PowerBI数据分析与数据可视化-教学大纲

《Power BI数据分析基础教程》教学大纲

学时：32

代码：

适用专业：计算机及应用相关专业

制定：

审核：

批准：

一、课程的地位、性质和任务

数据分析是普通大中专院校计算机科学与技术专业的一门重要的专业基础课。通过本课程的学习，使学生能够在已有的计算机基础知识基础上，对数据分析有一个系统的、全面的了解；在系统理解和掌握Power BI数据分析基本原理的基础上，具有设计和开发数据分析报表的基本能力。

数据分析是一门实践性非常强的学科，它要求学生在理解和掌握Power BI数据分析基本功能的基础上，充分利用实验课程，动手完成实际数据分析和报表设计。

二、课程教学基本要求

1.课程教学以Power BI数据分析方法为主，在教学过程中让学生掌握Power BI数据分析报表设计的本原理和方法。

2.要求在教学过程中合理安排理论课时和实验课时，让学生有充分的使用在计算机上练习理论课程中学到的Power BI数据分析技巧和方法。

三、课程的内容

第1章初识Power BI

掌握Power BI Desktop安装方法，了解Power BI Desktop的界面，学会使用Power BI文档。

第2章获取数据

了解数据连接模式，掌握连接到文件、数据库以及Web数据。

第3章查询编辑器

了解查询编辑器，掌握基础查询操作、数据转换、添加列、追加查询以及合并查询。

第4章数据分析表达式

了解DAX基础，掌握DAX函数。

第5章数据视图和管理关系

掌握数据视图的基本操作，掌握关系的管理操作。

第6章报表

掌握报表基本操作、视觉对象基本操作、钻取、数据分组、使用视觉对象数据以及报表主题。

第7章可视化效果

学会使用简单对象和内置视觉对象

第8章 Power BI服务

学会注册Power BI服务、在Desktop中使用Power BI服务以及在移动设备中使用Power BI，掌握Power BI服务中的报表操作以及仪表板

第9章社科研究数据分析

掌握获取社科研究数据和社科研究数据分析

四、理论和实验课时分配表

五、考核办法

1．考试采用统一命题，包括笔试和上机考试，考试时间分别为120分钟。课程成绩=（笔试成绩+上机考试成绩）/2

2．本大纲各部分所规定基本要求、知识点及知识点下的知识细目，都属于考核的内容。考试命题覆盖到各部分，并适当突出重点部分，加大重点内容的覆盖密度。

3．题的难度可分为易、较易、较难和难四个等级，试卷试题难度的分数比例一般为2:3:3:2 4．试题主要题型有：填空、单项选择、多选、简答、及综合应用等。

六、使用说明

在本课程学习中，应从“理论”和“实践”两个方面去把握：

1. 理论：理论课教学主要讲解Power BI数据分析基础，授课过程中可结合PPT和计算机实时演示,要求学生理解并掌握。

2. 实践：通过上机实践，让学生练习各种Power BI数据分析基本方法的使用，并能够独立设计报表。

文本数据分析-教学大纲

《文本数据分析》教学大纲 课程编号：071193B 课程类型：□通识教育必修课□通识教育选修课 □专业必修课 专业选修课 □学科基础课 总学时：48 讲课学时：32 实验（上机）学时：16 学分：3 适用对象：信息管理与信息系统专业（大数据应用） 先修课程：数据结构、数据库原理与应用、大数据分析算法 一、教学目标 文本数据分析是文本分析和挖掘数据的理论和方法，文本数据分析是信息管理与信息系统专业（大数据应用）重要的专业选修课。通过本课程的学习，将达到以下目标: 目标1：对文本数据分析的价值、意义和基本原理建立清晰和比较全面的认识； 目标2：掌握有关文本数据发掘、处理、建模和解释的基本原理和方法，了解和熟悉文本数据分析在社会科学研究、商业分析和公共管理等领域的实际案例； 目标3：熟悉文本数据挖掘的基本原理，提高分析文本数据的思维能力与计算能力，能够从事某社会和经济领域文本数据分析相关活动的组织、执行和实施。 二、教学内容及其与毕业要求的对应关系 （一）教学内容

本课程主要基于R语言讲授文本数据分析的原理、基本方法及常用软件。主要包括：常用文本挖掘技术及其基本流程；基于R软件详细讲授文本挖掘的主要方法，包括R软件的简介与安装，文本挖掘所需的基本R包，Facebook、微博、Twitter、网页等爬虫技术、数据预处理如断词、字词处理、语料库建立等，资料分析如关联分析、集群分析、主成份分析和聚类分析；基于MS SQLSever 讲授文本挖掘的实现技术，包括数据预处理技术，文本数据的导入、建立字词与词向量、建立训练集和测试集；基于MS SQL Sever讲授常用的文本数据挖掘方法，并进行图表分析；最后通过舆情分析、文献挖掘等案例进行实战练习。 （二）教学方法和手段 注重理论与实践相结合，采取实例教学法、小组教学法、模拟教学法等多种教学方法进行授课。重点强调案例教学锻炼学生解决实际问题的能力，并借助R 语言开发环境软件进行上机操作和实战练习。 （三）实践教学环节要求 要求学生在实验环节掌握文本数据分析的基本原理、思路及相关领域的实战应用。要求学生课后完成基于课堂和实验教学内容的扩展实践练习，进一步熟悉文本数据分析流程和技术方法，加强相关领域的实际应用场景练习。 （四）与毕业要求的关系 文本数据作为信息的重要载体在当今信息化社会扮演着重要的角色。作为信息管理与信息系统专业大数据应用方向的学生，学习和掌握文本数据分析相关知识、方法和技术，不仅是大数据时代下社会经济发展的需要，更是适应未来各个领域海量数据管理的必需技术和能力，符合该专业培养的基本要求。 三、各教学环节学时分配 教学课时分配

