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。

课程整体设计框架如下：

系列课程分为三个模块，考虑理论讲解的时间弹性，时间合计约为：1700-2060分钟；每个模块定位如下：

模块一：数据思维构建（0.5-1天）

针对数据思维的框架建立和培养数据思维的三大步骤，实战讲解构建数据思维的方法；

：掌握数据思维构建的方法。

模块二：数据分析与可视化（4天）

对数据分析相关统计方法（65min）和三大工具Excel（323min）、Python（752min）和Power  BI（200min）进行实战讲解。

：掌握数据分析进阶统计分析方法和常用工具的使用。

模块三：关键业务场景数据分析实战（0.5-1天）

对战略、投资、财务、研发、营销、电商运营六大关键场景进行数据分析实战讲解；

：熟悉对应场景数据分析使用的模型，并能运用相关数据分析方法进行实操。

模块一  数据思维构建

模块导入和模块开始前的说明

1111建立数据思维的框架

1

1

• 多维度理解数据

• 寻找数据感觉

• 根据业务流程构建数据指标体系

• 指标体系的定义

• 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）

• 根据目标构建数据指标体系

• 指标模型构建

• 目标到策略的转换

• 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

• 数据指标体系搭建的注意事项

• 基本原则

• 核心指标的锁定——北极星指标

• 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

2222培养数据思维的三大步骤

2

2

• “问”——高效且精准的数据收集方法

• 图尺度评量表

• 结构化问卷

• 随机对照实验

• “拆”——思维导图按需分解问题/数据

• 思维导图工具背后的思维运用

• 思维导图运用的BOIS

• 思维导图变形之逻辑树运用

• 拆解的MECE原则

• “解”——数据分析，寻找根源

• 数据的分类——画像方法的核心和应用

• 数据的对比

• 数据的假设

• 数据的因果

• 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

1111频数呈现的选择使用

1

1

• 饼图

• 条形图

• 直方图

2222基于统计方法的分析

2

2

• 分析异常值与偏斜数据

• 均值VS中位数VS众数

• 全距/四分位数的使用

• 百分位数与箱线图的使用

• 方差VS标准差分析变异性VS分散性

• 利用概率进行分析

3333基于统计方法的决策

3

3

• 比较法进行决策

• 组合法进行决策

• 贝叶斯方法进行决策

• 快省树方法进行决策

PartⅠ  Excel

1111Excel基本数据分析技巧

1

1

• 数据准备

• 数据规范化

• 重复记录处理

• 表格中公式的使用

• 数据排序和分类汇总

• 排序基本操作

• 自定义排序

• 特殊排序

• 分类汇总

• 数据筛选

• 筛选基本操作

• 切片器筛选

• 高级筛选

• 数据分析函数的使用

• 常用数据分析函数

• 数据库函数的使用

• 数据透视表

• 数据透视表创建

• 结构与布局

• 分组与计算

• 数据透视表打印

2222Excel数据统计分析技巧

2

2

• EXCEL统计基础

• 统计函数简介

• 几个统计函数

• 数据图形化显示

• ToolPak使用介绍

• 数据理解

• 数据类型

• 因变量和自变量

• 概率方法

• 概率简单计算

• 计算规则和概率

• 贝叶斯概率

• 数据集中趋势分析

• 方法和属性

• 中位数

• 模型

• 数据可变性分析

• 方差

• 标准偏差

• 数据分布

• 分布的概念和作用

• 图形化分布

• 频率多边形

• 分布的属性

• 概率分布

• 数据正态分布

• 正态分布家族

• 标准正态分布

• 标准正态分布概率

• 正态分布图形化

3333Excel数据可视化技巧

3

3

• 财务商业智能平台的设计

• 数据验证控件的使用

• 仪表盘创建基本操作

——创建和设置柱状图

——引用公式设置工作表

——绘制统计图表

——日期和数字的格式化

• 财务仪表盘控件操作

• 数据验证与VLOOKUP函数生成动态图

• 烛台图创建

• 散点图创建

• 使用条件格式

• 使用公式整理仪表盘

PartⅡ  Python

一：Python基础——实现数据处理自动化

1111Python环境安装与配置

1

1

• Python的安装和Path环境变量的配置

• Pycharm的安装及theme设置

• Anaconda的安装及jupyter notebook简单演示

• Python财务分析第 一个程序

2222Python常用语法

2

2

• 财务数据的存储

• 基本数据存储——数值类型的使用

• 基本数据存储——变量的使用

• 基本数据存储——字符串的使用

• 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

• 财务数据分析处理逻辑的自动化

• 条件控制——分析过程中的判断自动化

• For循环——重复计算分析的自动化方法1

