《数据分析培训》PPT课件
合集下载
数据分析师培训PPT课件完整版)pptx
数据分析师需要对收集到的数据进行清洗和整理，去除无效和错误数据，确保数据的准确性和可靠性。
数据清洗和整理
数据分析
数据分析师需要将分析结果以图表、报告等形式呈现出来，帮助组织更好地理解和利用数据。
数据可视化
数据分析师可以在各个行业领域中找到工作机会，如金融、电商、医疗、教育等。
随着数据驱动决策的普及，数据分析师的地位和作用越来越重要，未来的职业发展前景更加广阔。
分类与聚类
掌握常见的分类算法（如决策树、朴素贝叶斯、支持向量机）和聚类算法（如K-means、层次聚类），并能够根据业务需求选择合适的算法。
数据分析师的职业素养与道德规范
THANKS
感谢您的观看
汇报人：可编辑
2023-12-24
数据分析师培训ppt课件完整版)pptx
目录
数据分析师概述数据分析基础知识数据分析工具与技术数据分析实战案例数据分析师技能提升数据分析师的职业素养与道德规范
数据分析师负责收集各种数据，包括市场调查、销售数据、用户行为数据等，为组织提供全面的数据资源。
数据收集
在此添加您的文本17字
在此添加您的文本16字
在此添加您的文本16字
在此添加您的文本16字
在此添加您的文本16字
在此添加您的文本16字
详细描述
数据采集与清洗：收集历史股票数据和市场信息，清洗和整理数据，去除异常值和缺失值。
特征提取与选择：从数据中提取与股票价格相关的特征，如开盘价、收盘价、成交量等，选择对预测有用的特征。
理解参数估计、假设检验、回归分析等统计方法，以及如何根据数据做出合理的预测和推断。
推断性统计
理解概率、随机变量、期望、方差等基本概念，以及常见概率分布（如二项分布、正态分布）的应用。
数据清洗和整理
数据分析
数据分析师需要将分析结果以图表、报告等形式呈现出来，帮助组织更好地理解和利用数据。
数据可视化
数据分析师可以在各个行业领域中找到工作机会，如金融、电商、医疗、教育等。
随着数据驱动决策的普及，数据分析师的地位和作用越来越重要，未来的职业发展前景更加广阔。
分类与聚类
掌握常见的分类算法（如决策树、朴素贝叶斯、支持向量机）和聚类算法（如K-means、层次聚类），并能够根据业务需求选择合适的算法。
数据分析师的职业素养与道德规范
THANKS
感谢您的观看
汇报人：可编辑
2023-12-24
数据分析师培训ppt课件完整版)pptx
目录
数据分析师概述数据分析基础知识数据分析工具与技术数据分析实战案例数据分析师技能提升数据分析师的职业素养与道德规范
数据分析师负责收集各种数据，包括市场调查、销售数据、用户行为数据等，为组织提供全面的数据资源。
数据收集
在此添加您的文本17字
在此添加您的文本16字
在此添加您的文本16字
在此添加您的文本16字
在此添加您的文本16字
在此添加您的文本16字
详细描述
数据采集与清洗：收集历史股票数据和市场信息，清洗和整理数据，去除异常值和缺失值。
特征提取与选择：从数据中提取与股票价格相关的特征，如开盘价、收盘价、成交量等，选择对预测有用的特征。
理解参数估计、假设检验、回归分析等统计方法，以及如何根据数据做出合理的预测和推断。
推断性统计
理解概率、随机变量、期望、方差等基本概念，以及常见概率分布（如二项分布、正态分布）的应用。
数据分析师培训PPT课件(完整版)
重要性
谨慎性
编制过程一定要谨慎，基础 数据必须真实完整，分析过 程必须科学合理全面，分析 结果可靠，内容要实事求 是。
数据分析三大作用
展示分析结果：
具体内容，具体分析，填写所想
展示分 析结果
验证分析质量：
具体内容，具体分析，填写所想
数据分析 报告三大 作用
验证分 析质量
提供决策依据：
具体内容，具体分析，填写所想
How How much
