|
《数据分析与应用》 【课程背景】 当下，数字化已经是各行业快速发展的基础，数据作为最新的生产要素，将会发挥更大的作用。数据分析技术，作为数据最基础的使用技术，使用成本最低，获得效益最大。通过数据分析技术，可以实现管理运营数字化，可以更透彻的了解公司和业务，可以更快速的找到日常工作中的问题原因，可以更高效的应对市场变化。 数据分析，最重要的是数据思维，有了数据思维可以更深刻的理解业务，数据思维需要一定的训练，就可以掌握。有了数据思维，再掌握基础的数据分析方法和简单地数据分析工具，就可以将数据分析应用到工作中，很快能够得到效果。 有了初步的数据分析工作，配合数据治理、自动分析工具或产品，建立起数据分析指标体系，形成企业管理运营分析架构，就可以实现运营管理数字化、自动化，可以及时发现问题，优化管理，提高企业效率，提高市场反应速度。实现企业的快速增长。 本课程结合实际案例，介绍如何进行数据思维的培养，如何建立企业和部分的指标体系和管理运营分析框架。这些可以协助企业和个人增长数据分析能力和业务处理能力，也为企业BI（智能报表）建设、数据中台建设打好基础，介绍如何使用Excel配合报表和业务平台，进行日常业务分析。介绍常用的数据分析方法和基础的统计分析知识，结合这些技能，可以更好地描述业务和问题，可以更准确、快速的定位业务问题，找到原因，给出解决方案。最后介绍数据分析结果的展示，各种报表的作用和生成方式，以及数据分析报告如何编写。 培训完成后，基本上就具备了整体的数据分析能力，可以快速开展相关业务工作。 【课程收益】 培训完结后，学员能够： ² 了解企业中的数据 ² 了解数据分析的思维模式 ² 了解数据的收集和处理方式 ² 了解数据分析指标体系和业务框架的建立 ² 了解数据分析的方式方法 ² 了解数据分析图表的作用和生成方式 ² 了解统计的基础知识 ² 能够通过数据分析解决实际的问题 【课程对象】对数据分析需要的人员 【课程时长】3天 (6小时/天） 【培训方式】培训采用多种方式组合，有理论的讲授、方法的模拟实践、工具的实操和头脑风暴的讨论实践。 【课程大纲】 一、数据思维--数据使用和数据分析基础 本部分主要介绍数据思维，数字化过程中，数据体现价值，最基础的就是要相关人员具备数据思维。不仅仅是技术人员，所有业务人员、管理人员都应该具备有数据思维，才能更好地利用数据。数据思维更是数据分析人员的基础能力，不具备数据思维是不能做数据分析工作的。数据思维也有利于员工更好地理解业务，数据思维，需要后期进行特定的培养，课程将结合案例，介绍如何进行数据思维的培养。 详细内容： 1. 数字化思维：用数据说话，用数据思考，用数据决策 2. 以案例说明如何提升数据敏感度：通过数据理解业务 3. 培养使用数据说话的习惯 4. 案例：用数据分析赋能业务决策 5. 数据驱动决策--企业效率、竞争力提升的关键 6. 数据分析的作用与价值 7. 数据分析的基本思路 8. 数据分析的基础模型 9. 数据分析与业务结合的思维模式 二、用基础统计学和图表分析表达业务 能够用数据描述清晰业务和问题，是数据使用的基础能力。本小节介绍数据描述业务的常用概念、直观图表等内容，使学员不仅能够利用数据分析业务、找到问题，还能清晰的展现给其他人。 详细内容： 1. 用基础统计学分析描述业务 1) 集中量数（平均数、中位数等）相关概念及分析应用 2) 权重预估（标准差等）相关概念及应用 3) 数据分布（切比雪夫定理等）相关概念及分析应用 4) 用Excel进行基础统计学分析 2. 常见的图表类型、应用与实现（Excel） 1) 散点图 2) 折线图 3) 柱形图和直方图 4) 饼图 5) 面积图 6) 雷达图 7) 漏斗图 8) 迷你图（Excel） 9) 透视图与数据看板（Excel版） 3. 