课程背景BACKGROUND

本系列课程面向各类人员，按照数据思维构建=>常用工具方法=>场景实战的逻辑主线进行内容组织。

课程安排ARRANGEMENT

课程时长

4天，6小时/天

适用对象

各类学员

授课方式

直播+练习/线下学习

课程收益BENEFITS

掌握数据思维构建的方法。

掌握数据分析进阶统计分析方法和常用工具的使用。

课程大纲OUTLINE

模块一：数据思维构建

一、多维度理解数据
二、寻找数据感觉
三、根据业务流程构建数据指标体系
1. 指标体系的定义
2. 建立指标体系的步骤
案例分析：金融行业的贷款指标体系的建立（贷前放款、贷后逾期、贷后催收）
四、根据目标构建数据指标体系
1. 指标模型构建
2. 目标到策略的转换
3. 策略到衡量指标的转换
案例分析：某产品效率下滑问题分析的数据指标体系建立
五、数据指标体系搭建的注意事项
1. 基本原则
2. 核心指标的锁定——北极星指标
3. 体系搭建的误区
案例分析：某产品效率下滑问题分析的数据指标体系建立

一、“问”——高效且精准的数据收集方法
1. 图尺度评量表
2. 结构化问卷
3. 随机对照实验
二、“拆”——思维导图按需分解问题/数据
1. 思维导图工具背后的思维运用
2. 思维导图运用的BOIS
3. 思维导图变形之逻辑树运用
4. 拆解的MECE原则
三、“解”——数据分析，寻找根源
1. 数据的分类——画像方法的核心和应用
2. 数据的对比
3. 数据的假设
4. 数据的因果
5. 两种方法——结构化的加权矩阵图/结构化+递推的决策树
模块二：数据分析与可视化
第一部分：数据分析必须掌握的统计方法
一、频数呈现的选择使用
1. 饼图
2. 条形图
3. 直方图
二、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
三、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
第二部分：数据分析工具

一、Excel基本数据分析技巧
1. 数据准备
1）数据规范化
2）重复记录处理
3）表格中公式的使用
2. 数据排序和分类汇总
1）排序基本操作
2）自定义排序
3）特殊排序
4）分类汇总
3. 数据筛选
1）筛选基本操作
2）切片器筛选
3）高级筛选
4. 数据分析函数的使用
1）常用数据分析函数
2）数据库函数的使用
5. 数据透视表
1）数据透视表创建
2）结构与布局
3）分组与计算
4）数据透视表打印
二、Excel数据统计分析技巧
1. EXCEL统计基础
1）统计函数简介
2）几个统计函数
3）数据图形化显示
4）Tool Pak使用介绍
2. 数据理解
1）数据类型
2）因变量和自变量
3. 概率方法
1）概率简单计算
2）计算规则和概率
3）贝叶斯概率
4. 数据集中趋势分析
1）方法和属性
2）中位数
3）模型
5. 数据可变性分析
1）方差
2）标准偏差
6. 数据分布
1）分布的概念和作用
2）图形化分布
3）频率多边形
4）分布的属性
5）概率分布
7. 数据正态分布
1）正态分布家族
2）标准正态分布
3）标准正态分布概率
4）正态分布图形化
三、Excel数据可视化技巧
1. 财务商业智能平台的设计
1）数据验证控件的使用
2）仪表盘创建基本操作
a创建和设置柱状图
b引用公式设置工作表
c绘制统计图表
d日期和数字的格式化
2. 财务仪表盘控件操作
1）数据验证与VLOOKUP函数生成动态图
2）烛台图创建
3）散点图创建
4）使用条件格式
5）使用公式整理仪表盘