SO
WO
SO战略
依靠内部优势 利用外部机会
外部威胁 （T）
T
S部机会 克服内部劣势
ST
WT
ST战略
依靠内部优势 回避外部威胁
T
O
外部机会 （ O）
W
W
内部劣势 （ W）
WT战略
减少内部劣势 回避外部威胁
2
数据透视表（上机操作）
Pivot table (machine operation)
数据体现实际的状态，也可以预测未来的走向
数据分析报告定义
数据分析报告是根据数据分析原理和方法，运用数据来反 应、研究和分析某项事物现状、问题、原因、本质和规律，并 得出结论，提出解决问题办法的一种分析应用问题。 这种问题是决策者认识事物、了解事物、掌握信息、搜集 相关信息的主要工具之一，数据分析报告通过对事物数据全方 位的科学分析来评估其环境及反正情况，为决策者提供科学、 严谨的依据，降低风险。
可以添加补充
通过适当方法对数据 进行分析。
4
12 10 8 6 4 2 0 0 0.5 1 1.5 2 2.5 3 3.5
35 30 25 20 15 10 5 0
60% 30% 50%
数据分析(培训完整)ppt课件
对数据进行初步分析，了解数据 的分布、特征和关系。
结果解释和应用
将分析结果转化为业务洞察和行 动计划，并应用到实际业务中。
模型评估和优化
对模型进行评估和优化，以提高 预测准确性和业务洞察力。
建立模型
根据分析目标，选择合适的数据 分析方法和模型。
02
CATALOGUE
数据收集与整理
数据来源
01
02
格式统一
将不同格式的数据统一 为标准格式，便于后续
分析。
数据转换
对数据进行必要的转换 ，以满足分析需求。
数据存储与备份
选择合适的存储介质
根据数据量、访问频率和安全 性要据进行备份，以防数 据丢失。
数据归档
将不常用的数据归档到低成本 存储设备上。
数据迁移
随着数据量的增长，适时迁移 数据到更高级的存储设备。
03
04
内部数据
公司数据库、CRM系统、日 志文件等。
外部数据
市场调查、公共数据、第三方 数据提供商等。
社交媒体数据
社交媒体平台上的用户生成内 容。
IoT数据
物联网设备产生的数据。
数据清洗与整理
缺失值处理
删除缺失值过多、无法 获取有效信息的记录。
异常值处理
识别并处理异常值，如 离群点、错误数据等。
简洁明了
避免图表过于复杂，突出核心信息 ，减少不必要的元素。
选择合适的图表类型
根据数据特点选择合适的图表类型 ，如柱状图、折线图、饼图、散点图 等。
色彩和字体选择
使用易于阅读的颜色和字体，确保 图表清晰易读。
数据可视化案例分享
销售趋势分析
使用折线图展示不同时间段内的销售数据， 分析销售趋势。
结果解释和应用
将分析结果转化为业务洞察和行 动计划，并应用到实际业务中。
模型评估和优化
对模型进行评估和优化，以提高 预测准确性和业务洞察力。
建立模型
根据分析目标，选择合适的数据 分析方法和模型。
02
CATALOGUE
数据收集与整理
数据来源
01
02
格式统一
将不同格式的数据统一 为标准格式，便于后续
分析。
数据转换
对数据进行必要的转换 ，以满足分析需求。
数据存储与备份
选择合适的存储介质
根据数据量、访问频率和安全 性要据进行备份，以防数 据丢失。
数据归档
将不常用的数据归档到低成本 存储设备上。
数据迁移
随着数据量的增长，适时迁移 数据到更高级的存储设备。
03
04
内部数据
公司数据库、CRM系统、日 志文件等。
外部数据
市场调查、公共数据、第三方 数据提供商等。
社交媒体数据
社交媒体平台上的用户生成内 容。
IoT数据
物联网设备产生的数据。
数据清洗与整理
缺失值处理
删除缺失值过多、无法 获取有效信息的记录。
异常值处理
识别并处理异常值，如 离群点、错误数据等。
简洁明了
