「课程概括」今天，每个企业都面临数字化的生死挑战，提升员工数据分析能力是应对挑战的基础。大多数培训课程都在传授工具和算法，培养“数据科学家”。但是，数据科学家如何解得开企业的“剪不断理还乱”？

“这不是我要的数据！…到哪里去找？”

“一个部门一个数一个说法，我该采信哪个？“

“领导不认可我的方案，怎样写数据分析报告说服TA？”

企业不是科学院，要的是立杆见影！这里也没有老师提供标准答案，一切要靠自己去寻找。因此，本门课程以  为目标：

² “易学”—— 快速上手，现用现学

² “易精”—— 独立作战，精益求精

数据分析课不能“君子动口不动手”，课上案例需配套课后作业。上课听 下课练，才能让培训时间物超所值。

融会贯通《易精数据分析方法》，每个学员都是优秀的独立数据分析师，为企业独当一面。「内容简介」课程为学员铺设了循序渐进的四个成长阶梯：

1. 想法——养成数据化思维

丰富学员数据分析问题的思路，强化必需的逻辑思维，明白设定什么量化目标，相应需要什么数据，从哪里获取，如何清洗整理。

2. 看法——掌握数据可视化工具

学会制作企业精益运营数据仪表盘。Power BI等数据可视化工具是数据分析师的必备，帮助我们从复杂数据中萃取简单道理，并分享给他人。

3. 干法——实操数据挖掘方法

帮助学员在实操中学会建立数据模型，掌握趋势预测、转化漏斗、聚类、RFM等实用挖掘方法，解决自身实际问题。

4. 说法——写好数据分析报告

酒香最怕巷子深！报告人拥有数据化和逻辑化的生动表达力，才能说服领导、客户和同伴。写好数据分析报告是每个优秀员工必备基础能力。

「课程收益」l 6套实战案例及原始数据

曾老师从主持的能源（充电桩）规划精算、新能源汽车共享出行和互联网游戏运营等项目中，提炼了6套经典数据分析案例，涵盖了数字产品转化分析、数据驱动运营、客户聚类分析和投资决策精算等热门领域。数据模型可套用到学员工作中，现抓现用。

l 4节课后作业，练会为止

光说不练假把式！课程配备了与学员学习进展一一对应的课后作业，学员可以在线上方便提交作业，接受老师的答疑解难。

l 对优秀学员的免费辅导

教学相长！对能学化为用的优秀同学，曾老师很愿意提供帮助指导。

「课程模式」1. 课上面授

2. 分组互动

3. 课后作业

4. 微群辅导

「受众对象」有数据分析工作需求为佳、非数据专业背景的企业执行层员工

「时间安排」入门班1天

普通班2天

工作坊4至6天

「课程目录」 1 优秀数据分析师是怎样炼成的？

1.1 数据分析师的前世

1.2 数据分析师的今生

1.3 我的数据分析师之路

1.4 易精之路

1.4.1 数据分析师立身之道

1.4.1.1 客户之道

1.4.1.2 企业之道

1.4.2 数据分析师工作法

1.4.2.1 想法——数据化思维

1.4.2.2 看法——数据可视化

1.4.2.3 干法——数据挖掘技术

1.4.2.4 说法——数据分析报告

1.4.3 数据挖掘八术

1.4.3.1 横切面x 4

1.4.3.2 纵贯线x 4

2 想法——养成数据化思维

2.1 什么是数据化思维

2.1.1 中国古代的数据化思维

2.1.2 客户之道与企业之道

2.1.3 数据化思维定义

2.1.4 数据化思维公式

2.1.5 人与AI的认知融合

2.2 我们需要什么数据？

2.2.1 紧急的数据

2.2.2 重要的数据

2.2.3 紧要的数据

2.3 数据从哪里来？

2.3.1 现场调研

2.3.2 企业内部数据

2.3.3 交易/协作平台

2.3.3.1 电商平台

2.3.3.2 供应链

2.3.4 外部行业数据

2.3.4.1 免费/付费咨询报告

2.3.4.2 行业数据统计网站

2.4 案例：中美四级产业股市数据分析

2.5 作业：Power BI电商销售数据处理

3 看法——使用数据可视化工具

3.1  “工欲善其事，必先利其器”

3.1.1 数据工具概况和分类

3.1.2 Excel与Power BI——人手一份的数据分析工具

3.2 数据可视化

3.2.1 历史著名可视化精品

3.2.2 图表分类与应用

3.2.3 Power BI的Dashboard实操

3.2.4 数据可视化视频经典案例

3.3 怎样通过数据对比做决策？

3.3.1 拉普拉斯与决策模式

3.3.2 五大对比方法

3.3.2.1 甲/乙对比

3.3.2.2 前/后对比

3.3.2.3 A/B测试对比

3.3.2.4 类比

3.3.2.5 回归

3.4 分组游戏：决策私董会

3.5 案例：电力系统充电桩大数据规划与运营

3.6 作业：Power BI电商销售Dashboard

4 干法——实操数据分析方法

4.1 大数据探秘

4.1.1 大数据概念

4.1.2 大数据技术成熟度曲线分析

4.1.3 通用数据挖掘模式CRISP-DM

4.1.4 大数据“陷阱”

4.2 逆向大数据思维突破

4.3 不以赢利为目的的企业数据分析是“耍流氓”

4.4 数据挖掘八法：4横4纵

4.4.1 横截面

4.4.1.1 分类下钻

4.4.1.2 杜邦分析

4.4.1.3 聚类分群

4.4.1.4 A/B测试

4.4.2 纵贯线

4.4.2.1 趋势变化（Bar/Line Chart）

4.4.2.2 转化漏斗（Funnel）

4.4.2.3 行为路径（Sankey Chart）

4.4.2.4 运营干预（RFM）

4.5 易精数据决策导图

4.6 案例：新能源汽车分时租赁

4.7 作业：超市RFM分析

5 说法——写好数据分析报告

5.1 通天塔因为什么而倒塌？

5.2 酒香就怕巷子深

5.3 数据分析报告忌讳“三无”

5.3.1 胡言乱语——无逻辑

5.3.2 无病呻吟——无洞察

5.3.3 只挖不埋——无建议

5.4 优秀数据分析报告要素“2 2”

5.4.1 “痛”——量化问题——y

5.4.2 “病”——分解病因——x

5.4.3 “理”——数学模型——f（）

5.4.4 “药”——解决方案——y’和x’

5.5 案例：一份救命的数据分析报告

5.5.1 分组互动：提取痛、病、理、药

5.6 课后作业：“我的数据分析报告大纲”

6 大数据与AI未来已来

6.1 史上第一次人类认知危机

6.2 从古典逻辑到机器学习

6.3 人类天生认知障碍

6.4 人工智能优势和劣势

6.5 人和AI的认知融合

6.6 人工智能应用：无人驾驶

6.7 AI驱动型组织机制

6.7.1 亚马逊的“数字泰勒主义”

6.7.2 东西方融合：日本“现场主义”

6.7.3 A/B测试：数据驱动体制的试金石

6.7.4 数据决策分权机制激发执行层活力

6.8 数字孪生运营

6.9 案例：新能源汽车投资精算

6.10 人性与AI的顺逆冷暖

6.11 总结：数据分析师的心

6.12 结业作业：“我的数据分析报告”