高级图表类型、应用与实现 1) 树型图 2) 桑基图 3) 热力图 4) 关联图 5) 箱线图 6) 标靶图 7) 词云图 8) 地理图 4. 数据分析报告撰写 1) 数据分析报告的价值 2) 数据分析报告的组成及内容 3) 撰写报告时的注意事项 5. 数据分析可视化的价值 6. 数据分析可视化的关键点 三、Excel进行统计分析实战 Excel是最简单实用的数据分析工具，掌握了Excel，可以完成日常80%的数据分析工具，随着Excel的发展，能够完成的相当复杂的实时分析。本小节介绍基本的Excel使用基础，为后边课程中Excel的应用打下基础。最后通过一个实践案例，结合前边分析方法用Excel分析支撑业务运营和开发。 详细内容： 1. Excel基础数据处理 2. Excel高级数据治理 3. Excel统计公式应用 4. 图表生成介绍 5. Excel看板案例展示 6. 用户转化分析案例实战 四、数据分析介绍与指标体系建设 开展数据分析，用数据说话，自然离不开一套标准。只有有了标准，我们才能通过数据得出好与坏的结论。有了标准，就可以借助技术手段，自动跟踪指标，进行预警和提醒，降低工作强度，进行自动化管理运营。数据分析指标体系建立是否合适，可以说决定数据使用的成功与否。本节结合案例详细介绍数据分析指标体系的建立方法，优化过程。 详细内容： 1. 数据分析的基础--数据分析指标 2. 数据分析指标的建立方法 3. 讨论：自己手头的3个关键指标是什么 4. 数据分析指标体系的价值 5. 指标体系赋能运营和产品开发 6. 指标体系建立相关操作模型 7. 指标体系的建立方法和过程 8. 指标体系建立案例 五、解决业务问题和分析业务常用综合分析方法 方便实用的数据分析方法，可以再日常工作中有效提升工作效率。同时，智能化、自动化、可定制的分析报表平台，更能有效提高企业整体的运营效率。本小节详细介绍常工作中，有效的数据分析方法，更能帮助大家解决日常业务问题。本小节选取了10种典型的数据分析方法，结合案例，详细进行介绍，以便在工作中可以选取有效的数据分析方法，优化任务，提高效率。 详细内容： 1. 数据分析工具介绍(Excel、Python等） 2. BI介绍 3. 数据仓库、数据湖、数据中台介绍 4. 大数据介绍（建设方式、价值） 5. 大数据、数据分析、BI、数据仓库、数据湖的关系和区别 6. 分析方法（每个方法结合案例） 1) 5W2H分析方法 2) 逻辑树分析方法 3) 行业分析方法 4) 多维度拆解分析方法 5) 对比分析方法 6) 假设检验分析方法 7) 相关分析方法 8) 群组分析方法 9) 漏斗分析方法 7. 用数据分析解决工作中的问题 8. 案例：解决问题数据分析实例 六、数据获取与治理 数据治理是传统企业进行数字化的基础工作，本小节详细介绍进行数据治理依托的技术平台，各自的使用场景，以及如何选择。介绍数据收集的方式，适用场景，预处理和数据清除的内容。介绍数据治理开始的组织、流程、制度保障措施，数据治理的体系框架，完成对数据治理的完全认识，具备编写数据治理实施方案能力。同时介绍主数据的设定和管理内容。期间通过不断地讨论和沟通，展示某些企业的方案案例，方便更好地掌握相关技能。 详细内容： 1. 数据和数据资产的概念 2. 数据和数据有效性：数据被使用的基础 3. 数据收集方式（埋点、同步等） 4. 数据预处理与数据清洗 5. 讨论：企业更适合建立那种数据存储方式和数据收集方式 6. 数据治理介绍 7. 什么是数据标准以及如何建立 8. 数据治理中出现的问题 9. 数据治理实施步骤
| 
