当前位置: 首页 > 公开课程 > 课程内容
广告1
相关热门公开课程更多 》
相关热门内训课程更多 》
相关最新下载资料

Power BI数据分析在业务洞察 与问题解决中的应用

课程编号:59435   课程人气:309

课程价格:¥5680  课程时长:2天

行业类别:各行业通用    专业类别:运营管理 

授课讲师:周老师

课程安排:

       2025.5.22 上海



  • 课程说明
  • 讲师介绍
  • 选择同类课
【培训对象】
致力于提高用数据分析问题与解决问题的广大管理者与技术人员。

【培训收益】
深入理解数据的本质、数据价值,以及数据洞察在解决问题中的关键作用 培养与建立数据思维, 由浅入深,逐步掌握业务数据的分析流程以及方法 用数据洞察业务问题, 用可视化图表展现问题的症结,获得问题解决的关键 学会设计业务的可视化分析报告(仪表板/驾驶舱管理) 学会利用数据的AI分析获得深刻的见解并大幅提高分析效率 提供问题导向的标准化操作指导程序,对初学者与进阶者极为有益 案例与练习均来自实战场景:生产管理、设备管理与EHS、质量管理、供应链与采购,市场营销、等等 采用了工作坊与行动学习相结合的模式:理论指导,精彩解读,大量案例,实战研讨,深刻点评

 第一部分 数据的认知,建立数据思维
1. 数据的认知
 什么是数据?
 数据的本质
 理解业务与业务数据之间的关系
 为什么基于数据驱动的工作方式越来越重要?
 案例分享
 释放数据的价值
 影响数据潜在价值的重要因素
 案例展示不同层次的潜在价值
 数据洞察/分析的基本框架:
1)建立业务场景;2)将业务问题转化为分析问题;3)收集和整理数据;4);选择与问题匹配的分析方法;
5) 将分析结论转化为业务的洞察。
2. 数据的标准组成
 数据的逻辑化展示:
 数据的格式:Tally Sheet,
 在excel中将数据转换为标准格式
 在 power BI中显示数据的整体状况
3. 从业务或问题的角度理解数据
 建立y = f ( x )的思维方式
 案例讲解
4. 分析思维的过程
 聚焦y:认识问题的全貌和现状
 x对y的分解
 识别差异
 案例演示
5. 分析工具的全景式介绍
 表格软件、数据库SQL分析、统计分析软件、BI分析软件、编程式数据分析、大数据建模软件
 数据分析的典型输出:统计结论、可视化图表、分析模型
6. 工作坊
 Excel数据转换为标准格式
 了解power bi软件, power query editor 与 power bi
 在power bi 中导入数据并展示

第二部分 业务的基本洞察与分析
1. 重要统计概念与分析
 数据类型
 在excel与power BI 中识别数据类型
 矫正不合理的数据类型
 洞察业务指标的关键维度:
 统计量了解指标/问题全貌:
-反映整体趋势:均值与中位数,及场景下的理解
-反映整体波动 :标准差与极差,及场景下的理解
-反映频率问题:百分比,累计百分比,ppm
 图表了解指标/问题的全貌:
-反映总体分布:可视化指标的总体表现
-反映指标/问题在时间上的变化:指标的时间序列图
2. 关键业务指标的洞察实战(工作坊):
 案例数据集选自:行政与人力资源、供应链、营销,设备管理等
 在Power Bi中实战:
用power BI对数据做清理与整理:power query editor
 修正数据类型
 识别与处理数据中的缺失值、重复值、异常值
 时间/日期类型的特别处理
 用power BI 实现关键指标的汇总分析:
 可视化指标看板(静态)
 图表展示总体表现:总体趋势,波动情况,异常情况,与业务目标的差距
 图表展示在时间上的动态表现:趋势与波动,与差距
 业务的解读