一、Python基础——实现数据处理自动化
1. Python环境安装与配置
1）Python的安装和Path环境变量的配置
2）Pycharm的安装及theme设置
3）Anaconda的安装及jupyter notebook简单演示
4）Python财务分析第一个程序
2. Python常用语法
1）财务数据的存储
a基本数据存储——数值类型的使用
b基本数据存储——变量的使用
c基本数据存储——字符串的使用
d数据存储进阶——高级数据类型list/set/字典的使用
练习：利用python进行会计凭证编制及计算
2）财务数据分析处理逻辑的自动化
a条件控制——分析过程中的判断自动化
b For循环——重复计算分析的自动化方法1
c While循环——重复计算分析的自动化方法2
练习：利用python进行固定资产折旧计算
3. Python函数的使用——财务分析处理操作的重用
1）函数介绍
2）函数处理后的返回——Return的使用
3）函数基本参数——Parameters的使用
4）函数高级参数——ArbitraryParameters的使用
5）主函数
练习：利用python进行利率计算；利率计算函数的创建
4. Python操作EXCEL——openpyxl的使用
1）openpyxl的介绍
2）openpyxl的workbooks使用
3）单元格、行和列的操作
4）Workbooks格式操作
5）图表绘制
6）表格中的图片操作
练习：利用python进行新浪财经发布的某公司财务指标报表的操作
5. Python的类库
1）Python类和对象的介绍
2）类的创建和对象的创建
3）Python类库的使用举例
练习：利用python类库进行财务估算
4）Python财务分析处理最常用的10个工具框架/库介绍
——Pandas、Numpy、Matplotlib、Scipy、Pyfolio……
二、基于Python的Pandas数据分析
1. Python数据分析利器——Pandas基本数据分析
1）Pandas和Numpy的关系
2）Pandas基础
a Pandas介绍
b Pandas安装
c两个重要数据类型DataFrames和Series对报销数据表的初步处理
练习：经营数据表操作
3）数据输入和验证——快速观察数据结构和特征
a Pandas数据输入方法——提取报销数据表的数据
b Shape显示报销数据表的格式
c Head和tail方法验证报销数据表的结构
d Info方法分析查看报销数据表内容信息
4）Pandas实现基本数据分析
a Value_counts分析报销数据表数据频率及数据检查
b数据排序—sort_values方法操作报销数据表
c布尔值索引快速筛选数据方法操作报销数据表
d字符串处理——模糊查询方法操作报销数据表
练习：经营数据表的基本数据分析
2. Pandas进阶数据分析
1）Pandas数据索引——数据高级排序查询分析
a报销数据表的数据索引设置方式
b报销数据表的数据索引复位
c报销数据表按索引排序
d报销数据表的loc和iloc索引的使用
练习：利用数据索引对经营数据表的分析
2）Pandas数据分组——数据统计/批量计算总结
a报销数据表的分组对象设置
b报销数据表的分组对象遍历
c报销数据表的分组数据常用操作
练习：利用数据分组对经营数据表的操作和分析
3）Pandas数据重塑——数据表行列重新设置
a报销数据表重塑准备工作
b stack和unstack对报销数据表进行重塑操作
练习：利用数据重塑对经营数据表的操作和分析
4）多表操作
a apply函数批量处理报销数据表的金额
b concat方法进行多张报销数据表的合并及检查
c merge方法多张报销数据表的左右内外连接
练习：对多张经营数据表的操作和分析
3. 利用Pandas进行可视化
1）Pandas实现数据基本可视化——Matplotlib工具的使用
a Matplotlib介绍
b基于报销数据表的绘制线形图、柱状图及饼状图
c基于报销数据表的绘制图形颜色和尺寸设置
d基于报销数据表的多颜色自动匹配-colormaps使用
练习：经营数据表的基本可视化
2）Pandas数据可视化进阶——Seaborn工具的使用
a报销数据表的heatmap数据总结图绘制
b colormap定制报销数据表带颜色的柱状图
练习：经营数据表的数据总结图和带颜色图的绘制
4. 利用Pandas进行数据分析实战大练习
1）原材料价格数据分析及预测——利用线性回归方法的综合操作
2）经营风险预测——利用高斯朴素贝叶斯模型的综合操作
三、基于Python爬虫对相关信息获取与处理
1. 预备知识1——数据库Mysql使用
1）Mysql的安装和配置
2）数据库图形化管理工具dbeaver安装配置
3）在dbeaver中管理Mysql的基本操作
——查询、增加、删除、更改
4）Pandas利用sqlachemy链接数据库进行数据处理
2. 预备知识2——HTTP协议分析及python相关库
1）HTTP以及HTTPS协议基础详解
2）HTTP的request请求详解
3）HTTP请求python库
4）HTTP的response响应以及python相关库
3. 预备知识3——网络协议拦截监控及分析工具
1）Wireshark安装与使用
2）Fiddler安装与使用
4. 预备知识4——网页文本解析
1）网页内容信息查找语言——xpath基本知识
2）基于python的xpath实现
3）从网页提取数据的工具库beautiful soup操作
5. 某财经微博数据获取
1）注册及HttpRequester的数据获取操作
2）利用python的Request类获取微博数据
3）利用数据库存储获取的数据
4）分析获取的数据并根据需要对数据进行存储调整
5）本项目使用工具及要点小结
6. 利用Scrapy框架获取某财经网站数据
1）本实战项目介绍
2）Scrapy介绍及第一个爬虫实现
3）相关工具——web调试工具使用要点
4）Scrapy shell分析网站结构
5）Python实现scrapy爬取网站主页
6）Scrapy爬取分类信息
7）其他相关工作

