第1章 为什么要分析数据 - 课程介绍 - 1.1引例 - 1.1.1电商业务的业务数据 - 1.1.2 广告营销业务的业务数据 - 1.1.3 用户增长业务的业务数据 - 1.2 通过数据分析来识别机会 - 1.2.1 数据分析的作用 - 1.2.2 预测趋势与需求 - 1.2.3 发现客户痛点 - 1.2.4 竞争分析 - 1.2.5 制定预算和投资计划 - 1.2.6 监测业务表现 - 1.3 通过数据分析来规避风险 - 1.3.1 风险管理与数据分析的关系 - 1.3.2数据分析的应用领域 - 1.3.3 数据分析在风险管理中的作用 - 1.4 通过数据分析来进行问题诊断 - 1.4.1 数据分析在问题诊断方面的作用 - 1.4.2 通过数据分析来进行问题诊断的步骤 - 1.5 数据分析从识别问题开始 - 1.5.1 找到利益相关者 - 1.5.2 聚焦 - 1.5.3 思考如何用数据讲故事 - 1.5.4 知道你想要什么 - 1.5.5 回顾之前的发现 - 1.5.6 构建问题 - 1.6 分析具体案例，找出问题所在 - 1.6.1 电商业务的数据问题 - 1.6.2 广告营销业务的数据问题 - 1.6.3 用户增长业务的数据问题 - 小测 第2章 开启数据分析思路 - 2.1 引例：从结果指标找出过程指标 - 2.1.1 电商业务的结果指标和过程指标 - 2.1.2 广告营销业务的结果指标和过程指标 - 2.1.3 用户增长业务的结果指标和过程指标 - 2.2 学会提问 - 2.2.1 提问是数据分析的关键步骤 - 2.2.2 提问帮助确定数据分析目标 - 2.2.3 提问有助于发现数据集的局限性和数据偏差 - 2.2.4 提问激发创造性思维和发现新的见解 - 2.3 为什么要熟悉业务模型 - 2.4 熟悉业务模型的方法 - 2.4.1 宏观分析 - 2.4.2 微观分析 - 2.5 熟悉业务模型需要了解的关键概念和方法 - 2.5.1 系统思维 - 2.5.2 价值链分析 - 2.5.3 流程图 - 2.5.4 SWOT分析 - 2.6 数据分析时常用的几种思维模型 - 2.6.1 结构思维 - 2.6.2 时间思维 - 2.6.3 演绎思维 - 2.6.4 重要性思维 - 2.7 案例分析：在业务中常用的一些业务模型 - 2.7.1 电商业务：销售漏斗 - 2.7.2 广告营销业务：广告收入连乘式 - 2.7.3 用户增长业务：用户留存模型 - 小测 第3章 连接Power BI数据源 - 3.1 Power BI数据源连接到文件 - 3.1.1 Power BI数据源支持的文件格式 - 3.1.2 Power BI数据源连接到文件的方式 - 3.1.3 Power BI数据源连接到文件之前的准备工作 - 3.1.4 Power BI数据源连接到文件之后的数据处理 - 3.2 Power BI数据源连接到数据库 - 3.2.1 Power BI数据源支持的数据库 - 3.2.2 Power BI数据源连接到数据库的步骤 - 3.3 Power BI数据源连接到文件夹 - 3.3.1 Power BI数据源如何配置和连接到文件夹 - 3.3.2 Power BI数据源如何解析文件夹数据 - 3.3.3 Power BI数据源如何配置自动化文件夹数据更新 - 3.4 案例演示：准备原始数据并导入到Power BI - 3.4.1 Power BI获取原始数据来源 - 3.4.2 Power BI预处理数据 - 3.4.3 导入数据到Power BI - 3.4.4 Power BI数据导入数据类型设置 - 3.4.5 Power BI数据导入数据质量检查 - 3.4.6 （可选）Power BI数据导入数据的监控 - 小测 第4章 Power BI数据基础操作 - 4.1 Power BI中的数据整理操作 - 4.1.1 管理列 - 4.1.2 减少行 - 4.1.3 