内训课列表

大数据分析与挖掘综合...

  • 课程简介
  • 课程大纲

大数据分析与挖掘综合能力提升实战

发布日期:2017-08-03

245

课程对象

企业全体员工

课程收益

1、了解数据分析基础知识,掌握数据分析的基本过程。 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。

老师介绍

傅一航

数据分析和数据挖掘讲...

常驻地址:深圳
擅长领域:【数据分析】【数据挖掘】【大数据】
详细介绍: 傅一航,计算机软件与理论硕士研究生,数据分析和数据挖掘讲师。 傅一航在华为工作十年,数篇国家专利;并曾在英国、日本等国做项目,对欧洲、日本的电信市场有比较深的了解。 ...

相关内训课程推荐

相关公开课推荐

同类老师推荐

方超

公文写作与演讲汇报金牌讲师

张韦韦

办公软件应用实战专 家

王颐

Office超级实战派讲师

朱霄丹

企业AI应用实战讲师

朱霄丹

企业AI应用实战讲师

储君

Office职场大学创始人

大数据分析与挖掘综合能力提升实战

发布日期:2017-08-03

245

课程大纲

【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

Ø 不知道分析什么(分析目的不明确)

Ø 不知道怎样分析(缺少分析方法)

Ø 不知道收集什么样的数据(业务理解不足)

Ø 不知道下一步怎么做(不了解分析过程)

Ø 看不懂数据表达的意思(数据解读能力差)

Ø 担心分析不够全面(分析思路不系统)

2、 认识数据分析

Ø 什么是数据分析

Ø 数据分析的三大作用

Ø 数据分析的三大类别

案例:喜欢赚“差价”的营业员(用数据管理来识别)

3、 数据分析需要什么样的能力

Ø 懂业务、懂管理、懂分析、懂工具、懂呈现

4、 大数据应用的四层结构

Ø 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

3、 步骤2:数据收集—理清思路

演练:Excel数据导入练习

4、 步骤3:数据预处理—寻找答案

演练:Excel数据预处理练习

5、 步骤4:数据分析--寻找答案

6、 步骤5:数据展示--观点表达

7、 步骤6:报表撰写--观点表达

8、 数据分析的三大误区

演练:如何用大数据来支撑手机精准营销项目


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、 数据分析方法的层次

Ø 基本分析法(对比/分组/结构/趋势/…)

Ø 综合分析法(交叉/综合评价/杜邦/漏斗/…)

Ø 高级分析法(相关/方差/验证/回归/时序/…)

Ø 数据挖掘法(聚类/分类/关联/RFM模型/…)

2、 统计分析常用指标

Ø 计数、求和、百分比(增跌幅)

Ø 集中程度:均值、中位数、众数

Ø 离散程度:极差、方差/标准差

Ø 分布形态:偏度、峰度

3、 基本分析方法及其适用场景

Ø 对比分析(查看数据差距)

演练:按性别、省份、产品进行分类统计

Ø 分组分析(查看数据分布)

案例:银行ATM柜员机现金管理分析(银行)

案例:排班后面隐藏的猫腻

案例:通信运营商的流量套餐的合理性评估


演练:银行用户消费层次分析(银行)

演练:呼叫中心接听电话效率分析(呼叫中心)

演练:客服中心科学排班人数需求分析(客服中心)

演练:客户年龄分布分析

Ø 结构分析(评估事物构成)

案例:用户市场占比结构分析

案例:物流费用占比结构分析(物流)

Ø 趋势分析(发现变化规律)

案例:破解零售店销售规律

演练:发现产品销售的时间规律

4、 综合分析方法及其适用场景

Ø 交叉分析(多维数据分析)

演练:用户性别 地域分布分析

Ø 综合评价法(多维指标归一)

案例:南京丈母娘选女婿分析表格

演练:人才选拔评价分析(HR)

Ø 杜邦分析法(关键因素分析-财务数据分析)

案例:运营商市场占有率分析(通信)

案例:服务水平提升分析(呼叫中心)

演戏:提升销量的销售策略分析(零售商/电商)

Ø 漏斗分析法(关键流程环节分析-流失率与转化率分析)

案例:电商产品销售流程优化与策略分析(电商)

演练:营业厅终端销售流程分析(电信)

演练:银行业务办理流程优化分析(银行)

Ø 矩阵分析法(产品策略分析-象限图分析法)

案例:工作安排评估

案例:HR人员考核与管理

案例:波士顿产品策略分析

5、 最合适的分析方法才是硬道理。


第四部分:解读数据分析结果

问题:数据多,看不明白,不知道从何处看出业务问题?

1、 数据分析的目的

Ø 发现业务规律

Ø 发现业务异常

Ø 寻找业务策略

2、 对比分析及业务策略

Ø 看差距,补短板

Ø 看极值,评优劣

Ø 看异常,找原因

3、 结构分析及业务策略

Ø 看占比,聚焦重点

Ø 看失衡,优化结构

4、 趋势分析及业务策略

Ø 看变化,说趋势

Ø 看峰谷,找规律

Ø 看异常,找原因

5、 解读要符合业务逻辑

案例:销售额数据分析

案例:营业厅工单结构分析

案例:营业厅客流趋势分析


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、 数据分析的思路

Ø 从KPI指标开始

Ø 从营销/管理模型开始

2、 常用分析思路模型

3、 企业外部环境分析(PEST分析法)

案例:电信行业外部环境分析

4、 用户消费行为分析(5W2H分析法)

案例:用户购买行为分析(5W2H)

5、 公司整体经营情况分析(4P营销理论)

6、 业务问题专题分析(逻辑树分析法)

案例:用户增长缓慢分析

7、 用户使用行为研究(用户使用行为分析法)

案例:终端销售流程分析


第六部分:图表呈现篇

问题:如何让你的分析结果更直观易懂?如何让数据“慧”说话?

