兩日課程(共12小時)
- 環境與工具
- 商業數據分析流程
- 數據分析成熟度模型的迷思
- Excel變身路徑
- 生成式 AI 帶來的衝擊
- 從「編製報表」到「鑽研數據」
- 範例:柏拉圖 (Pareto Chart) 的分析邏輯與應用情境
- 複習基本工具能力
- 「Range 範圍」vs.「Table 表格」
- 用組合圖說故事
- 探索樞紐分析的深層運算能力
- 檢視數據分布 (Distribution)
- 散布圖 (Scatter Chart) 結構與熱點
- 範例:電商關鍵指標組分群分析
- 動態常數線設置
- 回貼分群標籤
- 全解參照函數:VLOOKUP() 與 XLOOKUP()
- 摘要顯示分群結果
- 「動態陣列 Dynamic Array」生態系
- 破壞舊規則的「溢位範圍 Spill Range」
- 「陣列」與「表格」配合的動態更新流程
- 基本動態陣列函數與功能:UNIQUE()、#、FILTER()
- 程式化的「真值表 Truth Table」運算邏輯
- 「陣列」與「儲存格」的連結函數 TEXTJOIN()
- 「暴力」與「優雅」的解題姿態
- 以「動態陣列」為基礎的 Excel 新函數發展趨勢
- 商業模擬:用 Excel 打造我的微型資料倉儲
- 分析全流程:數據前處理( ETL) + 數據建模 + 圖表呈現
- 資料擷取與清理 – Power Query 的 ETL 魔法
- EXCEL 的資料載入路徑
- 「建模」的基本結構:Fact Table 與 Dimension Table 邏輯鏈
- 建立「資料關聯性」
- 以 DAX 計算衍生指標
- 建立日期資料表
- 跨資料表樞紐分析
- 資料結構轉換
- 寬資料與長資料
- 「寬」轉「長」的核心邏輯與應用情境
- 從靜態月報表到動態全期追蹤
- M Code 進階應用 – 複製與修改查詢
- 資料整合:附加 (Append) 報表為資料集
- 多重視角分析:從長資料彈性展開新洞察
- AI 協作數據分析
- 範例:RFM 分析
- RFM 分析的原理與應用情境
- 以 Power Query 製備 RFM 資料
- 以 k-means 執行 RFM 分析的原理與步驟
- 真正落地的 AI 應用:Vibe Coding 完成數據分析任務
- 口語編寫 Python 程式碼實現 k-means 運算


