课程大纲：

市场大数据深度分析

【课程背景】
企业数字化转型是大势所趋，新的商业模式、新的渠道、新的方法，不断将数字化技术与业务充分融合，在创新中求变，为消费者创造多、快、好、省的价值。在这一过程中，充分利用优秀的数据分析模型和工具，通过交互可视化实现针对企业数据进行专业分析，支撑决策人员做出更加符合公司策略和利益的决策，使企业的战略及战术切实落地。其中，最重要的三个法则是：结合业务场景、提升业务指标、构建企业组织能力。随着商业环境的发展愈加快速，客户的需求变化更不容易被捕获，这也让企业重新审视数据商业智能的价值所在。越来越多的企业下定决心打通企业的数据孤岛，打开“商业智能化”的大门。
本课程指导企业核心团队转变思维，从授人以鱼到授人以渔，致力提升业务用户的数据素养和数据分析能力，从数据中发现新的问题和商业机会点。本课程涵盖商业数据分析中常用方法，重点探讨了大数据营销的意义和数据应用体系，注重深度理解数字商业的本质，支撑企业管理者根据市场变化，动态地设计出高盈利的商业模式，从客户思维、利益共赢、数字化、平台模式、指数思维、循环商业六大要点出发，围绕商业元素的重要性进行排列组合，指导企业不断革新自己的商业模式，对外关注客户导向和营销增长，对内强调数字化组织构建与人才能力提升，动态地、便捷地满足客户需求，不断为客户创造新的价值，使企业在当下激烈的市场竞争中胜出！

【课程收益】
提炼商业数据分析模板及其背后的思维逻辑，展示*实践内容，为实战提供“模板化”的公式及思维
不论从事IT工作、财务工作，还是企业的高管，都可以像商业分析师一样思考，挖掘商业数据背后的价值
深入浅出，从理论到实践，既给初学者提供学习的路径，也给进阶者带来思维的碰撞
逐个解疑，层层剖析，让商业智能数据分析实战变得生动、深刻，具有挑战性
贴近业务，以商业价值和商业数据为导向，快速迭代更新，推动企业实现“IT业务化，业务IT化”
深入分析构建数字营销策略和建立高效的数字化组织，助力企业实现数字化营销的全面转型，以及数字化战略和组织的升级
系统性地提炼出的关于数字营销的创新理论和实战攻略，为理解前沿数字营销实战知识与经验提供扎实的指导

【课程对象】
-企业高层管理者：董事长、总裁、总经理、分管副总等
-战略高层、战略规划、顶层设计负责人（CEO、CTO、CIO、CMO等）
-各个条线的业务负责人和技术专家
-产品开发与创新人员、服务方案制定者
-市场营销策划、客户经理、产品经理等
-创新业务的负责人，创新创业导师及实践者

【课程大纲】
第一部分、商业数据深度分析：数理模型与市场洞察方法
一、商业分析概述
1、商业数据分析的概念
什么是商业数据分析
商业数据分析需要具备的能力
2、商业数据分析的特点
3、商业数据分析的价值
4、商业数据分析的业务流程
商业数据分析的三个阶段六个步骤
阶段一：构建问题
阶段二：分析问题、解决问题
阶段三：传达结构并行动
5、商业数据分析的核心技能模型
-数据分析能力
-逻辑思维能力
-赢得结果能力
6、商业数据分析场景

二、面向商业分析的数理模型
1、数理模型的核心分析方法
-假设法
-对比分析
-分组分析
-趋势分析
-结构分析
-矩阵分析
-多维分析
-公式分析
-路径分析
-交叉分析
2、数理模型的数据分析思维模式
-分类思维模式
-对比思维模式
-时间序列思维模式
-逻辑树思维模式
-指数化思维模式
-下钻思维模式
-经营思维模式
3、数理模型中的五大数据分析模型
-AARRR模型
-RFM模型
-CLV用户生命周期模型
-事件分析模型
-用户旅程模型
4、数理模型的业务分析框架
-商业发展不同阶段的分析框架
5、数理模型的业务指标体系
-搭建目的
-搭建步骤

三、数理模型的可视化呈现及分析
1、数据信息分析如何有条理地整理数据信息
-信息分析的目的和对象
-信息分析流程
2、数据信息分析常用数据分析应用
3、定性信息分析如何呈现更直观易读
实例：
进口品牌SUV销量数据分析

四、数理模型的应用方法论透过数据看本质
1、方法论：如何深度进行数据挖掘，得出有价值的观点
管理项目中，客户提出的问题
透过现象看本质-方法论和应用技巧
透过现象看本质-以公司为例
2、方法论应用举例
第一步：确定数据分解的框架
第二步：基于该框架对目标公司进行分析
第三步：与历史数据、与可比竞争者进行对比
第四步：对重点领域进行细化分析
第五步：定性分析，分析背后的原因
第六步：汇总报表，并给出建议
3、商业分析中常见问题
实例：
如何拆解分析各大白酒上市公司的财务指标

