基于数据统计与分析的企业运营管理

3、                      数据分析需要什么样的能力

Ø       懂业务、懂管理、懂分析、懂工具、懂呈现

4、                      大数据应用的四层结构

Ø       数据基础层、数据模型层、业务模型层、业务应用层

5、                      数据分析与挖掘在企业中的应用

第二部分：数据分析基本过程

1、                      数据分析的六步曲

2、                      步骤1：明确目的--理清思路

Ø       先有数据还是先有问题？

Ø       确定分析目的

Ø       确定分析思路

3、                      步骤2：数据收集—理清思路

Ø       明确收集数据范围

Ø       确定收集来源

Ø       确定收集方法

演练：

4、                      步骤3：数据预处理—寻找答案

Ø       数据清洗、转化、提取、计算

Ø       数据质量评估

演练：

5、                      步骤4：数据分析--寻找答案

Ø       分析方法选择

Ø       构建合适的分析模型

Ø       分析工具选择

6、                      步骤5：数据展示--观点表达

Ø       选择合适的可视化工具

Ø       选择恰当的图表

7、                      步骤6：报表撰写--观点表达

Ø       选择报告种类

Ø       完整的报告结构

8、                      数据分析的三大误区

案例：

第三部分：数据分析方法篇

问题：数据分析有什么方法可依?不同的方法适用解决什么样的问题？

1、                      数据分析方法的层次

Ø       基本分析法（对比/分组/结构/趋势/…）

Ø       综合分析法（交叉/综合评价/杜邦/漏斗/…）

Ø       高级分析法（相关/方差/验证/回归/时序/…）

Ø       数据挖掘法（聚类/分类/关联/RFM模型/…）

2、                      基本分析方法及其适用场景

Ø       对比分析（查看数据差距）

Ø       分组分析（查看数据分布）

Ø       结构分析（评估事物结构）

Ø       趋势分析（发现变化规律）

3、                      综合分析方法及其适用场景

Ø       交叉分析（两维分析）

Ø       综合评价法（多维指标归一）

Ø       杜邦分析法（关键因素分析-财务数据分析）

Ø       漏斗分析法（关键流程环节分析-流失率与转化率分析）

Ø       矩阵分析法（产品策略分析-象限图分析法）

4、                      最合适的分析方法才是硬道理。

第四部分：解读数据分析结果

问题：数据多，看不明白，不知道从何处看出业务问题？

1、                      数据分析的目的

Ø       发现业务规律

Ø       发现业务异常

Ø       寻找业务策略

2、                      对比分析及业务策略

Ø       看差距，补短板

Ø       看极值，评优劣

Ø       看异常，找原因

3、                      结构分析及业务策略

Ø       看占比，聚焦重点

Ø       看失衡，优化结构

4、                      趋势分析及业务策略

Ø       看变化，说趋势

Ø       看峰谷，找规律

Ø       看异常，找原因

5、                      解读要符合业务逻辑

第五部分：数据分析思路篇

问题：数据分析思路是怎样的？如何才能全面/系统地分析而不遗漏？

1、                      数据分析的思路

Ø       从KPI指标开始

Ø       从营销/管理模型开始

2、                      常用分析思路模型

3、                      企业外部环境分析（PEST分析法）

4、                      用户消费行为分析（5W2H分析法）

5、                      公司整体经营情况分析（4P营销理论）

6、                      业务问题专题分析（逻辑树分析法）

7、                      用户使用行为研究（用户使用行为分析法）

第六部分：图表呈现篇

问题：如何让你的分析结果更直观易懂？如何让数据“慧”说话？

1、                      图表类型与作用

2、                      常用图形及适用场景

3、                      常用图形

Ø       柱状图（对比分析）

Ø       条形图（对比分析）

Ø       折线图（趋势分析）

Ø       饼图（结构分析）

Ø       雷达图（多重数据比较）

演练：图形绘制

4、                      复杂图形

Ø       平均线图（对比分析）

Ø       双坐标图（不同量纲呈现）

Ø       对称条形图（对比）

Ø       散点图/气泡图（矩阵分析法）

Ø       瀑布图（成本、收益构成分析）

Ø       漏斗图（用户转化率分析）

演练：图形绘制

5、                      动态图表画法技巧

6、                      图表美化原则

7、                      表格呈现

8、                      优秀图表示例解析

第七部分：分析报告撰写

问题：如何让你的分析报告显得更专业？

1、                      分析报告的种类与作用

2、                      报告的结构

3、                      报告命名的要求

4、                      报告的目录结构

5、                      前言

6、                      正文

7、                      结论与建议

8、                      优秀报告展现与解析

第八部分：数据分析实战篇（中级）

1、                      相关分析（衡量变量间的的相关性）

问题：营销费用会影响销售额吗？影响程度大吗？

Ø       什么是相关关系

Ø       相关系数：衡量相关程度的指标

Ø       相关分析的步骤与计算公式

Ø       相关分析应用场景

2、                      方差分析

问题：哪些才是影响销量的关键因素？

Ø       方差分析解决什么问题

Ø       方差分析种类：单因素/双因素可重复/双因素无重复

Ø       方差分析的应用场景

Ø       如何解决方差分析结果

3、                      回归分析（预测）

问题：如何预测未来的销售量（定量分析）？

Ø       回归分析的基本原理和应用场景

Ø       回归分析的种类（一元/多元、线性/曲线）

Ø       回归分析的五个步骤与结果解读

Ø       回归预测结果评估（如何评估预测质量，如何选择最佳回归模型）

Ø       回归分析（带分类变量）

4、                      时序分析（预测）

问题：随着时间变化，未来的销量变化趋势如何？

Ø       时序分析的应用场景（基于时间的变化规律）

Ø       移动平均的预测原理

Ø       指数平滑的预测原理

第九部分：数据挖掘实战篇（高级）

1、                      聚类分析

问题：

Ø       聚类分析及其作用

Ø       聚类分析的种类

Ø       层次聚类：发现多个类别

Ø       R型聚类与Q型聚类的区别

Ø       K均值聚类

2、                      分类分析

问题：

Ø       分类与聚类

Ø       决策树分类的原理

Ø       如何评估分类性能

3、                      关联分析

问题：

Ø       关联分析解决什么样的问题

Ø       如何提取关联规则

Ø       关联规则的应用场景

演练：

4、                      RFM模型

问题：如何评估客户的价值？如何针对不同客户采取不同的营销策略？

Ø       RFM模型介绍

Ø       RFM的客户细分框架理解

结束：课程总结与问题答疑。