避免图表过于复杂，突出核心信息 ，减少不必要的元素。
选择合适的图表类型
根据数据特点选择合适的图表类型 ，如柱状图、折线图、饼图、散点图 等。
色彩和字体选择
使用易于阅读的颜色和字体，确保 图表清晰易读。
数据可视化案例分享
销售趋势分析
使用折线图展示不同时间段内的销售数据， 分析销售趋势。
数据分析师培训PPT课件完整版
商业智能定义
角色
在企业和组织中，数据分析师扮 演着数据解读者、业务顾问和决 策支持者的角色。
数据分析师的核心能力
数据处理和分析能力
沟通和表达能力
掌握数据处理和分析技术，包括数据 挖掘、数据清洗、数据可视化等。
能够将复杂的数据分析结果以简洁明 了的方式呈现给非技术人员，具备良 好的沟通和表达能力。
业务理解和洞察能力
从大量数据中提取出有用信息和 知识的过程。
数据挖掘流程
包括数据准备、数据挖掘、结果 评估和应用四个阶段。
数据挖掘技术
分类、聚类、关联规则挖掘、时 间序列分析等。
关联规则挖掘与聚类分析
关联规则挖掘
发现数据项之间的有趣关联和相关性，如购物篮 分析等。
聚类分析
将数据对象分组，使得同一组内的对象相似度较 高，不同组间的对象相似度较低。
颜色搭配等。
可视化工具
介绍常用的数据可视化工具和技术 ，如Excel、Tableau、Power BI 等。
报告制作
阐述数据分析报告的结构和内容， 包括标题、摘要、目录、正文、结 论和建议等部分，同时提供报告制 作的技巧和规范。
数据分析方法与技
03
术
描述性统计分析
数据可视化
利用图表、图像等方式 直观展示数据分布和特
根据样本数据构造总体参数的 置信区间，评估参数估计的可
靠性。
方差分析
研究不同因素对总体变异的影 响程度，确定各因素对结果的
影响显著性。
回归分析
探究自变量与因变量之间的线 性或非线性关系，建立预测模
型。
机器学习算法与应用
监督学习
通过已知输入和输出数据进行 训练，建立预测模型，如线性 回归、逻辑回归、支持向量机
角色
在企业和组织中，数据分析师扮 演着数据解读者、业务顾问和决 策支持者的角色。
数据分析师的核心能力
数据处理和分析能力
沟通和表达能力
掌握数据处理和分析技术，包括数据 挖掘、数据清洗、数据可视化等。
能够将复杂的数据分析结果以简洁明 了的方式呈现给非技术人员，具备良 好的沟通和表达能力。
业务理解和洞察能力
从大量数据中提取出有用信息和 知识的过程。
数据挖掘流程
包括数据准备、数据挖掘、结果 评估和应用四个阶段。
数据挖掘技术
分类、聚类、关联规则挖掘、时 间序列分析等。
关联规则挖掘与聚类分析
关联规则挖掘
发现数据项之间的有趣关联和相关性，如购物篮 分析等。
聚类分析
将数据对象分组，使得同一组内的对象相似度较 高，不同组间的对象相似度较低。
颜色搭配等。
可视化工具
介绍常用的数据可视化工具和技术 ，如Excel、Tableau、Power BI 等。
报告制作
阐述数据分析报告的结构和内容， 包括标题、摘要、目录、正文、结 论和建议等部分，同时提供报告制 作的技巧和规范。
数据分析方法与技
03
术
描述性统计分析
数据可视化
利用图表、图像等方式 直观展示数据分布和特
根据样本数据构造总体参数的 置信区间，评估参数估计的可
靠性。
方差分析
研究不同因素对总体变异的影 响程度，确定各因素对结果的
影响显著性。
回归分析
探究自变量与因变量之间的线 性或非线性关系，建立预测模
型。
机器学习算法与应用
监督学习
通过已知输入和输出数据进行 训练，建立预测模型，如线性 回归、逻辑回归、支持向量机
数据分析(培训完整)ppt课件
收入
销售
支出
财务
购买
数据
绩效
交通
…
… 医疗
……
……
7
完整版PPT课件
什么是数据分析？
8
完整版PPT课件
故事……….
