课程大纲：
数字化运营分析思维课程
【课程目标】
本数据分析与挖掘系列课程包括三个等级的课程：
1、 基础课程，专注于经营数据的统计与数据分析，适合于一般业务部门要求的数据统计与分析，内容系统且全面，使用工具为Excel 2013版本。
2、 中级课程，专注于行业数据分析与数据挖掘，适合于数据分析部、业务支撑部等对数据分析与挖掘要求较高的部门，使用专业数据分析与挖掘工具SPSS v19版本。
3、 高级课程，专注于较深入的数据挖掘技术，包括挖掘模型原理介绍，数据建模，挖掘算法，适合于大数据系统开发及数据分析专业人士，需要有一定的数学基础（统计与概率）。
本课程为基础课程，面向业务部门的数据分析能力提升。
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、 了解大数据基础知识，理解大数据思维方式。
2、 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。
3、 熟悉数据分析的基本过程，掌握Excel高级数据分析库操作。
4、 熟练使用图表制作工具，掌握图表美化原则，正确使用图表来表达观点。
5、 掌握数据分析报告的写作技巧及要点，全面正确地呈现分析结果。
【授课对象】
财务部门、销售部门、营业厅、业务支撑、经营分析、网管/网优中心、运营分析部、呼叫中心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：认识数据分析
问题：数据分析是神马?数据分析基本过程？
1、 数据分析面临的常见问题
不知道从哪里入手分析（缺少分析方法）
不知道收集什么样的数据（业务理解不足）
看不懂数据表达的意思（数据解读能力差）
担心分析不够全面（分析思路不系统）
2、 认识数据分析
什么是数据分析
数据分析的三大作用
数据分析的三大类型
3、 数据分析需要什么样的能力
懂业务、懂分析、懂工具、懂呈现
4、 大数据应用的四层结构
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
先有数据还是先有问题？
确定分析目的
确定分析思路
3、 步骤2：数据收集理清思路
明确收集数据范围
确定收集来源
确定收集方法
4、 步骤3：数据预处理寻找答案
数据清洗、转化、提取、计算
数据质量评估
5、 步骤4：数据分析--寻找答案
分析方法选择
构建合适的分析模型
分析工具选择
6、 步骤5：数据展示--观点表达
选择合适的可视化工具
选择恰当的图表
7、 步骤6：报表撰写--观点表达
选择报告种类
完整的报告结构
演练：Excel数据导入练习
演练：Excel数据预处理练习
8、 数据分析的三大误区
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、 数据分析的三层次
统计汇总（对比/分组/结构/趋势/…）
数据分析（相关/方差/验证/回归/时序/…）
数据挖掘（聚类/分类/关联/RFM模型/…）
2、 统计分析常用指标
正确理解均值、方差、分布
正确理解分布与直方图
演练：呼叫中心通话时间、时长的数据分析
3、 学会使用透视表（数据统计的利器）
案例演练：数据统计利器（透视表）
4、 基本数据分析方法及其适用场景
-对比分析
-分组分析
-平均分析
-趋势分析
-交叉分析
-结构分析
案例：服务水平数据分析案例
5、 综合数据分析方法
多维数据分析（综合评价法）
财务数据分析（*分析法）
流失率与转化率分析（漏斗分析法）
产品策略分析（象限图分析法）
案例：品牌认知度分析
6、 最合适的分析方法才是硬道理。
7、 如何解读数据分析结果？
第四部分：解读数据分析结果
问题：数据多，看不明白，不知道从何处看出问题？
1、 数据分析的目的
发现业务问题
发现业务规律
寻找业务解决策略
2、 对比分析及业务策略
看差距，补短板
看极值，评优劣
看异常，找原因
3、 结构分析及业务策略
看占比，聚焦重点
看失衡，优化结构
4、 趋势分析及业务策略
看变化，说趋势
看峰谷，找规律
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、 数据分析的思想与框架
2、 企业外部环境分析（PEST分析法）
案例：电信行业情况分析
3、 用户消费行为分析（5W2H分析法）
案例：用户消费行为分析（5W2H）
4、 公司整体经营情况分析（4P营销理论）
5、 业务问题专题分析（逻辑树分析法）
6、 用户使用行为研究（用户使用行为分析法）
案例：终端销量行为分析
第六部分：数据分析实战篇（中级）
1、 常用数据分析工具
常用数据分析EXCEL
专业数据分析SPSS
2、 EXCEL分析功能介绍
模拟分析
规划求解
数据分析库
3、 描述统计（对数据的简单描述）
商业问题：如何更好地描述数据？如何衡量集中程度、离散程度？
描述统计内容
案例：均值、范围/方差计算？如何理解？
直方图/柏拉图
商业问题：如何评估销量数据的分布情况？
案例：客服中心如何排班更合理？
4、 相关分析（衡量变量间的的相关性）
商业问题：营销费用会影响销售额吗？影响程度大吗？
什么是相关关系
相关系数：衡量相关程度的指标
相关分析的过程
相关分析应用场景
演练：体重与腰围的关系
案例：香港酒楼与报考厅的相关关系
5、 方差分析
商业问题：哪些才是影响销量的关键因素？
方差分析解决什么问题
方差分析种类：单因素/双因素可重复/双因素无重复
方差分析的应用场景
如何解决方差分析结果
演练：终端销量与摆放位置有关系吗？（单因素方差分析）
演练：时间、区域是否是影响终端销量的关键因素（双因素无重复方差分析）
演练：广告和价格是影响终端销量的关键因素吗（双因素可重复）
案例：2015年大学生工资与父母职业的关系
案例：洗手与婴儿存活率的关系
6、 回归分析（预测）
商业问题：如何预测未来的销售量（定量分析）？
回归分析的基本原理
回归分析的作用
回归分析的种类（一元/多元、线性/曲线）
回归分析的方法及分析结果解读
演练：推广费用、办公费用与销售额的关系
回归分析（带分类变量）
演练：工龄、性别与终端销量的关系
演练：多元线性回归：汽车销量的季节性变化
7、 时序分析（预测）
商业问题：随着时间变化，未来的销量变化趋势如何？
时序分析的应用场景（基于时间的变化规律）
移动平均的预测原理
指数平滑的预测原理
案例：终端销量数据分析与预测
8、 聚类分析
商业问题：很多个业务数据字段，客户到底有什么特征呢？
聚类分析的应用场景
聚类分析的操作流程（SPSS）
聚类分析结果解读
案例：客户业务数据分析与聚类
数字化运营分析思维课程
上一篇: 互联网时代品牌定位、推广与传播
下一篇: 通信行业大数据分析与挖掘技术
其他相关公开课程:
其他相关公开课程:
其他相关公开课程:
|
|
||
|
联系电话：4000504030 |
 线上课程关注公众号 |
|
