|
企业数字化转型与数据分析 课程背景： 随着数字化转型成为企业的必答题，企业数字化进程的开展，面对产品、研发、财务、人力、销售、维护各个环节铺面而来的数据，我们应该如何高效分析处理？如何提升我们的工作效率？适应企业数字化转型的趋势，这是企业员工必须面对的状况。 数字化进程以数据分析为抓手对企业业务进行梳理、优化、重构，掌握传统统计数据分析和大数据分析方法是企业员工必备技能。本课程即是在讲授企业数字化转型关键和平台构建基础上，探讨如何利用统计方法工具进行传统数据分析，并以营销的关键——精准客户识别方法为示例介绍大数据分析的重要方法，使得学员能够从理念到工具对企业数字化转型中面临的数据分析工作做到游刃有余、精准高效，从而实现企业降本增效的目的。 课程收益： ● 熟悉并掌握企业数字化转型的关键并搭建数字化平台的方法； ● 掌握统计方法进行数据分析和业务决策； ● 掌握大数据理念的管理和运营关键； ● 掌握大数据进行精准分析的方法—聚类、决策树和逻辑回归； ● 掌握大数据分析工具RapidMiner的使用方法，能根据场景选用相应算法进行大数据分析。 课程时间：2天，6小时/天 课程对象：企业运营管理部门、营销部门及有数据分析需求的员工 课程方式：案例分析+实操演练+思考练习 课程大纲 第一讲：企业所面临的数字化转型 一、企业数字化转型原因 1. 数字化改变商业模式 1）数据变机会 2）机会变服务 3）服务变收入 2. 数字化建立企业优势 3. 数字化提升使用体验 二、数字化转型核心要素 1. 以数据为中心的智能化发展目标 2. 数字化平台的构建 三、员工在企业数字转型中应该作出的应对 1. IT思维和业务思维相融合 2. 培养开放共享的心态 3. 围绕以用户为中心 4. 提升数据分析处理能力 第二讲：利用统计方法实现数据分析 一、标度的选择使用 量化感觉、态度、喜好等的方法 二、频数的选择使用（衡量对总体水平的作用程度） 1. 饼图 2. 条形图 3. 直方图 三、基于统计方法的分析 1. 分析异常值与偏斜数据 2. 均值VS中位数VS众数 3. 全距/四分位数的使用 4. 百分位数与箱线图的使用 5. 方差VS标准差分析变异性VS分散性 6. 利用概率进行分析 案例1：用户购买公司产品概率的分析 案例2：某某企业员工加薪方案的选择 四、基于统计方法的决策 1. 比较法进行决策 2. 组合法进行决策 3. 贝叶斯方法进行决策 4. 快省树方法进行决策 思考：优秀员工如何选用统计指标进行评价 案例：假设检验与数据证伪保证决策结果的正确 综合示例：运用统计指标分析销售数据寻找方法提升某产品的销量 第三讲：利用大数据进行管理与运营 一、大数据现状 1. 大数据时代的标志 2. 六大趋势推动大数据发展 3.Hype Cycle技术趋势对大数据的判断 4. 新基建战略对大数据的定位 5. 数字中国的内容 案例：阿里双11 二、大数据4V特征 1. 数量大 2. 多样性 3. 速度快 4. 价值性 案例：大数据4V特征在数字化全量全连接中的应用 三、把握大数据的三个关键 1. 更多——全样本透视本质 2. 更杂——透过混杂性适配场景应用 3. 更好——把握相关性，提供更好服务 案例：三个关键对数字化实时反馈的影响 案例：大数据商业画像示例——千人千面 练习：猜猜他是谁？ 四、大数据分析 1. 大数据分析的困难 2. 数据即服务DaaS 讨论：数字化转型中我们应该关注工作中的哪些管理数据和业务数据，它们的价值和应用难点有哪些？ 五、大数据应用 1. 被动式演变成预判式 2. 大数据商业价值 3. 大数据在行业的应用 案例：智慧城市建设 案例：企业数据地图实践 讨论：企业数据治理——如何管好用好数字化平台的数据？ 第四讲：利用大数据技术进行营销数据分析 一、K均值聚类算法应用——客户价值分析 1. 客户价值分析有利于减少营销成本 1）理解价值型客户 2）差异化服务应对不同价值客户 2. 客户价值分析方法 1）客户价值识别流程 2）K均值聚类识别客户价值 a确定中心 b计算距离 c确定新中心 d迭代得到最终分类 3）针对不同客户价值采用不同营销策略 视频：根据对象不同采用不同策略的销售视频 案例：根据客户的消费额和交互属性进行聚类分析 二、决策树算法应用——风险客户分析 1. 传统风险分析识别方法的劣势 2. 大数据方式下分析识别方法的改进——决策树算法应用 1）预先建立if-then的判断规则 2）数据分析建立的规则——信息熵 3）决策树算法操作思路 4）建立决策树模型进行分析 a划分属性值 b计算划分组的概率 c计算每个划分规则下的信息熵 d选择最小信息熵的规则为第一规则 e迭代到样本分类 案例：警察是如何发现罪犯的？ 案例：如何分析是否适合作为另一半 三、逻辑回归算法应用——敏感客户分析 1. 厘清不同场景下的敏感客户特点 2. 分析敏感客户的关注点 3. 逻辑回归算法的应用 1）二分类问题 2）个人采用二分法预判的局限性 3）预判二分类问题的优化 4）二分类结果预判的本质 5）大数据回归方法进行二分类预判 a线性回归大数据方法 b逻辑回归大数据方法 案例：如何判断对方是否真心喜欢我 案例：回归方法预判职业发展 案例：营销场景中敏感客户分析降低投诉率 第五讲：Rapid Miner数据分析 1. 分析接口 2. 导入数据 3. 加载数据 4. 进行数据可视化 5. 进行建模 6. 进行模型应用 7. 测试模型 8. 进行模型评估 9. 使用扩展 聚类算法练习：客户价值分析 决策树算法练习：信用风险评分分析 逻辑回归算法练习：敏感客户分析
| 