+
啤 酒 尿不湿
9
完整版PPT课件
完整版PPT课件
10
完整版PPT课件
11
什么是数据分析？
统计分析方法 实际业务方法
数据
决策/判断/行动
完整版PPT课件
12
数据分析的目的？
完整版PPT课件
24
比例、比率
比例: 各部分/总体。 比率: 不同类别数值的对比。
完整版PPT课件
25
同比、环比ቤተ መጻሕፍቲ ባይዱ
同比: 与历史时期进行对比。 环比: 与前一个统计期比较。
完整版PPT课件
26
频数、频率
频数: 个别数据重复出现的次数。 频率: 每组类别次数/总次数。
完整版PPT课件
27
目录
什么是数据分析 数据分析的步骤 数据分析的指标 数据分析的方法
完整版PPT课件
28
数据分析方法-对比分析法
完整版PPT课件
29
数据分析方法-平均分析法
完整版PPT课件
30
数据分析方法-漏斗图分析法
完整版PPT课件
31
数据分析方法-交叉分析法
完整版PPT课件
32
看图方法
1 2015年销售额走势图
3
5
销
售
额
4
走势线
2 日期
33
完整版PPT课件
看图方法
数据分析培训ppt
预测性分析
总结词
预测性分析是根据已有的数据和 规律，对未来的趋势进行预测。
详细描述
利用回归分析、时间序列分析等 统计方法，建立预测模型，根据 历史数据预测未来的趋势和结果 。
规范性分析
总结词
规范性分析主要是基于已有的理论和方法，对数据进行深入挖掘，以解决实际 问题。
详细描述
通过关联分析、聚类分析、主成分分析等方法，深入挖掘数据之间的关联和规 律；通过建立决策树、神经网络等模型，对未知数据进行分类和预测，为决策 提供支持。
Excel提供了数据筛选、排序、函数计算、图表制作等功 能，方便用户进行数据处理和可视化。
Excel还提供了数据透视表、数据透视图等高级功能，可 以帮助用户进行更深入的数据分析。
Python
Python是一种通用编程语言， 广泛用于数据分析和科学计算。
Python拥有丰富的数据分析库 ，如NumPy、Pandas、SciPy 等，可以方便地进行数据处理、 统计分析、数据挖掘等工作。
非结构化数据
没有固定格式或结构的数据，如文本、 图像、音频和视频等。
数据来源
数据库
存储结构化数据的系统，如关系型数据 库。
API
应用程序接口，提供数据流的服务。
文件
如CSV、Excel等格式的文件，可以包含 结构化或非结构化数据。
社交媒体
如微博、微信等社交平台，产生大量用 户生成内容。
数据处理流程
R语言还支持多种可视化包， 如ggplot2、lattice等，可以 制作各种高质量的统计图形
和可视化效果。
03
数据分析方法
描述性分析
01
总结词
02
详细描述
描述性分析主要是对数据进行基础描述，提供数据的总体特征和分布 情况。
《数据分析培训》PPT课件
竞品分析
通过分析竞品的销售数据、产品特 点、价格策略等，了解市场动态和 竞争态势，制定针对性的竞争策略 。
金融行业数据分析
风险评估
通过分析金融数据，评估 贷款、投资等业务的信用 风险和市场风险，为决策 提供依据。
市场分析
通过分析金融市场的交易 数据、宏观经济数据等， 预测市场走势，为投资决 策提供支持。
柱状图
用于比较不同类别 之间的数据。
饼图
用于展示各部分在 整体中所占的比例 。
热力图
通过颜色的变化展 示数据的分布和密 度。
数据可视化工具
Excel
适用于基础的数据分析 和可视化。
Tableau
功能强大的数据可视化 工具，支持多种数据源
连接。
Power BI
基于云的数据分析和可 视化工具，支持团队协
客户分析
通过分析客户的金融交易 行为、资产状况等数据， 了解客户需求和偏好，优 化产品设计和服务策略。
制造业数据分析
生产数据分析
通过分析生产过程中的数据，了 解生产效率、质量、成本等方面 的情况，优化生产流程和降低成
本。
供应链分析
