PowerBI数据分析与可视化概述全套教学课件.pptx

数据分析与可视化概述;;广义数据分析：指依据一定的目标，通过统计分析、聚类、分类等方法发现大量数据中的目标隐含信息的过程。 广义数据分析包括狭义数据分析和数据挖掘。;狭义的数据分析：指根据分析目的，采用对比分析、结构分析、相关分析和描述性分析等分析方法，对收集的数据进行处理与分析，提取有价值的信息，发现数据中隐藏的关系，最终得到一个特征统计量结果的过程。 数据挖掘：是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，通过应用聚类模型、分类模型、预测模型和关联规则等技术，挖掘潜在价值的过程。;掌握数据分析的概念;掌握狭义数据分析的流程;需求分析一词来源于产品设计，主要是指从用户提出的需求出发，挖掘用户内心的真实意图，并转化为产品需求的过程。产品设计的第一步就是需求分析，也是最关键的一步，因为需求分析决定了产品方向，错误的需求分析可能导致在产品实现过程中走入错误方向，甚至对企业造成损失。 需求分析也是数据分析环节的第一步，也是非常重要的一步，决定了后续的分析方向和方法。数据分析中的需求分析的主要内容是，根据业务、生产和财务等部门的需要，结合现有的数据情况，提出数据分析需求的整体分析方向、分析内容，最终和需求方达成一致意见。 ;数据获取是数据分析工作的基础，是指根据数据分析的需求获取相关原始数据的过程。 数据获取主要有两种途径：直接来源与间接来源。 直接来源通常指来源于本人或者第一方获取的第一手数据，包括但不限于业务记录、调查结果和实验结果等等。 间接来源指来源于他人获取的第二手数据，基于别人的调查或实验的结果，通常由一些权威的公司或政府部门提供。数据可能由不同种类的载体提供，包括Excel文件，Web数据和数据库等。 在数据分析过程中，具体使用哪种数据获取方式，依据需求分析的结果而定。 ;数据预处理是指对数据进行数据集成、数据清洗、数据变换和数据归约，并用于分析建模这一过程的总称。 数据集成可以将多张互相关联的数据合并为一张。 数据清洗用于修整数据中包含的不完整数???、含噪声数据和不一致数据。 数据变换则可以通过规范化、逆透视列等技术处理数据，将数据转换成适合于分析的形式。 数据规约通过字段规约、数据提取与数据泛化，在尽可能保持数据原貌的前提下，最大限度地精简数据 量，满足后续数据可视化与建模的数据要求。 在数据分析的过程中，数据预处理的各个过程互相交叉，并没有明确的先后顺序。;数据建模是指建立数据间的逻辑关系和进行数据操作的过程。 数据建模通过建立表间关系处理多个数据表的链接关系。 建模中的数据通常存储在表、列与度量值中。其中，新产生的“计算列”与“计算表”为直接引用其它列数据或其它表数据的运算结果，而度量值则是存放在一定的筛选条件下对数据源进行聚合运算结果的单个数据。 ;数据建模中排序将数据按照期望的顺序进行排列，能够在后续的可视化步骤中更好的展示数据关于序列的变化规律。而分组则能将数据进行分段切割，用于展示数据不同间隔间的差异。 ;数据可视化定义：通过图表直观的展示数据间的量级关系，其目的是将抽象信息化为具体的图形，将隐藏于数据中的规律直观地展现出来。 通过数据可视化可进行的分析包含对比分析、结构分析、相关性分析、描述性分析等。 常用的类型：条形图、柱形图、散点图、折线图、饼图、环形图、瀑布图、漏斗图、地图等。 需要选择合适的图表进行可视化展示。;部署是指将数据分析结果与结论应用至实际生产系统的过程。 根据需求的不同，部署阶段可以是一份包含了现状具体情况的数据分析报表，也可以是将分析模型部署在整个生产系统。在多数项目中，数据分析师提供的是一份数据分析报告或者一套解决方案，实际执行与部署的是需求方。;客户分析主要是根据客户的基本数据信息进行商业行为分析。步骤如下： 首先界定目标客户，根据客户的需求、目标客户的性质、所处行业的特征以及客户的经济状况等基本信息，使用统计分析方法和预测验证法分析目标客户，提高销售效率。 其次了解客户的采购过程，根据客户采购类型、采购性质进行分类分析，制定不同的营销策略。;最后还可以根据已有的客户特征进行客户特征分析、客户忠诚分析、客户注意力分析、客户营销分析和客户收益率分析。通过有效的客户分析能够掌握客户具体行为特征，将客户细分，使得运营策略达到最优，提升企业整体效益等。;囊括产品分析、价格分析、渠道分析、广告与促销分析这4类分析。 产品分析主要是竞争产品分析，通过对竞争产品的分析制定自身产品策略。 价格分析又可以分为成本分析和售价分析。成本分析的目的是降低不必要成本。售价分析的目的是制定符合市场的价格。 渠道分析是指对产品的销售渠道进行分析，确定最优的渠道配比。 广告与促销分析则能够结合客户分析，实现销量的提升、利润的增加。;社交媒体分析是以不同的社交媒体渠道生成的内