数据新闻报道-教学大纲

《数据新闻报道》教学大纲 课程编号：062062B 课程类型：□通识教育必修课□通识教育选修课 □专业必修课√□专业选修课 □学科基础课 总学时：32讲课学时： 17 实验（上机）学时：15 学分：2 适用对象：传播学专业 先修课程：全媒体新闻写作、统计学概论 一、教学目标（黑体，小四号字） 数据新闻报道是传播学专业本科生的专业必修课，全部课程共计32学时。本课程是一门理论和实践兼具的课程，通过向学生介绍新闻报道中数据信息的采集、分析和呈现，使学生掌握数据新闻报道的操作规律和实践。 二、教学内容及其与毕业要求的对应关系 数据的采集和分析需要精讲，如何进行数据新闻报道（即呈现）需要细讲。重难点内容通过案例分析和课后练习来加深学生的理解和掌握。 本课程拟采用翻转式课堂教学：生通过课前阅读教材和相关资料，并结合相关问题撰写读书报告，从而掌握基本的知识点。教师课堂上再对重难点进行讲授和开展课堂讨论。由于课程有相当的实践要求，课后学生需按要求进行数据新闻报道实践，教师在课堂上再辅以点评和案例评析，使学生掌握数据新闻报道的操

作。 三、各教学环节学时分配 教学课时分配

四、教学内容（黑体，小四号字） 第一章数据新闻概论 第一节数据新闻的概念与特征 第二节数据新闻的产生 第三节数据新闻的发展 第四节数据新闻的分类 第五节数据新闻的制作与传播 第二章数据收集 第一节理解数据新闻中的“数据” 第二节查询和获取公开发表的数据 第三节采访和向有关部门、机构、个人索取数据第三节组织对新闻实践或话题的问卷调查 第四节发起用户众包 第五节网络数据挖掘 第三章数据整理 第四章数据分析 第一节数据分析前的预处理 第二节概率统计与数据分析 第三节数据分析的方法 第五章数据可视化 第一节数据可视化简介 第二节数据可视化的构成要素 第三节数据可视化的思路

PowerBI数据分析与数据可视化-教学大纲

《Power BI数据分析基础教程》教学大纲 学时：32 代码： 适用专业：计算机及应用相关专业 制定： 审核： 批准： 一、课程的地位、性质和任务 数据分析是普通大中专院校计算机科学与技术专业的一门重要的专业基础课。通过本课程的学习，使学生能够在已有的计算机基础知识基础上，对数据分析有一个系统的、全面的了解；在系统理解和掌握Power BI数据分析基本原理的基础上，具有设计和开发数据分析报表的基本能力。 数据分析是一门实践性非常强的学科，它要求学生在理解和掌握Power BI数据分析基本功能的基础上，充分利用实验课程，动手完成实际数据分析和报表设计。 二、课程教学基本要求 1.课程教学以Power BI数据分析方法为主，在教学过程中让学生掌握Power BI数据分析报表设计的本原理和方法。 2.要求在教学过程中合理安排理论课时和实验课时，让学生有充分的使用在计算机上练习理论课程中学到的Power BI数据分析技巧和方法。 三、课程的内容 第1章初识Power BI 掌握Power BI Desktop安装方法，了解Power BI Desktop的界面，学会使用Power BI文档。 第2章获取数据 了解数据连接模式，掌握连接到文件、数据库以及Web数据。 第3章查询编辑器 了解查询编辑器，掌握基础查询操作、数据转换、添加列、追加查询以及合并查询。 第4章数据分析表达式

了解DAX基础，掌握DAX函数。 第5章数据视图和管理关系 掌握数据视图的基本操作，掌握关系的管理操作。 第6章报表 掌握报表基本操作、视觉对象基本操作、钻取、数据分组、使用视觉对象数据以及报表主题。 第7章可视化效果 学会使用简单对象和内置视觉对象 第8章 Power BI服务 学会注册Power BI服务、在Desktop中使用Power BI服务以及在移动设备中使用Power BI，掌握Power BI服务中的报表操作以及仪表板 第9章社科研究数据分析 掌握获取社科研究数据和社科研究数据分析 四、理论和实验课时分配表 五、考核办法 1．考试采用统一命题，包括笔试和上机考试，考试时间分别为120分钟。课程成绩=（笔试成绩+上机考试成绩）/2

大数据分析报告与可视化

数据分析与可视化 1.什么是数据分析？ 数据分析是基于商业目的，有目的的进行收集、整理、加工和分析数据，提炼有价信息的一个过程。其过程概括起来主要包括：明确分析目的与框架、数据收集、数据处理、数据分析、数据展现和撰写报告等6个阶段。 1、明确分析目的与框架 一个分析项目，你的数据对象是谁？商业目的是什么？要解决什么业务问题？数据分析师对这些都要了然于心。基于商业的理解，整理分析框架和分析思路。例如，减少新客户的流失、优化活动效果、提高客户响应率等等。不同的项目对数据的要求，使用的分析手段也是不一样的。 2、数据收集 数据收集是按照确定的数据分析和框架内容，有目的的收集、整合相关数据的一个过程，它是数据分析的一个基础。 3、数据处理 数据处理是指对收集到的数据进行加工、整理，以便开展数据分析，它是数据分析前必不可少的阶段。这个过程是数据分析整个过程中最占据时间的，也在一定程度上取决于数据仓库的搭建和数据质量的保证。 数据处理主要包括数据清洗、数据转化等处理方法。 4、数据分析 数据分析是指通过分析手段、方法和技巧对准备好的数据进行探索、分析，从中发现因果关系、内部联系和业务规律，为商业目提供决策参考。 到了这个阶段，要能驾驭数据、开展数据分析，就要涉及到工具和方法的使用。其一要熟悉常规数据分析方法，最基本的要了解例如方差、回归、因子、聚类、分类、时间序列等多元和数据分析方法的原理、使用范围、优缺点和结果的解释；其二是熟悉1+1种数据分析工具，Excel是最常见，一般的数据分析我们可以通过Excel完成，后而要熟悉一个专业的分析软件，如数据分析工具SPSS/SAS/R/Matlab等，便于进行一些专业的统计分析、数据建模等。 5、数据展现 一般情况下，数据分析的结果都是通过图、表的方式来呈现，俗话说：字不如表，表不如图。借助数据展现手段，能更直观的让数据分析师表述想要呈现的信息、观点和建议。 常用的图表包括饼图、折线图、柱形图/条形图、散点图、雷达图等、金字塔图、矩阵图、漏斗图、帕雷托图等。 6、撰写报告 最后阶段，就是撰写数据分析报告，这是对整个数据分析成果的一个呈现。通过分析报

