數字化運營下的數據分析思維訓練
講(jiang)師：陳則 瀏覽次數：2646
課程(cheng)描述INTRODUCTION
培訓講師：
課程價格：
培訓天數：日程安排(pai)SCHEDULE
課(ke)程大綱(gang)Syllabus
數字化運營分析思維課程
【課程目標】
本數據分析與挖掘系列課程包括三個等級的課程：
1、 基礎課程，專注于經營數據的統計與數據分析，適合于一般業務部門要求的數據統計與分析，內容系統且全面，使用工具為Excel 2013版本。
2、 中級課程，專注于行業數據分析與數據挖掘，適合于數據分析部、業務支撐部等對數據分析與挖掘要求較高的部門，使用專業數據分析與挖掘工具SPSS v19版本。
3、 高級課程，專注于較深入的數據挖掘技術，包括挖掘模型原理介紹，數據建模，挖掘算法，適合于大數據系統開發及數據分析專業人士，需要有一定的數學基礎（統計與概率）。
本課程為基礎課程，面向業務部門的數據分析能力提升。
本課程從實際的業務需求出發，結合行業的典型應用特點，圍繞實際的商業問題，對數據分析及數據挖掘技術進行了全面的介紹（從數據收集與處理，到數據分析與挖掘，再到數據可視化和報告撰寫），通過大量的操作演練，幫助學員掌握數據分析和數據挖掘的思路、方法、表達、工具，從大量的企業經營數據中進行分析，挖掘客戶行為特點，幫助運營團隊深入理解業務運作，以達到提升學員的數據綜合分析能力，支撐運營決策的目的。
通過本課程的學習，達到如下目的：
1、 了解大數據基礎知識，理解大數據思維方式。
2、 學會數據分析的框架和思路，掌握常用數據分析方法來分析問題。
3、 熟悉數據分析的基本過程，掌握Excel高級數據分析庫操作。
4、 熟練使用圖表制作工具，掌握圖表美化原則，正確使用圖表來表達觀點。
5、 掌握數據分析報告的寫作技巧及要點，全面正確地呈現分析結果。
【授課對象】
財務部門、銷售部門、營業廳、業務支撐、經營分析、網管/網優中心、運營分析部、呼叫中心等對業務數據分析有基本要求的相關人員。
【課程大綱】
第一部分：認識數據分析
問題：數據分析是神馬?數據分析基本過程？
1、 數據分析面臨的常見問題
不知道從哪里入手分析（缺少分析方法）
不知道收集什么樣的數據（業務理解不足）
看不懂數據表達的意思（數據解讀能力差）
擔心分析不夠全面（分析思路不系統）
2、 認識數據分析
什么是數據分析
數據分析的三大作用
數據分析的三大類型
3、 數據分析需要什么樣的能力
懂業務、懂分析、懂工具、懂呈現
4、 大數據應用的四層結構
數據基礎層、數據模型層、業務模型層、業務應用層
5、 數據分析與挖掘在企業中的應用
第二部分：數據分析基本過程
1、 數據分析的六步曲
2、 步驟1：明確目的--理清思路
先有數據還是先有問題？
確定分析目的
確定分析思路
3、 步驟2：數據收集—理清思路
明確收集數據范圍
確定收集來源
確定收集方法
4、 步驟3：數據預處理—尋找答案
數據清洗、轉化、提取、計算
數據質量評估
5、 步驟4：數據分析--尋找答案
分析方法選擇
構建合適的分析模型
分析工具選擇
6、 步驟5：數據展示--觀點表達
選擇合適的可視化工具
選擇恰當的圖表
7、 步驟6：報表撰寫--觀點表達
選擇報告種類
完整的報告結構
演練：Excel數據導入練習
演練：Excel數據預處理練習
8、 數據分析的三大誤區
第三部分：數據分析方法篇
問題：數據分析有什么方法可依?不同的方法適用解決什么樣的問題？
1、 數據分析的三層次
統計匯總（對比/分組/結構/趨勢/…）
數據分析（相關/方差/驗證/回歸/時序/…）
數據挖掘（聚類/分類/關聯/RFM模型/…）
2、 統計分析常用指標
正確理解均值、方差、分布
正確理解分布與直方圖
演練：呼叫中心通話時間、時長的數據分析
3、 學會使用透視表（數據統計的利器）
案例演練：數據統計利器（透視表）
4、 基本數據分析方法及其適用場景
-對比分析
-分組分析
-平均分析
-趨勢分析
-交叉分析
-結構分析
案例：服務水平數據分析案例
5、 綜合數據分析方法