一、PowerBI基础
1. Power BI介绍
1）Power BI的功能和特性
2）Power BI各种版本
2. 开始使用Power BI Desktop
1）获取Power BI Desktop
2）安装Power BI Desktop
3）运行Power BI Desktop
4）Power BI功能区介绍
二、获取数据
1. Power BI数据源介绍
2. 获取已知数据源
3. 使用本地EXCEL或csv文件
4. 网络数据获取
案例演示：工资中位数数据获取/某财经网站数据获取/各部门预算决算数据/各子公司资产负债表数据获取等
三、数据清洗和数据建模
1. 删除行/列
2. 合并/拆分列
3. 添加列
4. 标题处理
5. 数据类型更改
6. 填充/替换
7. 透视/逆透视
8. 合并/追加查询
9. 分组聚合
10. DAX公式
1）公式语法
2）DAX函数种类
11. 度量值使用
1）度量值介绍
2）使用度量值进行建模
案例演示：操作各部门预算决算数据/各子公司资产负债表数据
四、创建视觉对象和可视化报表
1. 可视化功能区和控件介绍
2. 创建和排列视觉对象
3. 使用基于文本的视觉对象
4. 创建和格式化图表对象
5. 使用切片器过滤可视化结果
6. 使用自定义视觉对象/地图视觉对象
案例演示：使用第3部分数据处理结果进行可视化操作
五、修改可视化报表和输出
1. 报告页管理
2. 对某页或报告加过滤器/切片器
3. 设置可视化交互
4. 打印或导出至Powerpoint或PDF
案例演示：使用第4部分数据处理结果进行可视化报表修改和输出
六、高级操作——仪表盘创建和管理
1. 创建仪表盘
2. Pin磁贴操作
3. Tile操作等
4. 动态预警
案例演示：使用第4部分数据处理结果进行仪表盘创建
七、发布与共享
1. 发布到Power BI服务
2. 更新后的重新发布
3. 共享和取消共享
4. 刷新和删除数据集和报表
5. Power BI Desktop 直接发布到Power BI服务
案例演示：使用第5/6部分数据处理结果进行发布与共享

商业数据分析实战训练营

课程背景BACKGROUND

课程安排ARRANGEMENT

课程收益BENEFITS

课程大纲OUTLINE

预约魏凌睿老师讲授《商业数据分析实战训练营》

魏凌睿老师其他主讲课程