数据分析与处理-课程教学大纲

《数据分析与处理》课程教学大纲 一、课程基本信息 1．课程代码： 2．课程名称：数据分析与处理 3．课程英文名称： 4．课程类型：CC 5．授课对象：电子商务本科 6．开课单位：信息技术与商务管理系 7．教学时间安排：第2学期 8．先修课程：信息技术基础 9．并行课程： 10．后修课程：数据库原理与应用，动态网站设计基础，电子商务网站建设与管理，电子商务综合实训 11．学时安排： 二、课程教学目标及教学任务 （一）教学目标 1．教学目标的总体概括 既要能够掌握EXCEL的整体概念和基本操作步骤，又要掌握EXCEL在数据分析与处理方面的具体应用。 2．教学目标列表

（二）课程培养能力体系

（三）课程培养目标与课程内容映射表 见附件《数据库原理与应用课程培养目标与课程内容对应mapping图》。 （四）教学任务 实验报告：实验目的明确，实验内容完整，实验步骤正确，实验结论真实、准确，优秀学生能总结出系统的实验注意事项。 作业：作业内容正确，资料翔实，论证充分、有力，优秀学生能够提出鲜明的个人观点，同一问题能够给出简洁明了的答案，具有一定的创新性。 三、各单元教学内容及基本要求 第一部分数据的输入与编辑（2学时（讲课）+2学时课堂练习= 4课时） 教学内容： 1、数据输入的一般操作 2、特殊数据的快捷输入 3、有规律数据的序列输入法 4、设置有效性对输入数据审核 5、下拉式列表选择输入的设计 6、数据的编辑操作 教学重难点： 1、设置有效性对输入数据审核 2、下拉式列表选择输入的设计 教学目标： 1、掌握Excel基本的概念 2、掌握单元格及单元格区域简单数据的输入 3、掌握下拉式列表选择输入的设计 第二部分单元格数据的格式设置（1（讲课）+1（课堂练习）= 4课时） 教学内容： 1、单元格格式的一般设置 2、各种内置数字格式的使用 3、自定义数字格式的应用 4、条件格式化的应用 教学重难点： 1、自定义数字格式的应用

大数据导论思维、技术与应用教学大纲

大数据导论 1. 课程简介 本课程的主要目的是让学生了解什么是大数据，大数据的特点，大数据思维，大数据的核心技术，大数据应用，大数据带来的变革，以及大数据面临的挑战，从而使学生对大数据技术和应用有一个初步的了解。本课程重视演示和实战，以便使学生通过亲身体验来理解和掌握大数据的核心概念。 2. 课程安排（74学时：42学时讲课，6学时演示，26学时实验） 第一阶段：大数据概述（8+4+0） 第一课：（理论：2学时） 第一章大数据概述 第二课：（理论：2学时） 第二章大数据采集 第三课：（理论：2学时） 第三章大数据预处理 第四课：（演示：2学时） 演示一：大数据技术演示 第五课：（理论：2学时） 第四章大数据处理系统 第六课：（演示：2学时） 演示二：大数据应用演示 第二阶段：大数据存储技术（8+0+8） 第七课：（理论：2学时） 第五章大数据文件系统HDFS 第八课：（使用：2学时） 实验一：分布式文件系统HDFS使用 第九课：（理论：2学时） 第六章 NoSQL数据库HBase 第十课：（实验：2学时） 实验二：列式数据库HBase使用 第十一课：（理论：2学时） 第七章数据仓库Hive 第十二课：（理论：2学时）

第七章数据仓库Hive 第十三课：（实验：2学时） 实验三：HiveQL 命令行的使用 第十四课：（实验：2学时） 实验四：使用JDBC程序操作数据库 第三阶段：大数据处理技术（12+0+10）第十五课：（理论：2学时） 第八章大数据批处理Hadoop MapReduce 第十六课：（理论：2学时） 第八章大数据批处理Hadoop MapReduce 第十七课：（实验：2学时） 实验五：批处理模式MapReduce应用 第十八课：（理论：2学时） 第九章大数据快速处理Spark 第十九课：（实验：2学时） 实验六：内存处理模式Spark应用 第二十课：（理论：2学时） 第十章大数据实时流计算 Spark Streaming 第二十一课：（实验：2学时） 实验七：流式处理模式Spark Streaming应用 第二十二课：（理论：2学时） 第十一章分布式图计算框架 Spark GraphX 第二十三课：（实验：2学时） 实验八：图处理模式Spark Graph应用 第二十四课：（理论：2学时）