多維數據分析（綜合評價法）
財務數據分析（*分析法）
流失率與轉化率分析（漏斗分析法）
產品策略分析（象限圖分析法）
案例：品牌認知度分析
6、 最合適的分析方法才是硬道理。
7、 如何解讀數據分析結果？
第四部分：解讀數據分析結果
問題：數據多，看不明白，不知道從何處看出問題？
1、 數據分析的目的
發現業務問題
發現業務規律
尋找業務解決策略
2、 對比分析及業務策略
看差距，補短板
看極值，評優劣
看異常，找原因
3、 結構分析及業務策略
看占比，聚焦重點
看失衡，優化結構
4、 趨勢分析及業務策略
看變化，說趨勢
看峰谷，找規律
看異常，找原因
5、 解讀要符合業務邏輯
第五部分：數據分析思路篇
問題：數據分析思路是怎樣的？如何才能全面/系統地分析而不遺漏？
1、 數據分析的思想與框架
2、 企業外部環境分析（PEST分析法）
案例：電信行業情況分析
3、 用戶消費行為分析（5W2H分析法）
案例：用戶消費行為分析（5W2H）
4、 公司整體經營情況分析（4P營銷理論）
5、 業務問題專題分析（邏輯樹分析法）
6、 用戶使用行為研究（用戶使用行為分析法）
案例：終端銷量行為分析
第六部分：數據分析實戰篇（中級）
1、 常用數據分析工具
常用數據分析EXCEL
專業數據分析SPSS
2、 EXCEL分析功能介紹
模擬分析
規劃求解
數據分析庫
3、 描述統計（對數據的簡單描述）
商業問題：如何更好地描述數據？如何衡量集中程度、離散程度？
描述統計內容
案例：均值、范圍/方差計算？如何理解？
直方圖/柏拉圖
商業問題：如何評估銷量數據的分布情況？
案例：客服中心如何排班更合理？
4、 相關分析（衡量變量間的的相關性）
商業問題：營銷費用會影響銷售額嗎？影響程度大嗎？
什么是相關關系
相關系數：衡量相關程度的指標
相關分析的過程
相關分析應用場景
演練：體重與腰圍的關系
案例：香港酒樓與報考廳的相關關系
5、 方差分析
商業問題：哪些才是影響銷量的關鍵因素？
方差分析解決什么問題
方差分析種類：單因素/雙因素可重復/雙因素無重復
方差分析的應用場景
如何解決方差分析結果
演練：終端銷量與擺放位置有關系嗎？（單因素方差分析）
演練：時間、區域是否是影響終端銷量的關鍵因素（雙因素無重復方差分析）
演練：廣告和價格是影響終端銷量的關鍵因素嗎（雙因素可重復）
案例：2015年大學生工資與父母職業的關系
案例：洗手與嬰兒存活率的關系
6、 回歸分析（預測）
商業問題：如何預測未來的銷售量（定量分析）？
回歸分析的基本原理
回歸分析的作用
回歸分析的種類（一元/多元、線性/曲線）
回歸分析的方法及分析結果解讀
演練：推廣費用、辦公費用與銷售額的關系
回歸分析（帶分類變量）
演練：工齡、性別與終端銷量的關系
演練：多元線性回歸：汽車銷量的季節性變化
7、 時序分析（預測）
商業問題：隨著時間變化，未來的銷量變化趨勢如何？
時序分析的應用場景（基于時間的變化規律）
移動平均的預測原理
指數平滑的預測原理
案例：終端銷量數據分析與預測
8、 聚類分析
商業問題：很多個業務數據字段，客戶到底有什么特征呢？
聚類分析的應用場景
聚類分析的操作流程（SPSS）
聚類分析結果解讀
案例：客戶業務數據分析與聚類
數字化運營分析思維課程
轉載：//citymember.cn/gkk_detail/293158.html
已(yi)開課時間Have start time
- 陳則
[僅限會員]
大數據營銷內訓
- 數據驅動價值 ——基于Ex 張曉如(ru)
- 數據創造價值——大數據分析 張(zhang)曉如
- 大數據提升：用戶體驗提升與 武建偉
- 《精細運營——京東/天貓平 武建偉
- 建材門店--微信獲客與運營 武建偉
- 《流量神器，銷量升級：如何 武建偉
- 《大數據精益化營銷思維與運 喻國慶
- 大數據項目解決方案及應用 胡國(guo)慶
- 《大數據分析與客戶開發》 喻國慶
- 《銀行--網絡消費行為與網 武建偉
- 能源電力企業數字化轉型探索 李開東
- 企業區塊鏈技術的應用場景與 李璐