|
课程培训
|
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。 本课程具体内容包括： 1、 大数据的本质，核心数据思维 2、 数据分析过程，数据分析框架 3、 数据分析工具，数据可视呈现 4、 影响因素分析，定量预测模型 本课程从实际的业务需求出发，结合行业的典型应用，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、 掌握常用数据分析方法，熟练使用Excel高级数据分析工具 5、 掌握常用高级定量预测模型，理解模型原理，学会解读模型含义 【授课对象】 销售部、营业厅、市场营销部、运营分析部、业务支撑部等业务及应用人员。 本课程由浅入深，结合原理主讲软件工具应用，不需要太深的数学知识，但希望掌握数据分析的相关人员。 【课程大纲】 第一部分： 数据决策逻辑—数据思维篇 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、 数字化五大技术战略：ABCDI战略 2、 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） Ø 业务导向还是技术导向 3、 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：客流规律与排班及最佳营销时机 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 4、 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 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 演练：产品精准营销案例分析 Ø 如何搭建精准营销分析框架 Ø 精准营销分析的过程和步骤 第三部分： 数据分析方法—统计方法篇 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 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 演练：优质客户的特征分析 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 演练：呼叫中心接听电话效率分析 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 案例：物流费用成本结构分析 案例：用户群动态结构分析 演练：财务领域的结构瀑布图/变化瀑布图 Ø 趋势分析（发现事物随时间的变化规律） 案例：手机销量的淡旺季分析 案例：用户活跃时间规律分析 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：银行用户违约的影响因素分析 演练：提取流失客户的典型特征 第四部分： 数据分析方法—分析框架篇 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、 业务分析思路和分析框架来源于业务模型 2、 常用的业务模型 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 3、 精准营销的业务模型（6R准则） 案例：如何构建大数据精准营销的分析框架 4、 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） 研讨：结合公司情况，找一个商业目标来搭建分析框架（5W2H） 5、 数据分析策略 第五部分： 影响因素分析—原因分析篇 营销问题：哪些因素是影响业务目标的关键要素？比如，产品在货架上的位置是否对销量有影响？价格和广告开销是如何影响销量的？影响风控的关键因素有哪些？如何判断？ 1、 影响因素分析的常见方法 2、 相关分析（衡量两数据型变量的线性相关性） Ø 相关分析简介 Ø 相关分析的应用场景 Ø 相关分析的种类 Ø 相关分析的基本步骤 演练：营销费用会影响销售额吗？影响程度如何量化？ 演练：哪些因素与汽车销量有相关性 演练：影响用户消费水平的因素会有哪些 3、 方差分析（衡量类别变量与数值变量间的相关性） Ø 方差分析的应用场景 Ø 方差分析的三个种类 ² 单因素方差分析 ² 多因素方差分析 ² 协方差分析 Ø 单因素方差分析的原理 Ø 方差分析的四个步骤 Ø 解读方差分析结果的两个要点 演练：摆放位置与销量有关吗 演练：客户学历对消费水平的影响分析 演练：广告和价格是影响终端销量的关键因素吗 演练：营业员的性别、技能级别对产品销量有影响吗 演练：寻找影响产品销量的关键因素 4、 列联分析（衡量类别变量间的相关性）(略) Ø 交叉表与期望值 Ø 卡方检验原理 演练：银行用户违约的影响因素分析 案例：影响用户流失的因素有哪些？ 演练：提取某类用户的典型特征 5、 相关性分析方法总结 第六部分： 回归分析模型—多因素分析篇 营销问题：如何预测未来的产品销量/销售额？如果产品跟随季节性变动，该如何预测？ 1、 回归分析简介和原理 2、 回归分析的种类 Ø 一元回归/多元回归 Ø 线性回归/非线性回归 3、 常用回归分析方法 Ø 散点图+趋势线（一元） Ø 线性回归工具（多元线性） Ø 规划求解工具（非线性回归） 演练：散点图找营销费用与销售额的关系 4、 线性回归分析的五个步骤 演练：营销费用、办公费用与销售额的关系（线性回归） 5、 线性回归方程的解读技巧 6、 回归预测模型评估 Ø 质量评估指标：判定系数R^2 Ø 如何选择最佳回归模型 演练：如何选择最佳的回归预测模型（一元曲线回归） 7、 带分类自变量的回归预测 演练：汽车季度销量预测 演练：工龄、性别与终端销量的关系 演练：如何评估销售目标与资源最佳配置 第七部分： 产品销量预测—时序预测篇 1、 时间序列简介 Ø 回归模型的缺点 2、 时序预测常用模型 3、 评估预测值的准确度指标 Ø 平均绝对误差MAD Ø 均方差MSE/RMSE Ø 平均误差率MAPE 4、 移动平均（MA） Ø 应用场景及原理 Ø 移动平均种类：一次/二次/加权移动平均 Ø 移动平均关键问题：期数N和权重系数如何确定 演练：平板电脑销量预测及评估 演练：快销产品季节销量预测及评估 5、 指数平滑（ES） Ø 应用场景及原理 Ø 最优平滑系数的选取原则 Ø 指数平滑种类：一次/二次/三次指数平滑 ² Holt线性、Holt指数、阻尼线性、阻尼指数） 演练：航空旅客量预测及评估 第八部分： 数据分析报告—数据可视化篇（根据需要讲解，课件留给学员参考） 1、 常用图形类型及选择原则 2、 常用图形作用及画原则 Ø 柱状图、条形图（对比） Ø 直方图、箱线图（分布） Ø 饼图、瀑布图（结构） Ø 折线图（趋势） Ø 散点图（关系） 3、 图形美化原则与技巧 案例：绘图示例
第九部分： 数据分析报告—数据报告篇（根据需要讲解，课件留给学员参考） 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 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 技术服务需求表下载请点击 服务优势： 丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。 专家力量： 中国科学院相关研究所高级研究人员 西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等 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，相关学历背景专业，理论素养高 多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享 针对客户实际需要，真实案例演示，互动式沟通，学有所值 |
|
