、测量是数据收集的核心1. 掌握测量方法2. 提高测量信度3. 保持测量效度（三个关键）—关联性、结构化、完备性案例：某数据分析报告的信度效度分析二、抽样方法是数据收集的关键1. 配额样本和概率样本2. 选择样本量大小3. 运用非概率样本三、运用数据收集工具-问卷1. 问卷设计的三大原则2. 图尺度评量表的设计使用（评量表视图）练习：这个针对用户的问卷该怎么设计？3. 结构化问卷的设计使用1）问卷视图2）结构化设计要点：分层设计、准确转化、选择关键3）结构化设计流程确定整体主题方向→分解主题→转化主题为问题练习：针对内部人员的结构化问卷该怎么设计？4. 随机对照实验的设计要点—费希尔方法案例：随机对照实验——如何验证哪一种化肥有效？讨论：电饭煲实验的漏洞在哪里？第三讲：“拆”——思维导图按需分解数据一、思维导图拆解数据1. 思维导图工具背后的重要思维案例1：水平思维案例2：垂直思维2. 思维导图运用的结构化二、思维导图变形之逻辑树，让细分数据为我所用1. 逻辑树的形成方式1）自顶向下2）自底向上2. 遵循MECE原则工具：逻辑树视图练习：如果利用逻辑树分析建模形成过桥方案？第四讲：“解”——数据分析，寻找根源一、数据分类思维1. 画像思维准确归类对象寻找规律2. 不同维度进行分类分析案例1：商业数据分类案例2：淘宝用户数据分类案例3：多维度拆解某app数据从而评估推广效果二、数据对比（和谁比、怎么比）案例：杂志的效量提升练习：如何解读周报三、数据假设分析的流程1. 麦肯锡圣经：大胆假设，小心求证2. 流程拆解分析：提出假设→收集证据→得出结论案例：谁是小偷？四、寻找因果关系1. 相关性2. 先后顺序3. 非第三原则4. 从关联到因果案例：辛普森悖论第五讲：“谋”——以分析数据为决策依据一、把握概率决策方法案例：奖金应该怎么分配？练习：分析携带病毒的概率是多大？二、帕累托图进行分析决策工具：帕累托图视图案例：停电统计分析决策结果练习：利用现有数据进行帕累托图的决策三、矩阵图进行分析决策工具：矩阵图视图案例：如何选拔合适人员练习：利用矩阵图进行买车决策分析四、大数据分析决策方法1. 聚类方法工具2. 决策树3. 回归方法第六讲：“现”——完美数据呈现提升说服力视频：少年派的数据可视化场景一、基于Excel的数据可视化的传统方法1. 饼图2. 柱状图3. 折线图4. 表格二、数据可视化进阶方法1. 点线数据可视化2. 组合数据可视化3. 玫瑰图数据可视化4. 关系数据可视化5. 基于地图的数据可视化三、数据的指向性操作方法介绍展示：可视化经典图数据指向性问题操作案例：1）盗用平均数2）忽略规模3）短期波动和长期效应4）忽略变化原因5）偷换概念6）定义不一致7）混淆对象8）基数变换