通过分析供应链数据，了解供应 商、库存、物流等方面的情况， 优化供应链管理和降低运营成本
数据类型转换
说明如何将数据转换为正确的 数据类型，如将字符串转换为 日期或数字。
数据标准化和归一化
解释标准化和归一化的概念， 并说明在数据分析中的重要性
。
数据探索
描述性统计分析
介绍均值、中位数、众数、方差等统 计量，并说明如何使用它们来初步了 解数据。
数据可视化
介绍如何使用图表（如直方图、箱线 图、散点图等）来直观展示数据的分 布和关系。
通过分析竞品的销售数据、产品特 点、价格策略等，了解市场动态和 竞争态势，制定针对性的竞争策略 。
金融行业数据分析
风险评估
通过分析金融数据，评估 贷款、投资等业务的信用 风险和市场风险，为决策 提供依据。
市场分析
通过分析金融市场的交易 数据、宏观经济数据等， 预测市场走势，为投资决 策提供支持。
柱状图
用于比较不同类别 之间的数据。
饼图
用于展示各部分在 整体中所占的比例 。
热力图
通过颜色的变化展 示数据的分布和密 度。
数据可视化工具
Excel
适用于基础的数据分析 和可视化。
Tableau
功能强大的数据可视化 工具，支持多种数据源
连接。
Power BI
基于云的数据分析和可 视化工具，支持团队协
客户分析
通过分析客户的金融交易 行为、资产状况等数据， 了解客户需求和偏好，优 化产品设计和服务策略。
制造业数据分析
生产数据分析
通过分析生产过程中的数据，了 解生产效率、质量、成本等方面 的情况，优化生产流程和降低成
本。
供应链分析
通过分析供应链数据，了解供应 商、库存、物流等方面的情况， 优化供应链管理和降低运营成本
数据类型转换
说明如何将数据转换为正确的 数据类型，如将字符串转换为 日期或数字。
数据标准化和归一化
解释标准化和归一化的概念， 并说明在数据分析中的重要性
。
数据探索
描述性统计分析
介绍均值、中位数、众数、方差等统 计量，并说明如何使用它们来初步了 解数据。
数据可视化
介绍如何使用图表（如直方图、箱线 图、散点图等）来直观展示数据的分 布和关系。
数据分析入门培训ppt
探索性分析
01
02
03
数据关联分析
通过关联规则挖掘、聚类 分析等方法，发现数据之 间的潜在联系和规律，以 指导后续的数据分析。
假设检验
根据业务需求或问题背景 ，提出假设并进行检验， 以探索数据中隐藏的规律 和趋势。
预测分析
利用回归分析、时间序列 分析等方法，对未来的趋 势和结果进行预测和分析 。
可视化分析
数据可视化
通过图表、图像等形式， 将数据以直观、易懂的方 式呈现出来，帮助用户更 好地理解和分析数据。
可视化工具
运用各种可视化工具和技 术，如Excel、Tableau、 Power BI等，将数据可视 化功能实现出来。
可视化评估
对可视化结果进行评估和 优化，确保可视化分析的 有效性和准确性。
04
03
04
使用统计分析方法对数据进行分析和处理 ；
通过技术分析识别股票走势的规律和趋势 ；
05
06
根据分析结果预测未来股票走势，为投资 者提供决策依据。
06
数据分析的未来发展
大数据处理与云计算
大数据处理
随着数据量的爆炸式增长，大数据处 理技术将更加重要。掌握Hadoop、 Spark等大数据处理框架将有助于更 高效地处理和分析大规模数据。
数据分析入门培训
汇报人：可编辑
2023-12-23
• 数据分析概述 • 数据收践 • 数据分析的未来发展
01
数据分析概述
数据分析的定义与重要性
数据分析的定义
数据分析是指通过统计、数学和机器学习等方法，对收集的 数据进行整理、清洗、分析和解释，以提取有价值的信息和 洞见的过程。
02
数据收集与整理
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
5、字体用微软雅黑or黑体，英文用Arial