排序 - 4.1.4 转换 - 4.2 Power BI中的数据转换操作 - 4.2.1 表格转换操作 - 4.2.2 任意列的转换操作 - 4.2.3 文本型数据的格式化 - 4.2.4 数字型数据的格式化 - 4.2.5 日期/时间型数据的格式化 - 4.3 Power BI中的数据表基础操作 - 4.3.1 合并查询 - 4.3.2 追加查询 - 4.3.3 引用查询 - 4.4 Power BI中添加列的操作 - 4.4.1 常规处理 - 4.4.2 从文本添加列 - 4.4.3 从数字添加列 - 4.4.4 从日期和时间添加列 - 4.4.5 AI见解添加列 - 4.5 案例演示：导入后在Power Query编辑器中整理数据 - 4.5.1 根据原始数据分组分别建立数据表 - 4.5.2 整理数据表中的数据列 - 4.5.3 整理数据表中的数据项 - 4.5.4 抽取基础数据表 - 小测 第5章 打开分析视角 - 5.1 引例：数据分析想要看什么？ - 5.1.1 电商业务想要看什么 - 5.1.2 广告营销业务想要看什么 - 5.1.3 用户增长业务想要看什么 - 5.2 数据分析中的对比视角 - 5.2.1 数据分析对比视角的定义 - 5.2.2 数据分析中对比视角的实施方法 - 5.2.3 数据分析中对比视角的应用 - 5.3 数据分析中的相关性视角 - 5.3.1 数据分析相关性视角的定义 - 5.3.2 数据分析相关性视角的实施方法 - 5.3.3 数据分析相关性视角的应用 - 5.4 数据分析中的分类视角 - 5.4.1 数据分析分类视角的定义 - 5.4.2 数据分析分类视角的实施方法 - 5.4.3 数据分析分类视角的应用 - 5.5 数据分析中的描述视角 - 5.5.1 数据分析中描述视角的定义 - 5.5.2 数据分析中描述视角的实施方法 - 5.5.3 数据分析中描述视角的应用 - 5.6 做数据分析时如何选择分析视角 - 5.6.1 确定研究问题和目的 - 5.6.2 提出假设并通过数据分析证明或反驳 - 5.6.3 对数据集进行多角度探索 - 5.6.4 了解领域知识 - 5.6.5 了解数据分析的目标受众 - 5.6.6 产生分析视角方案 - 5.7 案例分析 - 5.7.1 电商业务的常见报表主题方案 - 5.7.2 广告营销业务的常见报表主题方案 - 5.7.3 用户增长业务的常见报表主题方案 - 小测 第6章 Power BI可视化指标分析 - 6.1 引例：业务常用指标可视化 - 6.1.1 电商业务常用指标 - 6.1.2 广告营销业务常用指标 - 6.1.3 用户增长业务常用指标 - 6.2 在Power BI中建立可视化对象 - 6.2.1 如何在Power BI中建立可视化对象 - 6.2.2 常用可视化对象类型 - 6.2.3 配置可视化对象的数据字段 - 6.2.4 设置可视化对象的属性和格式 - 6.2.5 建立可视化对象的注意事项 - 6.3 在Power BI中配置可视化指标 - 6.3.1 配置可视化指标的步骤 - 6.3.2 添加数据字段 - 6.3.3 其它相关考虑因素 - 6.4 Power BI的常用可视化对象 - 6.4.1 柱状图和条形图 - 6.4.2 折线图 - 6.4.3 堆积图 - 6.4.4 饼图和环形图 - 6.4.5 表格 - 6.4.6 矩阵 - 6.4.7 切片器 - 6.5 在Power BI中调整可视化对象格式 - 6.5.1 可视化对象格式概述 - 6.5.2 调整可视化对象格式的步骤 - 6.5.3 调整不同类型的可视化对象格式 - 6.5.4 使用主题快速调整可视化对象格式 - 6.5.5 调整可视化对象格式的注意事项 - 6.6 案例演示：各个业务常用的数据可视化 - 6.6.1 电商业务的常用数据可视化 - 6.6.2 广告营销业务的常用数据可视化 - 6.6.3 