|
经营分析之市场分析与数据处理（2-4天） 培训背景 数据分析是以探索企业关心的问题为目标，以数据为基础，以定量分析为主要手段说明、预测和评价企业的数据活动，是发现市场数据机会和支撑策略实施的艺术。然而，很多行业的公司数据分析人员由于对分析流程、方法和软件使用缺乏系统了解，缺乏对客户、业务、营销、竞争方面的深入分析，由此数据分析价值和意义大打折扣。在此背景下，为共同提升数据分析水平，学习和借鉴业界和同行先进方法，陈则老师结合多年的经营经营，开发了此门课程。力求，帮助制造企业数据分析人员系统了解数据分析工作特点，掌握制造数据分析内容，了解制造数据分析流程，提高制造数据分析实战能力，更好地服务于制造数据决策。 培训收益 1.掌握了解数据分析的基本流程和框架 2.掌握数据分析与挖掘的方法论 3.掌握常用数据分析与挖掘工具的使用 4.掌握实战经营数据分析的思路、步骤和成果呈现 培训对象 核心经营分析人员，各地市数据分析人员 课程详细大纲 第1章 引言与概念 1.1 引言 1.2 数据分析的概念 1.3 为什么要做数据分析 1.4 数据分析师需要的素质 1.5大数据时代下的数据挖掘 1.5.1大数据的基础 1.5.2大数据的特点 1.5.3大数据的作用 1.5.4大数据与数据挖掘 1.5.5令人期待的大数据时 1.6本章小结 第2章 数据分析的流程 2.1 明确要解决的问题 2.2 构建分析框架 2.3 选用合适的指标体系 2.4 收集数据 2.5 数据分析 2.6 基于分析结果，寻找解决方法 2.7 形成报告 第3章 明确要解决的问题 3.1 问题从哪来？ 3.2 如何确定我们的主要问题？（二八分析法） 3.3 决定问题的因素有哪些？（头脑风暴法，鱼骨图分析法） 第4章 选用合适的指标体系 4.1 经营数据分析的指标如何分解？ 4.2 如何选择合适的经营经分指标？ 第5章 收集数据 5.1 从经营经分系统导数据，遇到过哪些问题？ 5.1.1 日期数据不能直接用 5.1.2 数值为什么不能直接求和？ 5.1.3 姓名一样，但是无法vlookup 5.1.4 有重复值怎么办？ 5.1.5 缺失值怎么处理？ 5.1.6 极值（最大值/最小值）怎么处理？ 案例：渠道日报的规范和汇总 5.2 从表单收集数据，遇到过哪些问题？ 5.2.1 收回来的数据表格，格式不统一怎么处理？ 5.2.2 数据表格能不能分权限来限制？ 5.2.3 几十张表格，如何快速的合并到一张大表里？ 5.3 数据收集小工具推荐 5.3.1 一键去空行/空列 5.3.2 一键合并多个文件等等 案例：经营各销售报表的快速合并与拆分 第6章 数据分析 6.1 数据的描述性数据 6.1.1 均值，中位数，众数，方差，标准差等 6.2 数据的汇总数据 6.2.1 多工作表的数据为什么汇总很麻烦？ 6.2.2 多工作表的数据汇总该如何解决？ 6.2.3 数据透视表能做什么？ 6.2.4 数据透视表的值字段设置：快速的求和、计数、百分比、累加百分比 6.2.5 如何实现透视表的顺序和报表顺序一致？自定义序列排序 案例：经营数据分析的重点客户与重点产品怎么找？ 6.3 数据汇总出来后，该如何分析？ 6.3.1 四大基本分析方法：对比、分类、分布、相关 案例：经营数据分析的客户客单价在什么区间？ 案例：投诉率和班组之间存在什么关系？ 6.3.2 对比/分类/分布/相关分析法：定义、原则、标准 6.3.2 中高级分析方法： 结构分析法 矩阵关联分析法 案例：经营的产品，如何从市场占有率和增长率做分析？ 案例：经营的客户，如何从客单价和忠诚度做分析？ 案例：经营的团队，如何从能力和态度做分析？ 综合评价分析法 案例：经营的客户，如果利用RFM模型做客户画像？ 回归分析法 案例：经营的营销费用与利润直接有什么关系？ 预测/趋势分析法等等 6.3.3常用的数据挖掘方法 假设检验 信度分析 列联表分析 方差分析 案例：经营的产品品牌的销售量差异是真的吗？ 聚类分析 案例：经营的客户，如何做特征提取，做画像？ 因子分析法 多维分析法等等 第7章 数据分析工具介绍 7.1 Excel 7.2 SPSS 7.3 Python 第8章 用图表表达，让图表说话 8.1 常用图形介绍 8.2 热力图介绍 8.3 雷达图介绍 8.4 柏拉图介绍 8.5 其他常用图形的演化 8.6 图表美化的技巧 8.7 每种分析方法的常用图形总结 第9章 经营分析之预测 9.1 预测建模六步法 选择模型：基于业务选择恰当的数据模型 属性筛选：选择对目标变量有显著影响的属性来建模 训练模型：采用合适的算法对模型进行训练，寻找到最合适的模型参数 评估模型：进行评估模型的质量，判断模型是否可用 优化模型：如果评估结果不理想，则需要对模型进行优化 应用模型：如果评估结果满足要求，则可应用模型于业务场景 9.2数据挖掘常用的模型 数值预测模型：回归预测、时序预测等 分类预测模型：逻辑回归、决策树、神经网络、支持向量机等 市场细分：聚类、RFM、PCA等 产品推荐：关联分析、协同过滤等 产品优化：回归、随机效用等 产品定价：定价策略/最优定价等
| 