五、蛋糕到底有多大？通过市场规模分析观测行业发展情况
1、市场规模计算：现有规模&未来规模预测
-市场规模测算方法
-测算当前市场和未来市场的异同
2、市场规模预测框架搭建
Step1. 列出行业分析框架
Step2. 按照分析框架，列出历史数据
Step3. 进行未来 3 - 5 年相关变量的预测
Step4. 对市场预测模型进行归纳、总结
案例：
中国天然气行业
健身房行业

六、蛋糕可以分多少？看懂细分市场和产业链，准确判断行业态势
1、摸清产业链构成及各环节的基本态势
-产业链梳理步骤
-如何从零开始研究产业链构成
2、细分环节，分析重点
-各环节的切分及相互影响
-如何确定产业链的重点环节？
-确定重点环节之后，从哪些角度进行分析？
案例：
快递行业
3、摸清细分行业的构成和基本情况
-快速摸清细分行业的构成
-确定重点环节之后的分析角度
政策分析：不同机构的适用政策与规定
细分行业发展的驱动因素
案例：
物流行业细分
4、竞争者分析
行业竞争格局如何分析
竞争者分析的方法
案例：
快递行业竞争态势概览
以健身房行业投资项目为例

七、如何看懂新兴企业的商业模式和前景
1、从经典商业模式出发，看懂复杂多变的创新模式
-如何定义商业模式
-从公司层面解读商业模式
-资源驱动的商业模式
-产品驱动的商业模式
-客户驱动的商业模式
2、系统分析创新商业模式的核心要点
核心要点1-用户价值
核心要点2-收入来源
核心要点3-市场规模
核心要点4-竞争格局

第二部分、企业数字化经营：统计决策与大数据价值挖掘
一、数字化经营的难点分析
1、难点分析：为什么企业数字化经营无法带来价值？
2、价值视角：需求各异，众口难调
3、数据视角：纷繁复杂，负重前行
4、数据团队的关键价值：数据和价值之间的桥梁

二、面向统计决策的战略分析模型
1、BCG矩阵
2、PESTLE分析
3、SWOT分析
4、价值链模型
5、生命周期模型
6、行业集中度模型

三、统计决策的价值视角
1、如何创造数据价值？
2、数据价值的场景连接
-决策层
-IT层
-业务层
-场景
3、场景出发点：决策者如何改善经营？
4、价值视角的典型场景
-帮决策者提升信息收集的效率体验
-帮决策者加强业务过程的精细化管理
-用价值衡量驱动执行的不断改进
案例：
某医疗机构的自动化报表体系
中建钢构
5、决策层的价值衡量
-基于“人”的视角
-基于“事”的视角

四、统计决策的数据视角
1、如何改善数据的质量？
2、当前企业数据质量存在的问题
案例：
某证券公司的数据质量案例
3、数据视角的成功经验：加强底层数据处理
4、数据视角的成功经验：加强中间模型的建立，提升数据深度
-数据模型建立
-业务模型建立

五、缩短数据和价值的距离
1、数据团队带领企业打赢数字化经营之战
定战术：IT部门的定位
建能力：培养链路上最重要的人（数据运营官的平台）
给武器：FineBI+FineReport（行业方案和企业管理平台）
多实战：思想碰撞+实际经验互换（面向“人术器”的完整服务体系）
案例：
某大型药企的数据人才蜕变
2、“人术器”完整的服务体系
-器（工具）
-器（方案）
-人（服务）
-术（交流平台）

六、如何像咨询顾问一样解决企业内部的问题
1、如何对一个新的产品定价
举例：如何对一个新的产品定价？
方法论：在讨论定价时，通常我们讨论的是两方面
-基准定价策略
-定价调整策略
2、基准定价策略的操作方法
-基于成本的定价方法
-基于竞争/需求的定价方法
3、基准定价策略的适用行业
基于成本的定价方法的适用行业
基于竞争/需求的定价方法的适用行业
4、基准定价策略的使用
基于成本的定价方法的使用
基于竞争/需求的定价方法的使用
5、如何解决盈利率下降的问题
举例：如何解决盈利率下降的问题？
方法论：沿着四部曲，解决盈利率下降的问题
第一步：定量寻找原因
第二步：明确分析重点
第三步：定性刨根问底
第四步：提出改善建议
6、企业内部问题的总结
-新产品定价及定价调整策略
-解决盈利性问题
7、能源化工企业的数据化经营（BI）解决方案

七、综合案例：
1、电力业数据化经营（BI）解决方案
2、建筑业数据化经营（BI）解决方案
3、零售业数据化经营（BI）解决方案
4、物流业数据化经营（BI）解决方案
5、医疗行业数据化经营（BI）解决方案
6、医药行业数据化经营（BI）解决方案
7、银行数据化经营（BI）解决方案

市场大数据深度分析