本课程为工具类培训，面向所有想学数据分析工具的人员。

本课程的主要目的是，帮助学员掌握Power BI数据分析工具，学会数据预处理，简化工作量，提升效率，避免重复工作；学会数据可视化，直观呈现各种业务信息和含义；学会计算复杂的数据度量值，以衡量业务状况。

通过本课程的学习，达到如下目的：

1、  了解数据分析标准流程，了解微软的PowerBI工具

2、  熟悉Power Query数据预处理操作，能够处理各种数据源

3、  掌握Power View可视化操作技能，学会使用合适的图形来呈现结果

4、  掌握Power Pivot实现原理，学会编写DAX表达式

第一部分：  数据分析过程—流程步骤篇

1、 数据分析的六步曲

2、 步骤1：明确目的，确定分析思路

‐  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

3、 步骤2：收集数据，寻找分析素材

‐  明确数据范围

‐  确定收集来源

‐  确定收集方法

4、 步骤3：整理数据，确保数据质量

‐  数据质量评估

‐  数据清洗、数据处理和变量处理

‐  探索性分析

5、 步骤4：分析数据，寻找业务答案

‐  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

6、 步骤5：呈现数，解读业务规律

‐  选择恰当的图表

‐  选择合适的可视化工具

‐  提炼业务含义

7、 步骤6：撰写报告，形成业务策略

‐  选择报告种类

‐  完整的报告结构

第二部分：  数据分析思路—分析框架篇

问题：如何才能全面/系统地分析而不遗漏？如何分解和细化业务问题？

1、 业务分析思路和分析框架来源于业务模型

2、 常用的业务模型

‐  外部环境分析：PEST

‐  业务专题分析：5W2H

‐  竞品/竞争分析：SWOT、波特五力

‐  营销市场专题分析：4P/4C等

3、 用户行为分析（5W2H分析思路和框架）

‐  WHY：原因（用户需求、产品亮点、竞品优劣势）

‐  WHAT：产品（产品喜好、产品贡献、产品功能、产品结构）

‐  WHO：客户（基本特征、消费能力、产品偏好）

‐  WHEN：时间（淡旺季、活跃时间、重购周期）

‐  WHERE：区域/渠道（区域喜好、渠道偏好）

‐  HOW：支付/促销（支付方式、促销方式有效性评估等）

‐  HOW MUCH：价格（费用、成本、利润、收入结构、价格偏好等）

案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H）

第三部分：  数据分析方法—统计方法篇

问题：数据分析方法的种类？分析方法的不同应用场景？

1、 业务分析的三个阶段

‐  现状分析：通过企业运营指标来发现规律及短板

‐  原因分析：查找数据相关性，探寻目标影响因素

‐  预测分析：合理配置资源，预判业务未来的趋势

2、 常用的数据分析方法种类

3、 统计分析基础

‐  统计分析两大关键要素（类别、指标）

‐  统计分析的操作模式（类别à指标）

‐  统计分析三个操作步骤（统计、画图、解读）

4、 基本分析方法及其适用场景

‐  对比分析（查看数据差距，发现事物变化）

演练：分析产品受欢迎情况及贡献大小

演练：用户消费水平差异分析

‐  分布分析（查看数据分布，探索业务层次）

演练：用户消费层次分析

演练：客户年龄分布/收入分布分析

‐  结构分析（查看指标构成，评估结构合理性）

案例：业务收入结构分析

案例：成本结构分析

演练：财务领域的结构瀑布图、财务收支的变化瀑布图

‐  趋势分析（发现事物随时间的变化规律）

案例：产品销售的淡旺季分析

演练：发现客流量的时间规律

‐  交叉分析（从多个维度的数据指标分析）

演练：不同客户的产品偏好分析

演练：银行用户的违约影响因素分析

第四部分： 数据分析工具—Power Query数据预处理

问题：如何提高数据预处理效率？如何避免重复工作避免加班？

1、 Power BI微软专业数据工具简介

2、 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

3、 PQ数据预处理功能

‐  数据集成：数据集合并

‐  数据清洗：异常数据处理

‐  样本处理：行筛选、提升标题等

‐  变量处理：列筛选、填充/合并/派生等

‐  其它：表/查询管理及其它

4、 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

5、 数据组合/集成

‐  样本追加：横向合并

‐  变量合并：纵向合并/连接类型

‐  文件夹合并

演练：数据集成（追加、合并、文件夹）

6、 数据整理/预处理

‐  数据表的管理

‐  数据行的操作

‐  数据列的操作

‐  数据类型和格式

演练：数据预处理操作

7、 数据共享

8、 PQ的本质—强大M语言

9、 数据处理实战-M语言实战

数据集样本追加（多文件、单文件多工作表、多文件多工作表）

字段合并操作（外连接、反连接、内连接）

文本字段拆分列/拆分行（按分隔符、字符数、非数字到数字等）

展开列表为行/分组依据

去重/排序/跳过行/第一行作标题

新增列/新增索引/新增条件列

文本提取/文本移除/文本转数字

表维度转换（透视表-变量值变字段列、逆透视-变量列转换为值）

参数定义/自定义函数

第五部分：  数据分析工具—Power View交互式图表

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、 Power view简介

2、 图表类型与作用

3、 常用图形及适用场景

4、 图形美化原则

5、 常用图表格式化

‐  柱状图、条形图（差距对比分析）

‐  折线图（趋势变化）

‐  直方图（业务层次分析）

‐  饼图、瀑布图（指标构成分析）

‐  双坐标图（不同量纲呈现）

‐  散点图/气泡图（矩阵分析法）

‐  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（快速交叉分析的法宝）

7、 分层钻取（精简不同粒度的分析图）

演练：不同时间粒度/地理位置粒度等分层统计

8、 三种筛选器（不同级别的筛选）

‐  报告级筛选器

‐  页面级筛选器

‐  视觉级筛选器

9、 可视化化地图

第六部分：  数据分析工具—Power Pivot数据建模

1、 超级透视表Power Pivot简介

2、 PP主要功能：数据类型、关系管理、新建列与表、度量值

3、 关系模型

‐  关系建立：自动与手动

‐  建立多表关联，实现跨表透视

演练：数据预处理操作

4、 计算列

‐  简单列

‐  关联列

‐  索引列

5、 新建表

‐  新建表格

‐  新建日期表

6、 度量值

‐  度量值定义公式

‐  度量值保存与计算

演练：度量值使用

‐  计算列与度量值的区别

7、 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

8、 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

9、 DAX语言实战

演练：度量值定义

结束：课程总结与问题答疑。