• 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

Python函数的使用——3333财务分析处理操作的重用

3

3

• 函数介绍

• 函数处理后的返回——Return的使用

• 函数基本参数——Parameters的使用

• 函数高级参数——ArbitraryParameters的使用

• 主函数

练习：利用python进行利率计算；利率计算函数的创建

4444Python操作EXCEL——openpyxl的使用

4

4

• openpyxl的介绍

• openpyxl的workbooks使用

• 单元格、行和列的操作

• Workbooks格式操作

• 图表绘制

• 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

5555Python的类库

5

5

• Python类和对象的介绍

• 类的创建和对象的创建

• Python类库的使用举例

练习：利用python类库进行财务估算

• 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

1111Python数据分析利器——Pandas基本数据分析

1

1

• Pandas和Numpy的关系

• Pandas基础

• Pandas介绍

• Pandas安装

• 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

• 练习答案评讲

• 数据输入和验证——快速观察数据结构和特征

• Pandas数据输入方法——提取报销数据表的数据

• Shape显示报销数据表的格式

• Head和tail方法验证报销数据表的结构

• Info方法分析查看报销数据表内容信息

• Pandas实现基本数据分析

• Value_counts分析报销数据表数据频率及数据检查

• 数据排序—sort_values方法操作报销数据表

• 布尔值索引快速筛选数据方法操作报销数据表

• 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

• 练习答案评讲

2222Pandas进阶数据分析

2

2

• Pandas数据索引——数据高级排序查询分析

• 报销数据表的数据索引设置方式

• 报销数据表的数据索引复位

• 报销数据表按索引排序

• 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

• 练习答案评讲

• Pandas数据分组——数据统计/批量计算总结

• 报销数据表的分组对象设置

• 报销数据表的分组对象遍历

• 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

• 练习答案评讲

• Pandas数据重塑——数据表行列重新设置

• 报销数据表重塑准备工作

• 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

• 练习答案评讲

• 多表操作

• apply函数批量处理报销数据表的金额

• concat方法进行多张报销数据表的合并及检查

• 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

• 练习答案评讲

3333利用Pandas进行可视化

3

3

• Pandas实现数据基本可视化——Matplotlib工具的使用

• Matplotlib介绍

• 基于报销数据表的绘制线形图、柱状图及饼状图

• 基于报销数据表的绘制图形颜色和尺寸设置

• 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

• 练习答案评讲

• Pandas数据可视化进阶——Seaborn工具的使用

• 报销数据表的heatmap数据总结图绘制

• 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

• 练习答案评讲

4444利用Pandas进行数据分析实战大练习

4

4

• 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

• 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

1111预备知识1——数据库Mysql使用

1

1

• Mysql的安装和配置

• 数据库图形化管理工具dbeaver安装配置

• 在dbeaver中管理Mysql的基本操作

• 查询

• 增加

• 删除

• 更改

• Pandas利用sqlachemy链接数据库进行数据处理

2222预备知识2——HTTP协议分析及python相关库

2

2

• HTTP以及HTTPS协议基础详解

• HTTP的request请求详解

• HTTP请求python库

• HTTP的response响应以及python相关库

3333预备知识3——网络协议拦截监控及分析工具

3

3

• Wireshark安装与使用

• Fiddler安装与使用

4444预备知识4——网页文本解析

4

4

• 网页内容信息查找语言——xpath基本知识

• 基于python的xpath实现