大数据分析报告与可视化

.数据分析与可视化1.什么是数据分析？ 数据分析是基于商业目的，有目的的进行收集、整理、加工和分析数据，提炼有价信息的一个过程。其过程概括起来主要包括：明确分析目的与框架、数据收集、数据处理、数据分析、数据展现和撰写报告等6个阶段。 1、明确分析目的与框架 一个分析项目，你的数据对象是谁？商业目的是什么？要解决什么业务问题？数据分析师对这些都要了然于心。基于商业的理解，整理分析框架和分析思路。例如，减少新客户的流失、优化活动效果、提高客户响应率等等。不同的项目对数据的要求，使用的分析手段也是不一样的。 2、数据收集 数据收集是按照确定的数据分析和框架内容，有目的的收集、整合相关数据的一个过程，它是数据分析的一个基础。 3、数据处理 数据处理是指对收集到的数据进行加工、整理，以便开展数据分析，它是数据分析前必不可少的阶段。这个过程是数据分析整个过程中最占据时间的，也在一定程度上取决于数据仓库的搭建和数据质量的保证。 数据处理主要包括数据清洗、数据转化等处理方法。 4、数据分析 数据分析是指通过分析手段、方法和技巧对准备好的数据进行探索、分析，从中发现因果关系、内部联系和业务规律，为商业目提供决策参考。 到了这个阶段，要能驾驭数据、开展数据分析，就要涉及到工具和方法的使用。其一要熟悉常规数据分析方法，最基本的要了解例如方差、回归、因子、聚类、分类、时间序列等多元和数据分析方法的原理、使用范围、优缺点和结果的解释；其二是熟悉1+1种数据分析工具，Excel是最常见，一般的数据分析我们可以通过Excel完成，后而要熟悉一个专业的分析软件，如数据分析工具SPSS/SAS/R/Matlab等，便于进行一些专业的统计分析、数据建模等。 5、数据展现 一般情况下，数据分析的结果都是通过图、表的方式来呈现，俗话说：字不如表，表不如图。借助数据展现手段，能更直观的让数据分析师表述想要呈现的信息、观点和建议。 常用的图表包括饼图、折线图、柱形图/条形图、散点图、雷达图等、金字塔图、矩阵图、漏斗图、帕雷托图等。 6、撰写报告 最后阶段，就是撰写数据分析报告，这是对整个数据分析成果的一个呈现。通过分析报. .告，把数据分析的目的、过程、结果及方案完整呈现出来，以供商业目的提供参考。一份好的数据分析报告，首先需要有一个好的分析框架，并且图文并茂，层次明晰，能够让阅读者一目了然。结构清晰、主次分明可以使阅读者正确理解报告内容；图文并茂，直观地看清楚问题和结有助于阅读者更形象、可以令数据更加生动活泼，提高视觉冲击力，论，从而产生思考。另外，数据分析报告需要有明确的结论、建议和解决方案，不仅仅是找出问题，后者数据的初衷就是为解决一个同时也失去了报告的意义，是更重要的，否则称不上好的分析，商业目的才进行的分析，不能舍本求末。 数据分析常用的方法有哪些？他们多用来分析哪些类型的数据？通过分析可以得到怎样2. 的结果和结论？怎样得到保证其信度和效度？常用数据分析方法：聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析； (scatter 、散点图)、直方图(Histogram)：柏拉图数据分析常用的图表方法(排列图、点

数据可视化技术实验大纲

《数据可视化技术》实验教学大纲 英文名称: Data Visualization Technology 课程编码：C014527 学时：课程总学时48学时，实验总学时16学时。 是否独立设课：非独立设课 先修课程：计算机科学导论、Python程序设计等 适用专业：数据科学与大数据技术 开课单位：计算机工程学院 撰写人： 审核人：×××（宋体常规五号） 制定（或修订）时间：2019年08月 一、本实验课程的性质、特点和发展现状 数据可视化是实现数据价值的重要工具，数据可视化可以将抽象的数字积累转变成为图形、表单等，让普通人可以快速理解数据所代表的情况或趋势。该课程是理论与实践紧密结合的一门核心专业课程，是大数据项目处理流程中最后的一个环节。通过该课程学习，从一些基础的可视化方法开始，逐渐延伸到可视化技术，其目标是培养学生掌握数据可视化的技术，能够独立完成数据可视化处理工作。 二、本实验课程的目的、任务和主要内容 数据可视化是实现数据价值的重要工具，数据可视化可以将抽象的数字积累转变成为图形、表单等，让普通人可以快速理解数据所代表的情况或趋势。该课程从一些基础的可视化方法开始，逐渐延伸到可视化技术，其目标是培养学生掌握数据可视化的技术，能够独立完成数据可视化处理工作。 三、教学方法和手段 以课堂教学为主，结合多媒体教学手段。多媒体教学手段改变了纸质媒介、板书教学的传统模式，将影像、文字和声音等多种教学载体有效结合起来，可以活跃课堂气氛，改善教学效果。把实验教学放在首要地位，让实践教学贯穿于整个课程教学的始终，并结合实际项目案例深化学生对书本知识的理解和认识，提高了学生的应用能力。 四、考核方式与成绩评定 学生必须按照实验要求完成实验任务并撰写实验报告，实验报告成绩为最终实验成绩，并且采用百分制记分。 五、实验学时分配