9、使用合并单元格的标准：用于记录纯文本信息Or 确保这张表已经是用于汇报的表格（不会再需要经人 进行数据处理） 10、数据量较大的时候，不要保留公式和各种引用 （选择性粘贴为数值）
11、数据量较大却需要用公式函数进行数据处理时， 将计算模式改为【手动计算】 12、灰色是百搭色
如果数据分析需要绩效指标，一定不会是分析的对错，而是最终数据提升的结果
数据分析需要反馈。分析出的结论，必须用业务结果验证它。需与运营和产品人员紧密联系，看 看改进后的效果，一切以结果为准。如果结果并没有改善，则应反思分析过程
数据分析以结果为导向。只有结果的呈现和问题的暴露，没有任何跟进、改进的措施的数据分析
精选课件
1
精选课件
1 浅谈数据分析 2 EXCEL使用经验 3 重要函数应用 4 学习与进阶
2
浅谈数据分析
——彼得 ·德鲁克
数据分析并不是一个结果，只是过程
如果你不能用指标描述业务，那么你就不能有效增长/降低它
业务指导数据，数据驱动业务
数据本身不产生价值，如何分析和利用数据对业务产生帮助才是关键
核心指标都是可以付诸行动的，能指导并据此改变行为
核心指标具有比较性：如果能比较某数据指标在不同的时间段、用户群体、竞争产品之间的表现，就可以更 好地洞察产品的实际走向
虚荣数据指标大多是一维的，可再细分出深层指标的，易给人产生【大规模感】和【成长感】 无论你觉得自己有多么的客观，这些指标都会对判断带来一些影响
理解维度和度量，也是快速理解Excel的关键功能（如数据透视表）和各类BI软件（如Tableau）的基础
精选课件
6
数据分析的基本步骤
明确分析目的和思路/定义问题 数据收集 数据处理 数据分析 数据展现 报告撰写
精选课件
学会提问，问对问准问题
7
一个常用的分析模型
AARRR模型：
✓ 获取用户(Acquisition) ✓ 提高活跃度(Activation) ✓ 提高留存率(Retention) ✓ 获取营收(Revenue) ✓ 自传播(Referral)
是没有意义的
精选课件
3
业务数据分析的核心
数据证明 数据导向型的思维，重在数据的应用 清晰的数据来源、统计口径、判断标准
代替
我认为
直觉化经验化的思维 模糊的、感性的、口语化
过去
现在
A区域 A产品
对比
B区域 B产品
A类别
B类别
A用户
B用户
单一的数据没有分析意义，只有多个数据组 合才能发挥出数据的最大价值。
以此类推还有很多思维模型可以应用于我们的工作，这也被称之为“结构化思维”，这里不一一列举
精选课件
8
“精通”的意义
人与人效率之间的差距十分巨大，无论你将节约出来的时间是用来“偷懒”、继续工作还是思考创新,你都比坚持 蛮干的人要优秀。
并不存在“正确”工作 大多数人没有成功绝对是事出有因。他们对世界如何运转有着错误的预设。 有一种理论假设，作为人，我们必须事先拥有需要“发现”并随后追随的雄心壮志。著名心理学家，《看见成长 的自己》（Mindset）一书作者卡罗尔·杜依可认为这是一种“固定心态”。 相对于自私地追求自己所热爱的生活，纽波特建议人们成为一名“工匠”，在这个过程中，人们可以练得难得的、 有价值的技能。纽波特把这些稀有而有价值的技能称为“职业资本”。
“本周的用户转化率比上周高”显然比“转化率为2%“更有意义
通过业务建立和筛选出指标，将指标作为维度，利用维度进行分析
PS：可以尝试复习一下你学过的基础统计学了，80%的业务分析用不到太高级的统计方法
精选课件
4
核心指标和虚荣指标
核心驱动指标一定能给公司和个人带来最大优势和利益，实施后的反馈结果贴合业务目标、企业使命及愿景 另外一方面，好的指标还有一个特性，它应该是比率或者比例。
如果你的想法与上面这些恰恰相反，那么很有可能正处于“固定心态”里，要警惕，因为它会让你变得固步自封。
精选课件
10
掌握数据思维的重要性
不要给自己设限，在这样一个信息时代，具备一定的数 据分析思维和技能是诸多工作的基础，而非个性化、高 精尖的发展方向。
精选课件
