|
课程培训
|
大数据分析综合能力提升培训
【课程目标】 本课程为基础课程，面向所有业务部门。 本课程的主要目的是，帮助学员了解大数据的本质，培养学员的数据意识和数据思维，掌握常用的统计分析方法和工具，以业务问题为导向，提升学员的数据分析综合能力。 一般情况下，在企业中有80%的数据分析工作（比如业务分析、经营分析等等），都可以使用简单的统计分析方法来解决，关键在于发现企业运营过程中的业务规律及业务问题，进而提出业务策略及建议，供企业领导进行决策。 本课程具体内容包括： 1、 数据核心本质，数据决策逻辑 2、 数据分析过程，数据分析框架 3、 数据分析方法，数据可视呈现 本课程从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，对数据分析及数据挖掘技术进行了全面的介绍（从数据收集与处理，到数据分析与挖掘，再到数据可视化和报告撰写），通过大量的操作演练，帮助学员掌握数据分析和数据挖掘的思路、方法、表达、工具，从大量的企业经营数据中进行分析，挖掘客户行为特点，帮助运营团队深入理解业务运作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。 通过本课程的学习，达到如下目的： 1、 了解数据分析的本质，理解数据决策的底层逻辑 2、 学会搭建数据分析框架，熟悉常用的业务模型 3、 熟悉数据分析标准过程，能够按步骤进行数据分析 4、 掌握常用统计分析方法，熟练使用Excel高级数据分析工具 【授课时间】 1天时间（6个小时）
【授课对象】 销售部门、营业厅、呼叫中心、业务支撑、经营分析部、运营分析部等对业务数据分析有基本要求的相关人员。
【课程大纲】 第一部分： 数据决策逻辑—数据思维篇(1:40) 问题：什么是数据思维？大数据决策的底层逻辑以及决策依据是什么？ 1、 大数据的本质 Ø 数据，是事物发展和变化过程中留下的痕迹 Ø 大数据不在于量大，而在于全（多维性） 2、 大数据决策的底层逻辑（即四大核心价值） Ø 探索业务规律，按规律来管理决策 案例：客流规律与最佳营销时机 案例：致命交通事故发生的时间规律 Ø 发现运营变化，定短板来运营决策 案例：考核周期导致的员工月初懈怠 案例：工序信号异常监测设备故障 Ø 理清要素关系，找影响因素来决策 案例：情绪对于股市涨跌的影响 案例：为何升职反而会增加离职风险？ Ø 预测未来趋势，通过预判进行决策 案例：惠普预测员工离职风险及挽留 案例：保险公司的车险预测与个性化保费定价 3、 大数据决策的三个关键环节 Ø 业务数据化：将业务问题转化为数据问题 Ø 数据信息化：提取数据中的业务规律信息 Ø 信息策略化：基于规律形成业务应对策略 案例：用数据来识别喜欢赚“差价”的营业员 第二部分： 数据分析过程—流程步骤篇(0:20) 1、 数据分析的六步曲 2、 步骤1：明确目的，确定分析思路 Ø 确定分析目的：要解决什么样的业务问题 Ø 确定分析思路：分解业务问题，构建分析框架 3、 步骤2：收集数据，寻找分析素材 Ø 明确数据范围 Ø 确定收集来源 Ø 确定收集方法 4、 步骤3：整理数据，确保数据质量 Ø 数据质量评估 Ø 数据清洗、数据处理和变量处理 Ø 探索性分析 5、 步骤4：分析数据，寻找业务答案 Ø 选择合适的分析方法 Ø 构建合适的分析模型 Ø 选择合适的分析工具 6、 步骤5：呈现数，解读业务规律 Ø 选择恰当的图表 Ø 选择合适的可视化工具 Ø 提炼业务含义 7、 步骤6：撰写报告，形成业务策略 Ø 选择报告种类 Ø 完整的报告结构
第三部分： 数据分析框架—分析框架篇(1:00) 问题：如何才能全面/系统地分析而不遗漏？如何分解和细化业务问题？ 1、 分析思路来源于业务模型 Ø 外部环境分析：PEST Ø 业务专题分析：5W2H Ø 竞品/竞争分析：SWOT、波特五力 Ø 营销市场专题分析：4P/4C等 2、 分析框架主要内容 3、 用户行为分析（5W2H分析思路和框架） Ø WHY：原因（用户需求、产品亮点、竞品优劣势） Ø WHAT：产品（产品喜好、产品贡献、产品功能、产品结构） Ø WHO：客户（基本特征、消费能力、产品偏好） Ø WHEN：时间（淡旺季、活跃时间、重购周期） Ø WHERE：区域/渠道（区域喜好、渠道偏好） Ø HOW：支付/促销（支付方式、促销方式有效性评估等） Ø HOW MUCH：价格（费用、成本、利润、收入结构、价格偏好等） 案例：搭建用户消费习惯的分析框架 第四部分： 数据分析方法—统计方法篇(3:00） 问题：数据分析方法的种类？分析方法的不同应用场景？ 1、 业务分析的三个阶段 Ø 现状分析：通过企业运营指标来发现规律及短板 Ø 原因分析：查找数据相关性，探寻目标影响因素 Ø 预测分析：合理配置资源，预判业务未来的趋势 2、 常用的数据分析方法种类 Ø 描述性分析法（对比/分组/结构/趋势/交叉…） Ø 相关性分析法（相关/方差/卡方…） Ø 预测性分析法（回归/时序/决策树/神经网络…） Ø 推断型分析法（概率分布/参数估计/假设检验） Ø 专题性分析法（聚类/关联/RFM模型/…） 3、 统计分析基础 Ø 统计分析两大关键要素（类别、指标） Ø 统计分析的操作模式（类别à指标） Ø 统计分析三个操作步骤（统计、画图、解读） 4、 常用的描述性指标 Ø 集中程度：均值、中位数、众数 Ø 离散程度：极差、方差/标准差、IQR Ø 分布形态：偏度、峰度 5、 基本分析方法及其适用场景 Ø 对比分析（查看数据差距，发现事物变化） 演练：寻找用户的地域分布特征 演练：分析产品受欢迎情况及贡献大小 演练：用数据来探索增量不增收困境的解决方案 Ø 分布分析（查看数据分布，探索业务层次） 演练：银行用户的消费水平和消费层次分析 演练：客户年龄分布/收入分布分析 案例：通信运营商的流量套餐划分合理性的评估 Ø 结构分析（查看指标构成，评估结构合理性） 案例：增值业务收入结构分析（通信） 案例：物流费用成本结构分析（物流） 案例：动态结构分析 演练：财务领域的结构瀑布图、财务收支的变化瀑布图 Ø 趋势分析（发现事物随时间的变化规律） 案例：产品销售的淡旺季分析 案例：用户活跃时间规律 演练：发现客流量的时间规律 Ø 交叉分析（从多个维度的数据指标分析） 演练：不同客户的产品偏好分析 演练：不同学历用户的套餐偏好分析 演练：银行用户的违约影响因素分析 结束：课程总结与问题答疑。 如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表点击在线申请 服务特点： 海量专家资源，精准匹配相关行业，相关项目专家，针对实际需求，顾问式咨询，互动式授课，案例教学，小班授课，实际项目演示，快捷高效，省时省力省钱。 专家力量： 中国科学院软件研究所，计算研究所高级研究人员 oracle,微软，vmware，MSC,Ansys，candence,Altium,达索等大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关技术专业，理论素养丰富 多年实际项目经历，大型项目实战案例，热情，乐于技术分享 针对客户实际需求，案例教学，互动式沟通，学有所获 |
|