动画专业可视化应用设计-教学大纲

《可视化应用设计》课程教学大纲 课程代码：100241001 课程英文名称:Visualization design 课程总学时：48 讲课：8 实验：40 上机：40 适用专业：动画专业 大纲编写（修订）时间：2017 一、大纲使用说明 （一）课程的地位及教学目标 可视化应用设计是动画专业的一门必修专业课程。主要作用是让学生学会使用计算机可视化软件来实现产品建筑等需要展示物体的分解与介绍动画，并能够根据自己的所需进行三维产品的渲染。3d max & Maya软件的学习和掌握也是必不可少的工具软件并且可视化作品需要后期合成软件的辅助，这也是需要综合的运用各种软件与技术手段来实现的多媒体协同制作，最终目的达到可以制作各种完整的商用视频短片。 通过本课程的学习，学生将达到以下要求： 1.能深入的了解可视化项目的制作流程与服务对象。 2.具备拟写可视化设计项目文案能力，具备把握项目规律的能力。 3.掌握后期合成能力能对已经分解的产品模型进行标注等操作。 4.能对商业项目有自己的见解能归纳出符合此类项目的风格。 （二）知识、能力及技能方面的基本要求 1.基本知识：掌握三维软件所应用的可视化领域包括军事、科技、医疗、地产、产品、教育等方面可视化应用的理论知识。 2.基本理论和方法：掌握可视化表现手法，能使用多种软件与制作技巧来完成可视化产品短片的制作。 3.基本技能：掌握三维模型搭建能力，掌握材质动态表现能力，掌握综合的后期合成技术，掌握背景音乐的拟合技术。 （三）实施说明 1.教学方法：课堂重点对基本知识进行讲解，采用启发式教学，培养学生思考问题、分析问题和解决问题的能力；调动学生学习的主观积极性，鼓励学生大胆实践,努力创新制作出具有视觉冲击力的可视化作品。 2.教学手段：本课程是动画专业的必修课。在教学中采用三维群集渲染技术、摄影棚现场创作及户外航拍指导等先进教学手段，做好实践课的辅导教学。以确保在有限的学时内，全面、高质量地完成课程教学任务。 3可视化应用设计：要求构思新颖、表现具有视觉冲击力，能精确的表现客户意图。 （四）对先修课的要求 本课程需要在完成先修课程之后进行。本课程主要的先修课程有设计色彩、动画软件基础、三维形态设计商业摄影以及影视后期技术等专业知识。 （五）对习题课、实验环节的要求 1.每个相关技术种类都安排习题，使学生通过习题作业进一步理解和巩固所学知识，培养学生解决实际问题的能力。 2.课后作业主要是解决授课中的重点和难点，课堂上教师对作业中的重点和难点要特殊强调。学生必须按时完成课后作业，课堂安排作业讲评。授课与讲评出勤情况占课程成绩的20%。

《大数据分析方法与应用》教学大纲

《大数据分析方法与应用》课程教学大纲 课程代码：090542008 课程英文名称：Big Data Analysis: Methods and Applications 课程总学时：40 讲课：40 实验：0 上机：0 适用专业：应用统计学 大纲编写（修订）时间：2017.6 一、大纲使用说明 （一）课程的地位及教学目标 本课程是应用统计学专业的一门专业课，通过本课程的学习，可以使学生学会选用适当的方法和技术分析数据，领会大数据分析方法和应用，掌握复杂数据的分析与建模，使学生能够按照实证研究的规范和数据挖掘的步骤进行大数据研发，为就业与继续深造打下必要而有用的基础。 （二）知识、能力及技能方面的基本要求 1.基本知识：掌握数据挖掘流程、随机森林树的回归算法、基于预测强度的聚类方法、朴素贝叶斯分类、高维回归及变量选择、图模型等。 2.基本能力：要求能在真实案例中应用相应的方法。 3.基本技能：掌握复杂数据的分析与建模。 （三）实施说明 1. 本大纲主要依据应用统计学专业2017版教学计划、应用统计学专业专业建设和特色发展规划和沈阳理工大学编写本科教学大纲的有关规定并根据我校实际情况进行编写的。 2. 课程学时总体分配表中的章节序号在授课过程中可酌情调整顺序，课时分配仅供参考。打“*”号的章节可删去或选学。 3. 建议本课程采用课堂讲授、讨论相结合的方法开展教学，通过讨论等方式强化重点，通过分散难点，使学生循序渐进的掌握难点。 4．教学手段：建议采用多媒体等现代化手段开展教学。 （四）对先修课的要求 本课程的先修课程：应用多元统计分析。 （五）对习题课、实践环节的要求 通过案例讲解算法，鼓励学生演示分析思路和分析收获，使学生有机会诊断问题，并学会选用适当的方法和技术分析数据。 （六）课程考核方式 1．考核方式：考查 2．考核目标：在考核学生基础知识、基本技能，基本能力的基础上，重点考核学生的分析能力、解决实际问题能力。 3．成绩构成：本课程由平时成绩和结课报告的质量评定优、良、中、及格和不及格。 （七）参考书目: 《大数据分析：方法与应用》，王星编，清华大学出版社，2013. 二、中文摘要 《大数据分析方法与应用》是高等学校应用统计学专业的一门选修的专业课。本课程着重介绍了统计学习、数据挖掘和模式识别等领域的各种大数据分析方法。课程主要内容包括大数据分析概述、数据挖掘流程、随机森林树、基于预测强度的聚类方法、贝叶斯分类和因果学习、高

Excel商务数据分析与应用-教学大纲

《Excel商务数据分析与应用》 教学大纲 一、课程信息 课程名称：Excel商务数据分析与应用 课程类别：专业基础课 课程性质：必修 计划学时：60 计划学分：3 先修课程：无 适用专业：本书可作为高等院校电子商务方向相关专业及电子商务技能培训班的学习教材。 课程负责人： 二、课程简介 本书以Excel在电商运营商务数据分析中的实际应用为主线，主要从电商卖家自身、商品、顾客、进销存管理、竞争对手，以及行业状况等方面对商务数据分析进行了深入讲解。 本书分为10章，主要内容包括：商务数据分析与应用基础、使用Excel管理店铺信息、商品销售情况管理、买家购买情况分析与评估、商品销售情况统计与分析、商品采购成本分析与控制、商品库存数据管理与分析、畅销商品统计与分析、竞争对手与行业状况分析，以及销售市场预测分析等。 三、课程教学要求

注：“课程教学要求”栏中内容为针对该课程适用专业的专业毕业要求与相关教学要求的具体描述。“关联程度”栏中字母表示二者关联程度。关联程度按高关联、中关联、低关联三档分别表示为“H”“M”或“L”。“课程教学要求”及“关联程度”中的空白栏表示该课程与所对应的专业毕业要求条目不相关。 四、课程教学内容

