Python數(shù)據(jù)分析課程面向經(jīng)管類專業(yè)的實(shí)訓(xùn)設(shè)計(jì)
經(jīng)管類專業(yè)學(xué)生并非都要成為程序員，但讀表、清洗、畫圖、做結(jié)論已是崗位常態(tài)。Python數(shù)據(jù)分析課程如果照搬計(jì)算機(jī)系的語法教學(xué)，容易勸退。把案例錨定在銷售、庫存、薪酬這類業(yè)務(wù)數(shù)據(jù)上，學(xué)生的上手速度明顯更快。
表格清洗與缺失值處理
第一節(jié)用pandas讀取一份門店銷售表，學(xué)生面對的是合并單元格、日期格式混亂、空值夾雜的真實(shí)臟數(shù)據(jù)。教師要求用fillna與dropna兩種策略分別處理，并對比對月銷售額均值的影響。一份作業(yè)因直接刪除含空值的整行，導(dǎo)致周末數(shù)據(jù)缺失近兩成，被要求改用按品類均值填補(bǔ)。
課堂強(qiáng)調(diào)清洗不是越干凈越好，而是要可解釋。學(xué)生需寫明每一步處理的理由，例如'促銷日標(biāo)記為異常但不刪除'。教師展示某零售企業(yè)因誤刪退貨行導(dǎo)致庫存虛高的真實(shí)教訓(xùn)，讓學(xué)生意識到清洗決策會傳導(dǎo)到經(jīng)營判斷。
分組聚合與業(yè)務(wù)指標(biāo)計(jì)算
第二模塊練groupby，學(xué)生按地區(qū)、品類、月份做銷售額與客單價的多維匯總。教師給的任務(wù)是從一張10萬行訂單表找出復(fù)購率靠前的5個品類，學(xué)生用shift函數(shù)判斷同一用戶相鄰訂單間隔。不少人第一次寫出超過20行的鏈?zhǔn)酱a時很有成就感。
教師引導(dǎo)學(xué)生區(qū)分'均值'與'中位數(shù)'的使用場景，例如客單價分布右偏時中位數(shù)更有參考意義。班級用兩份報(bào)表對比，一份用均值被頭部大單拉高、一份用中位數(shù)更貼近多數(shù)門店，學(xué)生由此理解指標(biāo)選擇本身也是一種分析立場。
可視化與結(jié)論表達(dá)
第三模塊用matplotlib與seaborn做趨勢、占比、相關(guān)三類圖。教師要求每圖必須配一句結(jié)論，禁止只放圖不說話。學(xué)生把一年的月度GMV畫成折線，標(biāo)出618與雙11兩個波峰，并附注'大促貢獻(xiàn)約三成全年銷售額'。
課堂還練了相關(guān)散點(diǎn)圖，學(xué)生發(fā)現(xiàn)廣告投入與銷售額相關(guān)系數(shù)僅0.4，打破'投得多就賣得多'的直覺。教師提醒相關(guān)不等于因果，避免學(xué)生把圖當(dāng)證據(jù)亂下結(jié)論。這類訓(xùn)練讓圖表回到'輔助決策'而非'裝飾'的定位。
期末項(xiàng)目與報(bào)告規(guī)范
結(jié)課要求學(xué)生自選一份公開數(shù)據(jù)集做完整分析，并用Jupyter整理成可復(fù)現(xiàn)的報(bào)告。教師抽查代碼塊是否按順序運(yùn)行、結(jié)論是否有圖支撐。約三成初稿出現(xiàn)'結(jié)論在前、圖在后且對不上'的問題，需重排敘事。
評分標(biāo)準(zhǔn)中'可復(fù)現(xiàn)'占兩成，即他人拿到數(shù)據(jù)和notebook能跑出同樣結(jié)果。多位用人單位反饋，能交付干凈分析報(bào)告的經(jīng)管畢業(yè)生，在運(yùn)營崗試用期表現(xiàn)更穩(wěn)。這也印證了課程把業(yè)務(wù)而非語法放在中心的設(shè)計(jì)。
建議與會計(jì)、營銷課程聯(lián)合出題，讓學(xué)生用同一份數(shù)據(jù)從財(cái)務(wù)與渠道兩個角度各寫一段結(jié)論，體會同一事實(shí)的不同解讀。