商业智能是实现商业洞察的重要手段

商业智能：

可视化（对比、结构、透视、其他）、交互式

1.数据分析是将数据转化为知识、智慧的手段

2.项目参与角色：业务人员、分析人员、IT技术人员

3.业务数据分析：描述性分析、数据透视、可视化图表sql+excel

数据挖掘分析：协同过滤、分类分析、关联分析、聚类分析

大数据分析：Hadoop大数据平台、数据整理、建模分析与展示

4.业务数据分析流程

业务理解（最重要起点）、数据收集（多渠道获取）原始数据、数据处理（清洗、整理）有效数据、数据分析（搭建多维数据分析环境、描述性分析）、数据展现（可视化）、成果报告（商业智能BI分析报表）

5.商业智能是实现商业洞察的重要手段，商业洞察是深入商业现象发现问题本质的特点。

6.数据可视化：对比分析、结构分析、透视分析

7.交互式：将获取数据信息的主动权交到报表阅读者手中（动态） 切片器

数据分析方法：

1. 业务数据分析

2. 数据挖掘

3. 大数据分析

数据分析是将数据转化为知识、智慧的手段。

常用数据工具：SQL、excel

数据分析在企业管理运营中的应用：

数据分析项目参与角色：

1、业务人员

2、IT技术人员

3、分析人员

业务数据分析流程

BI

数据分析方法：

1.业务数据分析（SQL、Excel等工具）：

• 描述性分析
• 数据透视
• 可视化图表

业务理解->数据收集->数据处理（数据清洗、数据整理）->数据分析->数据展现->成果报告（商业智能（BI）分析报表）

2.数据挖掘分析（Python、SPSS、SAS、R等工具）：

• 协同过滤
• 分类分析
• 关联分析
• 聚类分析等

3.大数据分析（Hadoop、Spark等工具）：

• Hadoop大数据平台
• 数据整理
• 建模、分析与展示

一，数据分析的分析方法

1.业务数据分析

2.数据挖掘

3.大数据分析

两个成功案例

1.谷歌禽流感趋势预测 

2.啤酒与尿布的故事

二，数据分析的概念

数据分析：将数据转化成知识，智慧的手段

数据分为数据，信息，知识/智慧，（他们的关系层层递增）

三，数据分析在企业管理运营中的应用

1.战略规划

2.市场营销

3.生产管理

4.物流采购

5.财务管理

6.人力资源

四，数据分析项目的参与角色

1.业务人员（提出需求，检验结果的准确性，试指导业务工作）

2.分析人员（数据分析挖掘，制作报表，汇报分析成果）

3.IT技术人员（提供技术支持--爬虫，建数据库，提取字段）

五，数据分析方法分类

1.业务数据分析（描述性分析《对过去的事情跟现在的事情做一个描述》，数据透视，可视化图表-SQL,EXCEL）

2.数据挖掘分析---统计，大数据预测（协同过滤，分类分析，关联分析，聚类分析--PYTHON,SPSS,SAS,R等）

3.大数据分析（HADOOP大数据分析平台，数据整理，建模、分析与展示---HADOOP,SPARK等）

三个数据分析领域人才需求情况--特征

1.业务数据分析人才需求大，数据挖掘，大数据分析人才需求较少

2.业务数据分析门槛低，薪资最低，数据挖掘最高

六.业务数据分析流程

1.业务理解

2.数据收集--原始数据

3.数据处理-清洗，整理--有效的数据

4.数据分析--搭建多维度的数据分析环境，描述性分析

5.数据展现-表格，图表可视化展示

6.成果报告--数据分析报告PPT，动态商业智能bi分析报表

七、商业智能-交互式与可视化结合

商业智能是实现数据洞察的重要手段，

商业洞察是深入商业现象发现问题本质的过程

八、可视化

对比分析

（预警分析，进度分析，差异分析，纵向分析，横向分析，各种对比）

结构分析

（构成分析，杜邦分析）

透视分析

（数据透视表，数据透视图，上钻，下钻分析，不用汇总规则的分析）

其他分析

（变化分析，分组分析，增维分析）

九、交互式-从静态报表到动态商业智能报表的飞跃--将获取信息的主动权交到报表阅读者中----切片器