五、考核要求及成绩评定

注：此表中内容为该课程的全部考核方式及其相关信息。 六、学生学习建议 1．理论配合实战训练进行学习，提高学生的Excel商务数据分析能力； 2．培养、提升学生的数据分析、网店运营等综合能力。 七、课程改革与建设 本书采用“项目+任务”的体例形式，通过大量的案例操作和分析，让读者真正掌握商务数据分析的方法与技巧。采用图解教学的体例形式，一步一图，以图析文，让读者在学习过程中更直观、更清晰地掌握操作流程与方法，提升学习效果。本书还配有微课视频和完备的教学PPT、电子教案等，能帮助读者更好地理解和应用知识。 平时对学生的考核内容包括出勤情况、在线学习习题完成情况、课堂讨论等方面，占期末总评的50%。期末考试成绩占期末总评的50%。

金融数据分析课程大纲

《金融数据分析》课程教学大纲 （Analyses of Financial Data） ----and Application of SPSS 一、课程说明 课程编码：225212101 课程总学时（理论总学时/实践总学时）51（34/17） 周学时（理论学时/实践学时）3（2/1） 学分: 2.5 开课学期: 5 1．课程类别与性质： 专业限修课程 2．适用专业与学时分配： 适用于信息与计算科学(金融服务方向)专业。 教学容与时间安排表

3．课程教学目的与要求： 学生通过本课程的学习，了解对金融数据进行统计分析的原理和过程，了解各种数据分析模型、统计分析方法的使用条件、应用场合、所需参数及模型的性质，能按照模型的要求输入基本数据合参数，进行运算和统计分析，掌握数据输入、数据分析、数据转换、选择和加权等技巧，掌握各种基本的统计分析模型的计算方法，能根据数据来源、数据类型和分析的目的要求选择适当的统计分析模型进行分析，能对输出结果能作出合理的解释和恰当的运用。 （2）教学要求 4．本门课程与其它课程关系： 本课程属于金融服务专业方向的限选课程，它的前期课程包括：概率论、应用统计、及相关的金融类课程与计算机及软件类课程。 5．推荐教材及参考书： 教材： 《数据统计分析----SPSS原理及应用》（高等学校教材），黄润龙，管于华编，高等教育，2010， 参考书： 《SPSS 18---数据分析基础与实践》，洪成编著，电子工业，2010， 《深入浅出数据分析》， Michael Milton著，芳译，电子工业，2010， 《金融时间序列分析》， Ruey S. Tsay著，家柱译，机械工业，2008， 6．课程教学方法与手段： 课堂理论教学与实验教学相结合，重视学生的理解与实际应用的操作能力。 7．课程考试方法与要求： 本课程是基本知识与实际数据分析相结合的课程，因此本课程考试分为二部分：第一部分由小组进行案例分析，主要是学生组织，论文答辩类型的小组分析；

PowerBI数据分析与数据可视化教案

教案 Power BI数据分析与数据可视化课程名称 课程代码 系(部) 教研室(实验室) 授课教师 职称 年月

课程 名称Power BI数据分析与数据可视化 总计： 32 学时课程 类别 专业课课程代码 授课教师学分 讲授： 20 学时 实验： 10 学时 其他： 2 学时 授课对象 教材和参考资料教材：夏帮贵，《Power BI数据分析基础教程（微课版）》，人民邮电出版社，2019.8 参考资料：王国平，《Microsoft Power BI数据可视化与数据分析》，电子工业出版社，2018.2 课程简介 随着大数据技术的不断研究和发展应用，数据已与人们的生活息息相关。海量的数据通过文件、数据库、联机服务、Web页面等被记录下来，随之出现了大量的数据分析软件。Microsoft推出的Power BI整合了Power Query、Power Pivot、Power View和Power Map等一系列工具，可简单、快捷地从各种不同类型的数据源导入数据，并可使用数据快速创建可视化效果来展示见解。 本课程在内容编排和章节组织上，特别针对Power BI初学者，争取让读者在短时间内掌握Power BI可视化的数据分析方法。本书以“基础为主、实用为先、专业结合”为基本原则，在讲解Power BI技术知识的同时，力求结合项目实际，使读者能够理论联系实际，轻松掌握Power BI 教学难点重点第1章初识Power BI 掌握Power BI Desktop安装方法，了解Power BI Desktop的界面，学会使用Power BI文档。 第2章获取数据 了解数据连接模式，掌握连接到文件、数据库以及Web数据。 第3章查询编辑器 了解查询编辑器，掌握基础查询操作、数据转换、添加列、追加查询以及合并查询。 第4章数据分析表达式 了解DAX基础，掌握DAX函数。 第5章数据视图和管理关系 掌握数据视图的基本操作，掌握关系的管理操作。 第6章报表 掌握报表基本操作、视觉对象基本操作、钻取、数据分组、使用视觉对象数据以及报表主题。 第7章可视化效果 学会使用简单对象和内置视觉对象 第8章Power BI服务 学会注册Power BI服务、在Desktop中使用Power BI服务以及在移动设备中使用Power BI，掌握Power BI服务中的报表操作以及仪表板。 第9章社科研究数据分析 掌握获取社科研究数据和社科研究数据分析。