11
对于Excel，你了解多少？
1.你的Excel版本是否更新到2013版以上，对了，今年是2018年：） 2.如果你经常需要进行数据处理类工作，你是否比较过WPS和Excel的区别？ 3.是否经常逐行逐列处理数据？ 够的渴望？ 6.是否思考过表格类工作有没有更快更优的提升可能性？ 7.有没有系统地整理过已掌握的Excel技巧？
6、有必要的时候请冻结首行；没必要但可追究的内容，可 以隐藏处理
7、八月十五号、8月15号、8\15、8.15、8。15这些Excel 都不觉得代表时间
精选课件
9
“精通”的意义
挑选一条道路，然后致力于发现“如何”抵达的可能性 以下是关于发展精通能力的核心思想概括：
* 不存在一种你应该“追随”的内在激情，相反，激情会跟随着你。 * 自信不是通向成功的路，相反，成功的行为才是通向自信的驱动力。 * 当你掌握了那些稀缺且有价值的技能进而获得“职业资本”的时候，你就会开始培养自信、激情和个性。 * 因此，你的个性不会影响你的行为，相反，你的行为塑造了自己的个性。 * 你是自己身份、幸福和对生活产生影响的创造者。
销售额
总店铺数
活跃用户数
下载量
激活率
……
你现在能否区分出实际业务中的虚荣指标和核心指标？
精选课件
5
维度和度量
维度
度量
维度是说明和观察事物的角度，指标是衡量数据的标准。维度是一个更大的范围，不只是数据，比如时间维 度和城市维度，我俗理 解：维度>指标。
精选课件
12
一些好习惯和经验
1、没事就按按Ctrl+S
8、基础数据表禁用合并单元格功能
2、自动保存时间间隔设置为2~3min（默认是10min）
3、给他人发送excel前，请尽量将光标定位在需要他人首先 阅览的位置，例如Home位置（A1），例如结论sheet，长 表尽量将位置定位到最顶端 4、同类型数据的行高、列宽、字体、字号，尽量一致。关爱 强迫症，人人有责。 （格式刷）
9、使用合并单元格的标准：用于记录纯文本信息Or 确保这张表已经是用于汇报的表格（不会再需要经人 进行数据处理） 10、数据量较大的时候，不要保留公式和各种引用 （选择性粘贴为数值）
11、数据量较大却需要用公式函数进行数据处理时， 将计算模式改为【手动计算】 12、灰色是百搭色
如果数据分析需要绩效指标，一定不会是分析的对错，而是最终数据提升的结果
数据分析需要反馈。分析出的结论，必须用业务结果验证它。需与运营和产品人员紧密联系，看 看改进后的效果，一切以结果为准。如果结果并没有改善，则应反思分析过程
数据分析以结果为导向。只有结果的呈现和问题的暴露，没有任何跟进、改进的措施的数据分析
精选课件
1
精选课件
1 浅谈数据分析 2 EXCEL使用经验 3 重要函数应用 4 学习与进阶
2
浅谈数据分析
——彼得 ·德鲁克
数据分析并不是一个结果，只是过程
如果你不能用指标描述业务，那么你就不能有效增长/降低它
业务指导数据，数据驱动业务
数据本身不产生价值，如何分析和利用数据对业务产生帮助才是关键
核心指标都是可以付诸行动的，能指导并据此改变行为
核心指标具有比较性：如果能比较某数据指标在不同的时间段、用户群体、竞争产品之间的表现，就可以更 好地洞察产品的实际走向
虚荣数据指标大多是一维的，可再细分出深层指标的，易给人产生【大规模感】和【成长感】 无论你觉得自己有多么的客观，这些指标都会对判断带来一些影响
理解维度和度量，也是快速理解Excel的关键功能（如数据透视表）和各类BI软件（如Tableau）的基础
精选课件
6
数据分析的基本步骤
明确分析目的和思路/定义问题 数据收集 数据处理 数据分析 数据展现 报告撰写
精选课件
学会提问，问对问准问题
7
一个常用的分析模型
AARRR模型：
✓ 获取用户(Acquisition) ✓ 提高活跃度(Activation) ✓ 提高留存率(Retention) ✓ 获取营收(Revenue) ✓ 自传播(Referral)
