【课程背景】

数据分析，是当下数字化时代企业经营的关键。伴随着产业数字化的逐渐深入，各行各业都需要借助数据分析来指导企业经营。与传统的数据分析不同的是，数字化时代，依托云计算、大数据和AI等技术，以数字化产品为中心，以实际物理世界的业务场景为蓝本，云化线上，我们可以拥有更好、更简易的方法来获得数据、分析数据，这是在数据分析的历史上是一大转折。

今天，随着数字化改革的深入，各行各业都已经开始使用数字化工具来提升企业业务运营的效率。如何根据业务和运营理念构建数据模型，如何采用科学合理的方法对数据进行采集、分析和处理，是当前企业存在的主要问题。

【课程收获】

了解数字化时代数据分析的价值、底层逻辑和应用场景

了解当前工业互联网、产业互联网和消费互联网数据分析的应用领域和核心思想

掌握消费互联网（电商）用于提升销售的数据分析的方法

掌握产业互联网（农业、旅游、教育、服务业等）数据分析的应用场景及主要方法

【课程内容】

模块

主题

内容

1

数字化时代的数据分析

（1小时）

数据分析的价值

业务战略调整

商业模式变革

业务效率提升

组织结构优化

数字化时代的数据分析方法

底层的逻辑

实现的途径——中台战略

核心要素——影响要素、数据采集、数据模型、算法

产业数字化与数据分析

产业业务场景——研发生产、仓储物流、营销销售、客户服务

业务指标与数据模型

数据分析的意义——正常与优化迭代

2

数据分析的主要应用领域及核心指导思想

（0.5小时）

工业互联网（工业数字化）

数字孪生与数字工厂

数据采集与监控

数据分析与应用

产业互联网（产业数字化）

产业互联网数字化的意义

数据模型与数据采集

指标与数据分析

消费互联网（电商）

消费互联网数据分析的意义

业绩增长的模型

指标与数据分析

3

消费互联网

（2小时）

分析的意义

制定和实现销售目标业绩

优化要素

制定策略

业绩增长模型及业务指标

渠道模型：S=Σs(1~n)

流量模型（漏斗模型）：S=UV（流量）*CVR（转化率）*P(客单价）

增长黑客（AARRR）：S=N*P=S1（新客户） S（老客户） S3(老带新）

（包括了：漏斗模型 RFM模型 裂变模型）

分布模型：S=n*s(标准经营单位）

数据来源

渠道结构

终端结构

区域结构

硬件结构

用户结构

数据分析方法

目标分解

检验假设：单因子变量和AB法

对比分析

MVP**小可行性分析

4

产业互联网

（1.5小时）

分析的意义

提升业务效率

创新商业模式

优化组织结构

提升业务效率

精益生产

降低库存

布局网点

加速周转

客户满意

创新商业模式

用户数据采集

用户画像数据分析

需求分析

供给侧重构

确定商业模式

优化组织结构

内部传统业务的人效

数字化转型下人效分析

明确新型组织结构