Google 数据分析基础课程
系统化的 Google 数据分析课程，覆盖数据生命周期、电子表格、SQL、R、Tableau 与仪表板，并配有练习题。
课程进度
0 / 5
返回课程
你将学到
- 描述 Ask-Prepare-Process-Analyze-Share-Act 工作流。
- 用电子表格函数清洗和汇总数据。
- 用 SQL 查询关系型数据。
- 用 R 和 Tableau 进行分析与可视化。
- 构建仪表板并沟通洞察。
开始前准备
- 具备基础电脑操作能力。
- 建议熟悉电子表格。
- 无需编程经验。
课程 1 提问与数据生命周期
Google 数据分析课程按 Ask、Prepare、Process、Analyze、Share、Act 六个阶段组织。先定义业务问题和数据需求，再收集、清洗、分析、分享并推动行动。还要区分一手与二手数据、结构化与非结构化数据，并注意数据伦理与偏差。例如，若目标是提高复购率，先定义复购率的口径，再确定需要订单、用户和访问记录等数据。准备阶段要确保字段命名一致，处理阶段要处理缺失值和异常值。分析时比较不同人群的表现，并用图表展示差异。最终报告应给出明确结论和可执行建议。
示例
示例：先问业务希望改变什么，再定义能证明改变是否有效的指标。课程 2 用电子表格清洗与分析
电子表格是数据分析的基础工具。掌握单元格、区域、命名区域和公式，并用 TRIM、CLEAN、UPPER、SPLIT 清洗文本。数据透视表汇总数据，条件格式突出异常值，数据验证限制错误输入，XLOOKUP 用于跨表查找。分析前先检查每列的数据类型和含义，删除重复行并统一日期格式；用 COUNTIF、SUMIF 统计满足条件的记录，再用透视表对比分类结果。例如，清洗客户名单时先统一大小写和空格，再用 XLOOKUP 关联订单表。透视表可以按地区汇总销售额，条件格式可以标出低于目标的月份。保存前检查公式是否引用正确范围，避免手工复制错误。
示例
示例：在匹配客户姓名前先使用 TRIM 和 CLEAN，让不同系统的记录对齐。课程 3 使用 SQL 查询数据
SQL 是查询关系型数据库的标准语言。用 SELECT 选列、WHERE 过滤、ORDER BY 排序、LIMIT 限制行数。GROUP BY 配合 COUNT、SUM、AVG 聚合，JOIN 连接表，主键与外键用于关联数据。写查询时先看表和键，再逐步添加过滤与分组，并用小样本验证行数。CASE 可把原始值转换为有意义的业务分类，DISTINCT 用于去重。例如，要统计每个地区的订单量，可以先 SELECT region, COUNT(*) FROM orders GROUP BY region。若只看高价值客户，再用 WHERE 过滤金额。JOIN 前确认关联键没有重复，否则结果会被放大。
示例
示例：用 SELECT region, COUNT(*) FROM orders GROUP BY region 按地区统计订单。课程 4 R、整洁数据与可视化
R 是专为统计和数据分析设计的语言。数据框存储表格，向量存储一维值。tidyverse 的 dplyr 提供 filter、select、mutate、summarize 等动词，ggplot2 用于绘图。保持整洁数据并让分析可复现。整洁数据要求每列是一个变量、每行是一个观测。把清洗和分析写成脚本后，数据更新时可以直接重跑；需要交互式展示时再导出到 Tableau。例如，用 read.csv() 读取销售数据，用 filter() 只看本月，用 group_by() 和 summarize() 计算各地区平均值，再用 ggplot2 画条形图。脚本保存后可以重复运行，避免手工步骤造成误差。
示例
示例：先用 filter(sales, region == "APAC") 过滤，再用 summarize() 计算区域平均值。课程 5 仪表板、数据叙事与分享
仪表板把分析变成决策工具，只保留对受众重要的 KPI。趋势用折线图，对比用条形图。Tableau 的工作表、维度、度量、计算字段和仪表板用于构建交互视图，故事用于呈现叙事。制作前先明确受众和决策场景，选择合适图表并添加筛选器与提示信息；分享时补充背景、局限和建议，让阅读者知道下一步该做什么。例如，月度经营仪表板可以包含收入趋势、地区对比、渠道占比和异常提醒。设计时先放最重要的指标，使用统一颜色和清晰标题，筛选器让用户自行探索，但默认视图应回答核心问题。