用户增长业务的常用数据可视化 - 小测 第7章 Power BI报表设计 - 7.1 引例：业务主题报表 - 7.1.1电商业务常用数据主题报表 - 7.1.2广告营销业务常用数据主题报表 - 7.1.3用户增长业务常用数据主题报表 - 7.2Power BI报表简介 - 7.3 在Power BI报表中添加页面 - 7.3.1选择报表视图类型 - 7.3.2添加视觉元素 - 7.3.3调整页面布局和样式 - 7.3.4更改页面筛选器和视觉元素筛选器 - 7.3.5添加动态效果 - 7.3.6收集报表页 - 7.3.7发布报表 - 7.4 Power BI报表设计原则 - 7.4.1包含关键信息 - 7.4.2清晰易懂 - 7.4.3兼顾用户需求 - 7.4.4有序美观 - 7.5.1电商业务常用数据报表制作 - 7.5.2广告营销业务常用数据报表制作 - 7.5.3用户增长业务常用数据报表制作 - 小测 第8章 建立Power BI数据模型 - 8.1 引例：业务数据模型 - 8.1.1电商业务常用数据模型 - 8.1.2广告营销业务常用数据模型 - 8.1.3用户增长业务常用数据模型 - 8.2 深入理解数据关系模型 - 8.2.1数据关系模型的定义和作用 - 8.2.2星型模型 - 8.2.3雪花型模型 - 8.2.4数据关系的定义和作用 - 8.2.5一对一关系 - 8.2.6一对多关系 - 8.2.7多对多关系 - 8.3Power BI数据模型功能概述 - 8.4 在Power BI数据模型中管理表 - 8.4.1管理表的常规属性 - 8.4.2管理表的高级属性 - 8.5 在Power BI数据模型中管理字段 - 8.5.1管理字段的常规属性 - 8.5.2管理字段的格式化属性 - 8.5.3管理字段的高级属性 - 8.5.4管理字段的层次结构 - 8.6 在Power BI数据模型中管理关系 - 8.6.1Power BI数据模型中关系管理的定义 - 8.6.2定义数据关系的方法和步骤 - 8.6.3创建管理关系的注意点 - 8.7 在Power BI数据模型中进行基础数据抽取的高级方法 - 8.7.1在Power BI中进行数据抽取的作用和目的 - 8.7.2使用Power Query编辑器对基础数据进行转换和清洗 - 8.7.3使用Power BI模型管理器进行数据建模 - 8.8 Power BI数据模型的高级功能 - 8.8.1增量刷新 - 8.8.2管理聚合 - 8.8.3日期表 - 8.9 案例演示：建立Power BI数据模型 - 8.9.1电商业务的数据模型建立 - 8.9.2广告营销业务的数据模型建立 - 8.9.3用户增长业务的数据模型建立 - 小测 第9章 Power BI度量值 - 9.1 引例：确定要分析的度量指标 - 9.1.1电商业务的度量指标 - 9.1.2广告营销业务的度量指标 - 9.1.3用户增长业务的度量指标 - 9.2 Power BI中的度量 - 9.2.1从业务角度定义什么是度量 - 9.2.2从技术角度定义什么是度量 - 9.2.3为什么要在Power BI中使用度量 - 9.3 数据分析中如何确定要建立的度量指标 - 9.3.1确定关键指标 - 9.3.2确定辅助指标 - 9.3.3分析现有原始数据的现状 - 9.3.4确定指标定义和算法 - 9.4 如何确定指标算法 - 9.4.1确定指标算法的方法和步骤 - 9.4.2确定指标计算方法 - 9.4.3完善分析 - 9.5 Power BI中如何创建度量 - 9.5.1度量和自定义列的区别 - 9.5.2度量和自定义函数的区别 - 9.5.3创建快速度量 - 9.5.4快速度量的限制 - 9.5.5自定义度量 - 9.6 案例演示：创建业务度量 - 9.6.1创建电商业务常见业务度量 - 9.6.2创建广告营销业务常见业务度量 - 9.6.3创建用户增长业务常见业务度量 - 小测