《大数据》教学大纲-20170720

《大数据》课程教学大纲 适合专业：数据科学与大数据技术专业课程编号： 先修课程：高等数据、线性代数、JAVA 学分: 4 总学时： 64 一、课程性质、目的与要求 课程性质：专业必修课。 课程目的：通过对大数据的相关知识介绍，使学生掌握大数据的概念和原理，熟悉大数据的理论与算法，了解大数据未来发展趋势，能够利用所学知识，进行大数据应用实现和算法设计，培养学生运用大数据技术解决大数据行业应用问题。课程要求：本课程系统介绍了大数据的理论知识和实战应用，包括大数据概念与应用、数据采集与预处理、数据挖掘算法与工具、R语言、深度学习以及大数据可视化等，并深度剖析了大数据在互联网、商业和典型行业的应用。期望学生对大数据处理技术有比较深入的理解，能够从具体问题或实例入手，利用所学的大数据知识在应用中实现数据分析和数据挖掘。 二、教学内容 理论总学时：36学时 第1章大数据概念与应用 2学时基本要求：熟悉大数据的概念与意义、大数据的来源、大数据应用场景及大数据处理方法等内容。 重点：大数据的定义、研究内容与应用。 难点：无。 第2章数据采集与预处理 4学时基本要求：熟悉常用的大数据采集工具，特别是Apache Kafka数据采集使用方法；熟悉数据预处理原理和方法，包括数据清洗、数据集合、数据转换；掌握数

据仓库概念与ETL工具Kettle的实际应用。 重点：Apache Kafka数据采集、数据清洗、数据仓库与ETL工具。 难点：ETL工具Kettle的实际应用。 第3章数据挖掘算法 6学时基本要求：熟悉常用的数据挖掘算法，内容上从分类、聚类、关联规则和预测模型等数据挖掘常用分析方法出发掌握相对应的算法，并能熟练进行数据挖掘算法的综合应用。 重点：分类算法、聚类算法、关联规则、时间序列预测。 难点：数据挖掘算法的综合应用。 第4章大数据挖掘工具 4学时基本要求：熟练掌握机器学习系统Mahout和大数据挖掘工具Spark Mllib下的分类算法、聚类算法、协同过滤算法的使用，并对其他数据挖掘工具有所了解。重点：Mahout安装与使用、Spark Mllib工具的使用。 难点：Mahout和Spark Mllib工具的使用。 第5章 R语言 4学时基本要求：了解R语言的发展历程、功能和应用领域；熟悉R语言在数据挖掘中的应用；掌握R语言在分布式并行实时计算环境Spark中的应用SparkR。 重点：R语言基本功能、R语言在数据挖掘中的应用、SparkR主要机器学习算法。难点：R语言与数据挖掘。 第6章深度学习 4学时基本要求：了解深度学习的发展过程和实际应用场景，并结合人脑的工作原理，理解深度学习的相关概念和工作机制，做到能够熟练使用常用的深度学习软件。重点：人脑神经系统与深度学习、卷积神经网络、深度置信网络、循环（递归）神经网络、TensorFlow和Caffe。 难点：人工神经网络。 第7章大数据可视化 4学时基本要求：熟悉大数据可视化的基础知识；掌握文本可视化、网络可视化、时空数据可视化、多维数据可视化等常用的大数据可视化方法，可通过Excel、Processing、NodeXL和ECharts软件实现数据的可视化。

PowerBI数据分析与数据可视化教学大纲

《Power BI数据分析基础教程（微课版）》教学大纲 学时：32 代码： 适用专业：计算机及应用相关主页 制定： 审核： 批准： 一、课程的地位、性质和任务 数据分析是普通大中专院校计算机科学与技术专业的一门重要的专业基础课。通过本课程的学习，使学生能够在已有的计算机基础知识基础上，对数据分析有一个系统的、全面的了解；在系统理解和掌握Power BI数据分析基本原理的基础上，具有设计和开发数据分析报表的基本能力。 数据分析是一门实践性非常强的学科，它要求学生在理解和掌握Power BI数据分析基本功能的基础上，充分利用实验课程，动手完成实际数据分析和报表设计。 二、课程教学基本要求 1.课程教学以Power BI数据分析方法为主，在教学过程中让学生掌握Power BI数据分析报表设计的本原理和方法。 2.要求在教学过程中合理安排理论课时和实验课时，让学生有充分的使用在计算机上练习理论课程中学到的Power BI数据分析技巧和方法。 三、课程的内容 第1章初识Power BI 掌握Power BI Desktop安装方法，了解Power BI Desktop的界面，学会使用Power BI文档。 第2章获取数据 了解数据连接模式，掌握连接到文件、数据库以及Web数据。 第3章查询编辑器 了解查询编辑器，掌握基础查询操作、数据转换、添加列、追加查询以及合并查询。 第4章数据分析表达式 了解DAX基础，掌握DAX函数。 第5章数据视图和管理关系 掌握数据视图的基本操作，掌握关系的管理操作。 第6章报表 掌握报表基本操作、视觉对象基本操作、钻取、数据分组、使用视觉对象数据以及报表主题。 第7章可视化效果 学会使用简单对象和内置视觉对象 第8章 Power BI服务 学会注册Power BI服务、在Desktop中使用Power BI服务以及在移动设备中使用Power BI，掌握Power BI服务中的报表操作以及仪表板

大数据可视化分析平台介绍

大数据可视化分析平台 一、背景与目标 基于邳州市电子政务建设的基础支撑环境，以基础信息资源库(人口库、法人库、宏观经济、地理库)为基础，建设融合业务展示系统，提供综合信息查询展示、信息简报呈现、数据分析、数据开放等资源服务应用。实现市府领导及相关委办的融合数据资源视角，实现数据信息资源融合服务与创新服务，通过系统达到及时了解本市发展的综合情况，及时掌握发展动态,为政策拟定提供依据。 充分运用云计算、大数据等信息技术，建设融合分析平台、展示平台，整合现有数据资源,结合政务大数据的分析能力与业务编排展示能力，以人口、法人、地理，人口与地理,法人与地理，实现基础展示与分析,融合公安、交通、工业、教育、旅游等重点行业的数据综合分析，为城市管理、产业升级、民生保障提供有效支撑。 二、政务大数据平台 1、数据采集和交换需求:通过对各个委办局的指定业务数据进行汇聚,将分散的数据进行物理集中和整合管理，为实现对数据的分析提供数据支撑。将为跨机构的各类业务系统之间的业务协同，提供统一和集中的数据交互共享服务。包括数据交换、共享和EＴL等功能。 ２、海量数据存储管理需求：大数据平台从各个委办局的业务系统里抽取的数据量巨大,数据类型繁杂,数据需要持久化的存储和访问。不论是结构化数据、半结构化数据，还是非结构化数据,经过数据存储引擎进行建模后，持久化保存在存储系统上。存储系统要具备

