友情链接:
合作联系
|
ASPEN培训课程
【课程目标】
本课程的主要目的是，帮助学员了解大数据的本质，培养学员的数据意识和数据思维，掌握常用的统计分析方法和工具，以业务问题为导向，提升学员的数据分析综合能力。
【课程大纲】
问题：什么是数据思维？大数据决策的底层逻辑以及决策依据是什么？
1、 数字化五大技术战略：ABCDI战略
2、 数据的本质
Ø 数据，是事物发展和变化过程中留下的痕迹
Ø 大数据不在于量大，而在于全（多维性）
Ø 业务导向还是技术导向
3、 数据决策的底层逻辑（即四大核心价值）
Ø 探索业务规律，按规律来管理决策
案例：客流规律与排班及最佳营销时机
案例：致命交通事故发生的时间规律
Ø 发现运营变化，定短板来运营决策
案例：考核周期导致的员工月初懈怠
案例：工序信号异常监测设备故障
Ø 理清要素关系，找影响因素来决策
案例：情绪对于股市涨跌的影响
案例：为何升职反而会增加离职风险？
Ø 预测未来趋势，通过预判进行决策
案例：惠普预测员工离职风险及挽留
案例：保险公司的车险预测与个性化保费定价
4、 数据决策的三个关键环节
Ø 业务数据化：将业务问题转化为数据问题
Ø 数据信息化：提取数据中的业务规律信息
Ø 信息策略化：基于规律形成业务应对策略
案例：用数据来识别喜欢赚“差价”的营业员
1、 数据分析的六步曲
2、 步骤1：明确目的，确定分析思路
Ø 确定分析目的：要解决什么样的业务问题
Ø 确定分析思路：分解业务问题，构建分析框架
3、 步骤2：收集数据，寻找分析素材
Ø 明确数据范围
Ø 确定收集来源
Ø 确定收集方法
4、 步骤3：整理数据，确保数据质量
Ø 数据质量评估
Ø 数据清洗、数据处理和变量处理
Ø 探索性分析
5、 步骤4：分析数据，寻找业务答案
Ø 选择合适的分析方法
Ø 构建合适的分析模型
Ø 选择合适的分析工具
6、 步骤5：呈现数，解读业务规律
Ø 选择恰当的图表
Ø 选择合适的可视化工具
Ø 提炼业务含义
7、 步骤6：撰写报告，形成业务策略
Ø 选择报告种类
Ø 完整的报告结构
演练：产品精准营销案例分析
Ø 如何搭建精准营销分析框架
Ø 精准营销分析的过程和步骤
问题：数据分析方法的种类？分析方法的不同应用场景？
1、 业务分析的三个阶段
Ø 现状分析：通过企业运营指标来发现规律及短板
Ø 原因分析：查找数据相关性，探寻目标影响因素
Ø 预测分析：合理配置资源，预判业务未来的趋势
2、 常用的数据分析方法种类
Ø 描述性分析法（对比/分组/结构/趋势/交叉…）
Ø 相关性分析法（相关/方差/卡方…）
Ø 预测性分析法（回归/时序/决策树/神经网络…）
Ø 专题性分析法（聚类/关联/RFM模型/…）
3、 统计分析基础
Ø 统计分析两大关键要素（类别、指标）
Ø 统计分析的操作模式（类别à指标）
Ø 统计分析三个操作步骤（统计、画图、解读）
4、 常用的描述性指标
Ø 集中程度：均值、中位数、众数
Ø 离散程度：极差、方差/标准差、IQR
Ø 分布形态：偏度、峰度
5、 基本分析方法及其适用场景
Ø 对比分析（查看数据差距，发现事物变化）
演练：寻找用户的地域分布特征
演练：分析产品受欢迎情况及贡献大小
演练：用数据来探索增量不增收困境的解决方案
演练：优质客户的特征分析
Ø 分布分析（查看数据分布，探索业务层次）
演练：银行用户的消费水平和消费层次分析
演练：客户年龄分布/收入分布分析
