|
讲授专家：李勇 培训对象：1、互联网时代，希望学习数据分析的人士； 课程时间：1天 培训 课程背景： 数字化时代已来，数据分析到底在数字化里处在什么位置？数据湖，数据仓库，数据中台，数据调用，数据分析，数据标签化，数据驱动分别又在企业数字化转型中具备什么意义？而这其中最最关键的数据分析结果是否有效、是否能体现应有的价值，有时关系着企业经营的成败，但到底该如何确保数据分析的结果是有效的呢?本课程通过“案例+方法+实战”的方式为数据分析人员提供全面、实用的理论指导和丰富、有效的讲解。本课程系统、详细地介绍了数据分析知识的框架，分别从数据分析的类型、数据分析的作用、数据分析的步骤等多个方面讲解了一名合格的数据分析人员必须掌握的知识与技能。 课程收益： 培训完结后，学员能够： ² 企业为什么要做数据分析？ ² 什么数据师需要具备的基本技能； ² 了解数据分析的基本方式和方法； ² 各部门数据实战； 第一期2天培训课程大纲： | 单元 | | | | | 1、 数源思维不等于数据思维 2、 数据思维不等于数学逻辑 3、 数据思维不等于KPI思维 4、 数据思维养成的四部曲 1） 数据导向定义 2） 拆分转换简化问题 3） 推理分析构建结论 4） 谋划方案驱动业务 | | | 1、 数据的价值列表 2、 数据价值列表的依据分析 3、 学会用用户旅程地图来划分数据列表 | | | 1. 什么是数据分析？ 2. 数据分析的四大步骤 1） 定义问题：常犯的错误有哪些 2） 分解问题：该如何分析？ 3） 数据采集： 3.1）该采集哪些数据？为什么？ 3.2）如何提升采集数据的效率 4） 评估问题：评估问题常见的错误有哪些 5） 解决问题：如何更完善的对问题进行解决 | | | 1. 分解问题需要掌握的思维方法 1） 结构化思维 2） 公式化思维 3） 业务化思维 2. 分解问题中需要掌握的具体方法 1） 对比分析（查看数据差距） 2） 多维对比法（拥有较多维度数据） 3） 象限分析法（更好的做好策略） 4） 漏斗分析法（业务关键流程） 5） 杜邦分析法（企业财务经营数据分析） 6） 指数法（对于不好衡量的数据分析） 7） 假设法 8） 二八法 | | | 数据驱动的业务增长策略 1.1 数据洞察与业务机会识别 1.2 数据驱动的产品创新与优化 数据驱动的业务增长实践案例 2.1 企业业务增长的成功案例分享 2.2 数据驱动业务增长的挑战与解决方案 | | | 1. 数据高效展示的方法 1） 数据可视化 2） 数据形象化 2. 数据展示中的误区 1） 界面凌乱 1. 数据展示手法单一 3. 规范的数据分析报告包含了哪几部分？ 4. 写分析报告应该注意的事项 1） 图文并茂，标题统一 2） 一定要有明确结论 3. 一定要有建议或者解决方案 | | | 1.AI时代的数据分析方法和流程 1.1 数据收集、清洗和预处理的方法和技巧 1.2 数据挖掘、机器学习和深度学习在数据分析中的应用 2.AI时代的数据分析工具和实践 2.1 常用数据分析工具和平台介绍 2.2 利用数据分析工具进行实际案例分析和操作演练 案例：某金融公司利用数据分析工具提升业务效果的实践 4. 讨论课题：如何选择合适的数据分析工具和平台？ |
| 