高可靠性、快速查询能力。 3、数据计算分析需求：包括海量数据的离线计算能力、高效即席数据查询需求和低时延的实时计算能力。随着数据量的不断增加，需要数据平台具备线性扩展能力和强大的分析能力,支撑不断增长的数据量，满足未来政务各类业务工作的发展需要，确保业务系统的不间断且有效地工作。 4、数据关联集中需求：对集中存储在数据管理平台的数据，通过正确的技术手段将这些离散的数据进行数据关联,即:通过分析数据间的业务关系，建立关键数据之间的关联关系，将离散的数据串联起来形成能表达更多含义信息集合，以形成基础库、业务库、知识库等数据集。 5、应用开发需求:依靠集中数据集,快速开发创新应用，支撑实际分析业务需要。 6、大数据分析挖掘需求:通过对海量的政务业务大数据进行分析与挖掘,辅助政务决策,提供资源配置分析优化等辅助决策功能， 促进民生的发展。

数据分析方法教学大纲

《数据分析方法与软件》课程教学大纲课程类型：选修课程代码：课程总学时：64 总学分： 2 实验课程性质：非独立课程实验学时： 32 实验学分： 课程类别：专业课适用专业：计信本 开课时间： 04 年级 6 学期开课单位：计算机学院 大纲执笔人：彭平大纲审定人： 一、实验课程名称： 数据分析方法（Methods of Data Analysis with software） 二、课程简介 数据分析是分析和处理数据的理论和方法，从中获取有用的信息。数据作为信息的重要载体在当今信息化社会扮演着重要的角色。信息与计算科学专业则主要研究信息技术的核心基础与运用现代计算机工具高效求解科学与工程问题的数学理论与方法。基于这一专业定位，信息与计算科学可包括信息科学与科学计算两个大的方向。而信息科学可以理解为“有关信息获取、信息传输、信息处理与信息控制基础的科学”。数据分析正是信息科学的重要专业基础课程。 三、适用专业与学时学分： 1．信息与计算科学课程总学时：64；总学分：4实验32学时 四、教学目的和内容要求 通过本课程的学习，使学生对数据分析方法的基本原理有系统的理解，掌握利用专业软件进行数据统计分析的方法和步骤。培养学生应用计算机进行统计分析的能力，为后续课程的学习以及解决实际问题打下良好的基础， 1、通过本课程的学习与实践，掌握数据分析的基本原理和统计软件SPSS系统基本用法。

2、通过本课程的学习与实践，能够对数据进行描述性统计分析，熟练使用SPSS软件内部函数，并能分析所得结果。 3、通过本课程的学习与实践，加深对数据分析方法的基本理论（回归分析、方差分析、聚类分析、判别分析等）的理解，掌握统计软件的各个操作方法和步骤，并能结合具体问题和相关知识对计算结果给出合理的解释。 主要内容： 五、实验课程内容及要求

数据分析与可视化专业方向分析

信息与计算科学专业方向分析 ——数据分析与可视化 一、概念 数据分析是指为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。 数据分析与数据挖掘密切相关，但数据挖掘往往倾向于关注较大型的数据集，较少侧重于推理，且常常采用的是最初为另外一种不同目的而采集的数据。 在统计学领域，有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析；其中，探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。 数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。但是，这并不就意味着，数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。当前，在研究、教学和开发领域，数据可视化乃是一个极为活跃而又关键的方面。“数据可视化”这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。 二、作用与意义 数据分析工作在现实中的价值存在，无论是对于国家政府部门、企事业单位，还是民营企业等其他类型组织来说，任何工作都要在经过一定程度的分析之后再作决策，不经分析判断就拍板的“拍脑门”决策带来的危害已经被人们所广泛认识。数据分析工作，不仅能通过对真实数据的分析去发现问题，还能够通过经济学原理建立数学模型，对投资或其他决策是否可行进行分析，预测未来的收益及风险情况，为作出科学合理的决策提供依据。 数据分析工作用事实说话，用数据揭示工作现状和发展趋势，改变了凭印象、凭感觉决策的不科学状况，客观地抓住了工作中存在的突出问题，使这些问题无可争辩地反映在面前，促使人们不得不努力提高水平、改正问题。数据分析工作提高了工作效率，增强了管理的科学性。无论是国家政府部门、企事业单位还是个人，数据分析工作都是进行决策和做出工作决定之前的重要环节，数据分析工作的质量高低直接决定着决策的成败和效果的好坏。它应用于经济发展的

大数据分析A教学大纲

清华大学大数据方向硕士学位 公共必修课课程 数据分析学（I） Data Analytics (I) 开课单位：数据分析学（I）课程组 授课教师: 黎波、张楠、郑路、庞珣、苏毓淞、罗昊、王程韡（暂定） 教学目的： 本课是针对社会科学和管理类研究学开设的数据分析基本课程。通过本课的学习，学生将对（大）数据分析的价值、意义和基本原理建立清晰和比较全面的认识，掌握有关数据发掘、处理、建模和解释的基本原理和方法，了解和熟悉数据分析在社会科学研究、商业分析和公共管理等领域的实际案例。 Data Analytics (I) is a graduate level course mainly designed for students with social sciences and management background. The objective of the course to give students a broad overview of the basic principles and applications of data analytics. Students will also be familiar with the various aspects of data analytics such as exploring, managing, modeling and interpreting data. Students’ learning will also be enhanced by their exposure to r eal life applications of data analytics in social science research, business analysis and public management.