• 从网页提取数据的工具库beautiful soup操作

5555某财经微博数据获取

5

5

• 注册及HttpRequester的数据获取操作

• 利用python的Request类获取微博数据

• 利用数据库存储获取的数据

• 分析获取的数据并根据需要对数据进行存储调整

• 本项目使用工具及要点小结

利用6666Scrapy框架获取某财经网站数据

6

6

• 本实战项目介绍

• Scrapy介绍及第 一个爬虫实现

• 相关工具——web调试工具使用要点

• Scrapy shell分析网站结构

• Python实现scrapy爬取网站主页

• Scrapy爬取分类信息

• 其他相关工作

PartⅢ  Power BI

1111PowerBI基础

1

1

• Power BI介绍

• Power BI的功能和特性

• Power BI各种版本

• 开始使用Power BI Desktop

• 获取Power BI Desktop

• 安装Power BI Desktop

• 运行Power BI Desktop

• Power BI功能区介绍

获取2222数据

2

2

• Power BI数据源介绍

• 获取已知数据源

• 使用本地EXCEL或csv文件

• 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

3333数据清洗和数据建模

3

3

• 删除行/列

• 合并/拆分列

• 添加列

• 标题处理

• 数据类型更改

• 填充/替换

• 透视/逆透视

• 合并/追加查询

• 分组聚合

• DAX公式

• 公式语法

• DAX函数种类

• 度量值使用

• 度量值介绍

• 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

创建视觉对象和4444可视化报表

4

4

• 可视化功能区和控件介绍

• 创建和排列视觉对象

• 使用基于文本的视觉对象

• 创建和格式化图表对象

• 使用切片器过滤可视化结果

• 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

修改5555可视化报表和输出

5

5

• 报告页管理

• 对某页或报告加过滤器/切片器

• 设置可视化交互

• 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

高级操作——仪表盘创建和管理6666

6

6

• 创建仪表盘

• Pin磁贴操作

• Tile操作等

• 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

发布与共享7777

7

7

• 发布到Power BI服务

• 更新后的重新发布

• 共享和取消共享

• 刷新和删除数据集和报表

• 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

模块三  关键业务场景数据分析与实战

1111导入

1

1

• 通用思考模型——5W2H\金字塔\逻辑树\鱼骨图

• 通用技术模型介绍——聚类\分类\回归\时间序列

2222业务发展战略分析

2

2

• 分析思路

• 相关战略分析方法的运用

• 外部环境分析利器

• 层次分析法步骤

• 麦肯锡战略分析利器

• 权重确定方法

• 变异系数法

3333投资分析

3

3

• 预测分析法

• 预测原则

• 定性预测方法

• 定量预测方法

• 收益分析法

• 理解现金流量表

• 静态经济评价

• 动态经济评价

• 风险分析法

• 盈亏平衡分析

• 敏感性分析

• 概率分析

4444财务相关分析

4

4

• 回归分析

• 现金异常损失和员工关系度分析

• 现金异常趋势预测

• 基于财务等多项指标的销售预测

• 经济订货量分析

• 成本和成本性态

• 基于极值函数的经济订货量模型

• 考虑安全存货的经济订货量模型

• 动态本量利分析

• 模型一：价格改变对销量的影响

• 模型二：价格和可变成本改变对销量的影响

• 模型三：价格和固定成本改变对销量的影响

5555新产品研发分析

5

5

• 模型的四类属性

• 必备需求

• 一维需求

• 魅力需求

• 可有可无需求

• 模型设计

• 模型应用

6666营销分析

6

6

• 分析思路

• 用户行为分析

• 4P营销组合法

• 营销效果评估

• 聚类分析

• 聚类分析思路

• 层次聚类

• 迭代聚类

• 价格敏感度测试

• 品牌知觉图分析

• 品牌知觉图

• 问题设置

• 数据分析

• 操作步骤

• 定标比超分析

• 确定标杆

• 建立评价指标体系

• 比较、提出措施

• 漏斗分析

• AIDA模型

• 广告投放地点

• 广告投放内容

• 广告投放时段

电商7777运营分析——用户流转地图运用

7

7

• 流转地图5要素

• 横轴

• 流转节点

• 流转线段

• 流转数量

• 流转率

• 三类流转地图——全域、平台、局部

• 流转地图应用方式

• 评价效能

• 发现瓶颈

• 开辟新路

• 绘制流转地图

• 选择业务目标，确定关键结果

• 结合关键结果，反推高价值行为

• 量化页面数据，排布流转节点

• 套用数据模型，补齐流转数据