是没有意义的
精选课件
3
业务数据分析的核心
数据证明 数据导向型的思维，重在数据的应用 清晰的数据来源、统计口径、判断标准
代替
我认为
直觉化经验化的思维 模糊的、感性的、口语化
过去
现在
A区域 A产品
对比
B区域 B产品
A类别
B类别
A用户
B用户
单一的数据没有分析意义，只有多个数据组 合才能发挥出数据的最大价值。
以此类推还有很多思维模型可以应用于我们的工作，这也被称之为“结构化思维”，这里不一一列举
精选课件
8
“精通”的意义
人与人效率之间的差距十分巨大，无论你将节约出来的时间是用来“偷懒”、继续工作还是思考创新,你都比坚持 蛮干的人要优秀。
并不存在“正确”工作 大多数人没有成功绝对是事出有因。他们对世界如何运转有着错误的预设。 有一种理论假设，作为人，我们必须事先拥有需要“发现”并随后追随的雄心壮志。著名心理学家，《看见成长 的自己》（Mindset）一书作者卡罗尔·杜依可认为这是一种“固定心态”。 相对于自私地追求自己所热爱的生活，纽波特建议人们成为一名“工匠”，在这个过程中，人们可以练得难得的、 有价值的技能。纽波特把这些稀有而有价值的技能称为“职业资本”。
“本周的用户转化率比上周高”显然比“转化率为2%“更有意义
通过业务建立和筛选出指标，将指标作为维度，利用维度进行分析
PS：可以尝试复习一下你学过的基础统计学了，80%的业务分析用不到太高级的统计方法
精选课件
4
核心指标和虚荣指标
核心驱动指标一定能给公司和个人带来最大优势和利益，实施后的反馈结果贴合业务目标、企业使命及愿景 另外一方面，好的指标还有一个特性，它应该是比率或者比例。
如果你的想法与上面这些恰恰相反，那么很有可能正处于“固定心态”里，要警惕，因为它会让你变得固步自封。
精选课件
10
掌握数据思维的重要性
不要给自己设限，在这样一个信息时代，具备一定的数 据分析思维和技能是诸多工作的基础，而非个性化、高 精尖的发展方向。
精选课件
11
对于Excel，你了解多少？
1.你的Excel版本是否更新到2013版以上，对了，今年是2018年：） 2.如果你经常需要进行数据处理类工作，你是否比较过WPS和Excel的区别？ 3.是否经常逐行逐列处理数据？ 够的渴望？ 6.是否思考过表格类工作有没有更快更优的提升可能性？ 7.有没有系统地整理过已掌握的Excel技巧？
6、有必要的时候请冻结首行；没必要但可追究的内容，可 以隐藏处理
7、八月十五号、8月15号、8\15、8.15、8。15这些Excel 都不觉得代表时间
精选课件
9
“精通”的意义
挑选一条道路，然后致力于发现“如何”抵达的可能性 以下是关于发展精通能力的核心思想概括：
* 不存在一种你应该“追随”的内在激情，相反，激情会跟随着你。 * 自信不是通向成功的路，相反，成功的行为才是通向自信的驱动力。 * 当你掌握了那些稀缺且有价值的技能进而获得“职业资本”的时候，你就会开始培养自信、激情和个性。 * 因此，你的个性不会影响你的行为，相反，你的行为塑造了自己的个性。 * 你是自己身份、幸福和对生活产生影响的创造者。
销售额
总店铺数
活跃用户数
下载量
激活率
……
你现在能否区分出实际业务中的虚荣指标和核心指标？
精选课件
5
维度和度量
维度
度量
维度是说明和观察事物的角度，指标是衡量数据的标准。维度是一个更大的范围，不只是数据，比如时间维 度和城市维度，我俗理 解：维度>指标。
精选课件
12
一些好习惯和经验
1、没事就按按Ctrl+S
8、基础数据表禁用合并单元格功能
2、自动保存时间间隔设置为2~3min（默认是10min）
3、给他人发送excel前，请尽量将光标定位在需要他人首先 阅览的位置，例如Home位置（A1），例如结论sheet，长 表尽量将位置定位到最顶端 4、同类型数据的行高、列宽、字体、字号，尽量一致。关爱 强迫症，人人有责。 （格式刷）