第三部分 业务洞察的进阶分析
1. 用数据洞察的业务关键问题
 从不同的维度排序,识别出最佳与最差
 影响业务的关键因素是什么
 业务表现与目标有差距,这个差距是哪些因素造成的,最主要的因素是什么?
 改善业务/解决问题,该从哪些维度思考
 如何用数据证明方案与建议的效果和有效性
 怎么提高预测计划的准确性
2. 深入洞察需要多维度分析
 分层因子
 复杂问题的因子分析法
3. 工作坊
 打开数据表,识别业务数据中的分层因子
4. 业务的多维度分析过程(基于案例实战展开的工作坊)
 分层的箱线图法与条形图法
 识别关键影响因素
 排序并识别最佳与最差
 分层的柏拉图法
 证明方案有效性
 分层的散点图法
 发现两者之间的关联关系,确定因果
 分层的树状图Treemap, 饼图与甜甜圈图
 快速识别主要影响区域或者因子
 分层的时间序列图法
 发现对趋势有影响的因子
 同类比较(比如,不同区域对比,不同班组对比,不同供应商对比,等等)
5. 多维度分析工作坊
 在power bi 中实现多维度分析
 Power bi 分析方式与excel的不同,理解:
- X-axis, Y-axis, Legend, Small multiplies, Tooltips 以及图形格式化修饰
 Power bi实现分层的柱状图以及条形图分析
 Power bi实现散点图分析
 Power bi 实现Treemap树状图分析
 Power bi实现donut甜甜圈图与饼图分析
6. 问题分析的钻取法
 钻取是获得深刻见解,在多重因素中找到主要原因的分析技巧
 通过钻取,聚焦问题严重的那部分数据(子集)
 案例展示如何通过钻取在销售大数据中找出影响利润的关键因素
7. 钻取分析的工作坊
 在power bi 中钻取分析,回答业务问题
 了解并熟悉power bi 可视化图表中动态钻取的方式与功能
- 运用power bi 动态钻取实现业务的分析(比如多曾钻取的柏拉图分析法)
 了解并熟悉power bi的筛选器
- 运用筛选器方式实现业务分析
8. 数据的AI分析(仅限于power bi)
 AI对数据分析的帮助以及趋势
 AI分析获得深刻见解之一:预测分析
 基于历史数据指导营销/生产预测与规划
 AI分析获得深刻见解之二:识别异常状态
 识别异常点,帮助我们确定问题在何处与何时爆发
 AI分析获得深刻见解之三:关键影响力分析
 快速获得原因重要性排序,大大提高分析效率
 AI分析获得深刻见解之四:分解树
 快速设计解决问题的最优解
 AI分析获得深刻见解之五:智能Q&A分析
 无需学习分析技能,只需设计合理的问答就可借助ai获得相当深刻的分析见解
 AI分析获得深刻见解之流:智慧统计报告
 AI辅助撰写业务统计报告
9. AI分析工作坊(仅限于power bi)
案例与练习
 AI预测技术的应用
 AI识别异常状态
 关键影响力分析
 分解树分析
 智能Q&A问答式分析
 智慧统计报告
小组交流

第四部分 优化数据,提升分析价值
1 业务场景数据化
 用数据的视角描述业务
 问题的4W1H定义法
2 基于分析价值,建立科学合理的数据收集系统
 数据定义的一致性
 数据采样的频率,以及全样本 vs 抽样样本
 确认合理的数据颗粒度
 数据采集维度的“人机料法环测”
 流程/过程异常状态下的数据还要保留吗?为什么?
 整合不同数据源的数据
3 案例学习:如何有效地设计数据收集计划
4 工作坊
 分组,选择具体的业务场景,
 设计数据收集计划
 进一步提升数据挖掘价值的举措有哪些?
 如果需要,可以补充哪些新的信息?
 是否考虑不同数据源的整合,从而获取新的数据价值?
 交流

第五部分 分析报告与业务仪表盘管理
1. 业务可视化分析报告的设计原则
 确定谁是受众
 业务角度关系的指标、问题以及重点
 分析报告包含重要内容
 布局设计反映不同分析的优先级
 业务指标要体现,历史、现状、趋势和目标
 指标要分组和归类
 美学上:协调、统一又清晰
2. 工作坊_在power bi中设计分析与业务管理仪表盘
 设计流程
 熟悉power BI的报表连接与设置方式
 在power bi上分析报表设计实战
 小组讨论
 课堂竞赛与评比

咨询电话:
0571-86155444
咨询热线:
  • 微信:13857108608
联系我们