• 魏凌睿：企业数字化转型与数据分析: 课程时间：2天，6小时/天课程对象：企业运营管理部门、营销部门及有数据分析需求的员工课程背景：随着数字化转型成为企业的必答题，企业数字化进程的开展，面对产品、研发、财务、人力、销售、维护各个环节铺面而来的数据，我们应该如何高效分析处理？如何提升我们的工作效率？适应企业数字化转型的趋势，这是企业员工必须面对的状况。数字化进程以数据分析为抓手对企业业务进行梳理、优化、重构，掌握传统统计数据分析和大数据分析方法是企业员工必备技能。本课程即是在讲授企业数字化转型关键和平台构建基础上，探讨如何利用统计方法工具进行传统数据分析，并以营销的关键——精准客户识别方法为示例介绍大数据分析的重要方法，使得学员能够从理念到工具对企业数字化转型中面临的数据分析工作做到游刃有余、精准高效，从而实现企业降本增效的目的。课程收益：● 熟悉并掌握企业数字化转型的关键并搭建数字化平台的方法；● 掌握统计方法进行数据分析和业务决策；● 掌握大数据理念的管理和运营关键；● 掌握大数据进行精准分析的方法—聚类、决策树和逻辑回归；● 掌握大数据分析工具RapidMiner的使用方法，能根据场景选用相应算法进行大数据分析。课程时间：2天，6小时/天课程对象：企业运营管理部门、营销部门及有数据分析需求的员工课程方式：案例分析+实操演练+思考练习课程大纲第一讲：企业所面临的数字化转型一、企业数字化转型原因1. 数字化改变商业模式1）数据变机会2）机会变服务3）服务变收入2. 数字化建立企业优势3. 数字化提升使用体验二、数字化转型核心要素1. 以数据为中心的智能化发展目标2. 数字化平台的构建三、员工在企业数字转型中应该作出的应对1. IT思维和业务思维相融合2. 培养开放共享的心态3. 围绕以用户为中心4. 提升数据分析处理能力第二讲：利用统计方法实现数据分析一、标度的选择使用量化感觉、态度、喜好等的方法二、频数的选择使用（衡量对总体水平的作用程度）1. 饼图2. 条形图3. 直方图三、基于统计方法的分析1. 分析异常值与偏斜数据2. 均值VS中位数VS众数3. 全距/四分位数的使用4. 百分位数与箱线图的使用5. 方差VS标准差分析变异性VS分散性6. 利用概率进行分析案例1：用户购买公司产品概率的分析案例2：某某企业员工加薪方案的选择四、基于统计方法的决策1. 比较法进行决策2. 组合法进行决策3. 贝叶斯方法进行决策4. 快省树方法进行决策思考：优秀员工如何选用统计指标进行评价案例：假设检验与数据证伪保证决策结果的正确综合示例：运用统计指标分析销售数据寻找方法提升某产品的销量第三讲：利用大数据进行管理与运营一、大数据现状1. 大数据时代的标志2. 六大趋势推动大数据发展3. Hype Cycle技术趋势对大数据的判断4. 新基建战略对大数据的定位5. 数字中国的内容案例：阿里双11二、大数据4V特征 1. 数量大2. 多样性3. 速度快4. 价值性案例：大数据4V特征在数字化全量全连接中的应用三、把握大数据的三个关键1. 更多——全样本透视本质2. 更杂——透过混杂性适配场景应用3. 更好——把握相关性，提供更好服务案例：三个关键对数字化实时反馈的影响案例：大数据商业画像示例——千人千面练习：猜猜他是谁？四、大数据分析1. 大数据分析的困难2. 数据即服务DaaS讨论：数字化转型中我们应该关注工作中的哪些管理数据和业务数据，它们的价值和应用难点有哪些？五、大数据应用1. 被动式演变成预判式2. 大数据商业价值 3. 大数据在行业的应用案例：智慧城市建设案例：企业数据地图实践讨论：企业数据治理——如何管好用好数字化平台的数据？第四讲：利用大数据技术进行营销数据分析一、K均值聚类算法应用——客户价值分析1. 客户价值分析有利于减少营销成本1）理解价值型客户2）差异化服务应对不同价值客户2. 客户价值分析方法1）客户价值识别流程2）K均值聚类识别客户价值a确定中心b计算距离c确定新中心d迭代得到最终分类3）针对不同客户价值采用不同营销策略视频：根据对象不同采用不同策略的销售视频案例：根据客户的消费额和交互属性进行聚类分析二、决策树算法应用——风险客户分析1. 传统风险分析识别方法的劣势2. 大数据方式下分析识别方法的改进——决策树算法应用1）预先建立if-then的判断规则2）数据分析建立的规则——信息熵3）决策树算法操作思路4）建立决策树模型进行分析a划分属性值b计算划分组的概率c计算每个划分规则下的信息熵d选择最小信息熵的规则为第一规则e迭代到样本分类案例：警察是如何发现罪犯的？案例：如何分析是否适合作为另一半三、逻辑回归算法应用——敏感客户分析1. 厘清不同场景下的敏感客户特点2. 分析敏感客户的关注点3. 逻辑回归算法的应用1）二分类问题2）个人采用二分法预判的局限性3）预判二分类问题的优化4）二分类结果预判的本质5）大数据回归方法进行二分类预判a线性回归大数据方法b逻辑回归大数据方法案例：如何判断对方是否真心喜欢我案例：回归方法预判职业发展案例：营销场景中敏感客户分析降低投诉率第五讲：Rapid Miner数据分析1. 分析接口2. 导入数据3. 加载数据4. 进行数据可视化5. 进行建模6. 进行模型应用7. 测试模型8. 进行模型评估9. 使用扩展聚类算法练习：客户价值分析决策树算法练习：信用风险评分分析逻辑回归算法练习：敏感客户分析

魏凌睿：数据分析处理及Power BI应用实战

课程概要

适用对象

课程介绍

魏凌睿老师的其他课程

相关课程

添加企业微信