Power BI数据分析实战课-起点课堂-培养数字化产品、运营、营销人才| 人人都是产品经理旗下教育品牌

9大

学习模块

203节

录播课程

38小时

学习时长

1年

无限次学习

随着移动互联网的发展，业务场景和企业数据呈现复杂化、多维化、海量化的特征，传统的Excel已不堪重负，这时，进一步掌握数据分析利器Power BI，将大大提升职场人士的竞争力。

无论是电商、广告营销还是用户增长，都需要通过数据分析来优化业务流程和提升业务效果。

而Power BI作为一款强大的数据分析工具，可以帮助你快速地从各种数据源获取、清洗、整合和展示数据，以及进行数据驱动的决策。

掌握Power BI核心功能

从数据接入到可视化数据分析应用的各个方面

数据分析方法和思维

结合实际业务场景，教你连接数据源，对数据进行整理、清洗，建立数据报表和图表

使用高级可视化操作

增加数据报表的美观性和易读性，提升数据分析业务健康度

增强数据驱动决策能力

通过数据分析工具评估业务状况和及时发现问题

互联网人

需用数据分析工具进行数据处理和展示，突破工作难题

企业管理者

需持续对市场和竞争对手进行分析，发现市场变化和趋势，制定有效的业务决策

自学者

想要学习数据分析工具的基本功能和操作，提高数据分析能力

第1章为什么要分析数据

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 1.4 通过数据分析来进行问题诊断 1.5 数据分析从识别问题开始 1.6 分析具体案例，找出问题所在

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与过程指标 2.1.2 广告营销业务的结果指标与过程指标 2.1.3 用户增长业务的结果指标与过程指标 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 2.3 为什么要熟悉业务模型 2.4 熟悉业务模型的方法 2.5 熟悉业务模型需要了解的关键概念和方法 2.6 数据分析时常用的几种思维模型 2.7 案例分析：在业务中常用的一些业务模型

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

第4章 Power BI数据基础操作

4.1 Power BI中的数据整理操作 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 4.3 Power BI中的数据表基础操作 4.4 Power BI中添加列的操作 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

第5章打开分析视角

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 5.2.1 数据分析对比视角的定义 5.2.2 数据分析对比视角的方法 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 5.4.1 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 5.5.1 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 5.6.1 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 5.7 案例分析

第6章 Power BI可视化指标分析

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 6.2.1 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 6.3.1 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 6.4.1 柱状图和条形图 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 6.6 案例演示：各个业务常用的数据可视化

第7章 Power BI报表设计

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 7.2 Power BI报表简介 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 7.4.1 包含关键信息 7.4.2 清晰易懂 7.4.3 兼顾用户需求 7.5.1 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

第8章建立Power BI数据模型

8.1 引例：业务数据模型 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 8.3Power 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 8.7 在Power BI数据模型中进行基础数据抽取的高级方法 8.8 Power BI数据模型的高级功能 8.9 案例演示：建立Power BI数据模型

第9章 Power BI度量值

9.1 引例：确定要分析的度量指标 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 9.5 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

方兵

互联网资深产品人、前京东高级产品经理

深耕于互联网行业20年，曾工作于优酷、百度、苏宁、京东，含多年广告、营销、增长、策略及低代码中台产品经验；具有丰富的产品商业化经验，能够深入理解并洞察用户需求，快速找到业务产品痛点，规划产品战略方向并完成产品功能设计，进行架构设计、模块设计、接口设计和数据结构设计，具有较强的抽象思维和产品价值思维、数据思维，精通 Power BI 数据分析，能够熟练将人工智能理论、低代码设计经验融入产品功能设计中并加以实现。

课程选题

•调研10000+位互联网从业者，确定课程选题

体系构建

•基于10位专家评估，搭建课程体系

•历经5轮筛选，打造专业导师团队

课程精研

• 一门6小时课程 = 平均120天 X 8小时 X 4人的精细制作

测试上线

• 专业设计预习资料体系，制作资料内容

• 经过3000名用户3轮内测结果优化课程内容

优化迭代

• 平均每2月进行课程迭代，优化案例、贴紧行业前沿