1、 图表类型与作用

2、 常用图形及适用场景

3、 常用图形

Ø 柱状图(对比分析)

Ø 条形图(对比分析)

Ø 折线图(趋势分析)

Ø 饼图(结构分析)

Ø 雷达图(多重数据比较)

演练:图形绘制

4、 复杂图形

Ø 平均线图(对比分析)

Ø 双坐标图(不同量纲呈现)

Ø 对称条形图(对比)

Ø 散点图/气泡图(矩阵分析法)

Ø 瀑布图(成本、收益构成分析)

Ø 漏斗图(用户转化率分析)

演练:图形绘制

5、 动态图表画法技巧

6、 图表美化原则

7、 表格呈现

8、 优秀图表示例解析


第七部分:分析报告撰写

问题:如何让你的分析报告显得更专业?

1、 分析报告的种类与作用

2、 报告的结构

3、 报告命名的要求

4、 报告的目录结构

5、 前言

6、 正文

7、 结论与建议

8、 优秀报告展现与解析

案例:营业时间调整专题报告

案例:企业业务运营分析报告


第八部分:数据分析实战篇(中级)

影响因素分析,数值预测模型。

1、 相关分析(衡量变量间的的相关性)

问题:营销费用会影响销售额吗?影响程度大吗?

Ø 什么是相关关系

Ø 相关系数:衡量相关程度的指标

Ø 相关分析的步骤与计算公式

Ø 相关分析应用场景

演练:体重与腰围的关系

演练:营销费用会影响销售额吗

案例:酒楼生意好坏与报纸销量的相关分析

2、 方差分析

问题:哪些才是影响销量的关键因素?

Ø 方差分析解决什么问题

Ø 方差分析种类:单因素/双因素可重复/双因素无重复

Ø 方差分析的应用场景

Ø 如何解决方差分析结果

演练:终端摆放位置与终端销量有关吗?

演练:广告和价格是影响终端销量的关键因素吗

案例:2015年大学生工资与父母职业的关系

案例:医生洗手与婴儿存活率的关系

演练:寻找影响产品销量的关键因素

3、 回归分析(预测)

问题:如何预测未来的销售量(定量分析)?

Ø 回归分析的基本原理和应用场景

Ø 回归分析的种类(一元/多元、线性/曲线)

Ø 回归分析的几种常用方法

Ø 回归分析的五个步骤与结果解读

Ø 回归预测结果评估(如何评估预测质量,如何选择最佳回归模型)

演练:散点图找推广费用与销售额的关系(一元线性回归)

演练:推广费用、办公费用与销售额的关系(多元线性回归)

演练:如何选择最佳的回归预测模型(曲线回归)

Ø 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:如何评估销售目标与资源配置(营业厅)

4、 时序分析(预测)

问题:随着时间变化,未来的销量变化趋势如何?

Ø 时序分析的应用场景(基于时间的变化规律)

Ø 移动平均的预测原理

Ø 指数平滑的预测原理

案例:销售额的时序预测及评估

演练:汽车销量预测及评估


第九部分:数据挖掘实战篇(高级)

1、 聚类分析

问题:如何实现客户细分,开发符合细分市场的新产品?

Ø 聚类分析及其作用

Ø 聚类分析的种类

Ø 层次聚类:发现多个类别

Ø R型聚类与Q型聚类的区别

案例:中移动如何实现客户细分及营销策略

演练:中国省市经济发展情况分析(Q型聚类)

演练:裁判评分的标准衡量(R型聚类)

Ø K均值聚类

演练:宝洁公司如何选择新产品试销区域?

演练:如何评选优秀员工?

2、 分类分析

问题:如何提取客户流失者、拖欠货款者的特征?如何预测其流失的概率?

Ø 分类与聚类

Ø 决策树分类的原理

Ø 如何评估分类性能

案例:美国零售商(Target)如何预测少女怀孕

演练:识别银行欠货风险,提取欠贷者的特征

3、 关联分析

问题:几种事物会同时出现吗?比如购买面包的人是否也会购买牛奶?他们同时购买哪些产品?

Ø 关联分析解决什么样的问题

Ø 如何提取关联规则

Ø 关联规则的应用场景

案例:啤酒与尿布、飓风与蛋挞

演练:商场购物篮分析与产品捆绑销售

4、 RFM模型

问题:如何评估客户的价值?如何针对不同客户采取不同的营销策略?

Ø RFM模型介绍

Ø RFM的客户细分框架理解

演练:“双11”淘宝商家如何选择客户进行促销

演练:结合响应模型,宜家IKE实现最大化营销利润


实战:电信客户流失分析与预警模型


结束:课程总结与问题答疑。


在线咨询
电话咨询
名师免费定制方案