案例：通信运营商的流量套餐划分合理性的评估
演练：呼叫中心接听电话效率分析
Ø 结构分析（查看指标构成，评估结构合理性）
案例：增值业务收入结构分析
案例：物流费用成本结构分析
案例：用户群动态结构分析
演练：财务领域的结构瀑布图/变化瀑布图
Ø 趋势分析（发现事物随时间的变化规律）
案例：手机销量的淡旺季分析
案例：用户活跃时间规律分析
演练：发现客流量的时间规律
Ø 交叉分析（从多个维度的数据指标分析）
演练：不同客户的产品偏好分析
演练：银行用户违约的影响因素分析
演练：提取流失客户的典型特征
问题：如何才能全面/系统地分析而不遗漏？如何分解和细化业务问题？
1、 业务分析思路和分析框架来源于业务模型
2、 常用的业务模型
Ø 外部环境分析：PEST
Ø 业务专题分析：5W2H
Ø 竞品/竞争分析：SWOT、波特五力
Ø 营销市场专题分析：4P/4C等
3、 精准营销的业务模型（6R准则）
案例：如何构建大数据精准营销的分析框架
4、 用户行为分析（5W2H分析思路和框架）
Ø WHY：原因（用户需求、产品亮点、竞品优劣势）
Ø WHAT：产品（产品喜好、产品贡献、产品功能、产品结构）
Ø WHO：客户（基本特征、消费能力、产品偏好）
Ø WHEN：时间（淡旺季、活跃时间、重购周期）
Ø WHERE：区域/渠道（区域喜好、渠道偏好）
Ø HOW：支付/促销（支付方式、促销方式有效性评估等）
Ø HOW MUCH：价格（费用、成本、利润、收入结构、价格偏好等）
研讨：结合公司情况，找一个商业目标来搭建分析框架（5W2H）
5、 数据分析策略
营销问题：哪些因素是影响业务目标的关键要素？比如，产品在货架上的位置是否对销量有影响？价格和广告开销是如何影响销量的？影响风控的关键因素有哪些？如何判断？
1、 影响因素分析的常见方法
2、 相关分析（衡量两数据型变量的线性相关性）
Ø 相关分析简介
Ø 相关分析的应用场景
Ø 相关分析的种类
Ø 相关分析的基本步骤
演练：营销费用会影响销售额吗？影响程度如何量化？
演练：哪些因素与汽车销量有相关性
演练：影响用户消费水平的因素会有哪些
3、 方差分析（衡量类别变量与数值变量间的相关性）
Ø 方差分析的应用场景
Ø 方差分析的三个种类
² 单因素方差分析
² 多因素方差分析
² 协方差分析
Ø 单因素方差分析的原理
Ø 方差分析的四个步骤
Ø 解读方差分析结果的两个要点
演练：摆放位置与销量有关吗
演练：客户学历对消费水平的影响分析
演练：广告和价格是影响终端销量的关键因素吗
演练：营业员的性别、技能级别对产品销量有影响吗
演练：寻找影响产品销量的关键因素
4、 列联分析（衡量类别变量间的相关性）(略)
Ø 交叉表与期望值
Ø 卡方检验原理
演练：银行用户违约的影响因素分析
案例：影响用户流失的因素有哪些？
演练：提取某类用户的典型特征
5、 相关性分析方法总结
营销问题：如何预测未来的产品销量/销售额？如果产品跟随季节性变动，该如何预测？
1、 回归分析简介和原理
2、 回归分析的种类
Ø 一元回归/多元回归
Ø 线性回归/非线性回归
3、 常用回归分析方法
Ø 散点图+趋势线（一元）
Ø 线性回归工具（多元线性）
Ø 规划求解工具（非线性回归）
演练：散点图找营销费用与销售额的关系
4、 线性回归分析的五个步骤
演练：营销费用、办公费用与销售额的关系（线性回归）
5、 线性回归方程的解读技巧
6、 回归预测模型评估
Ø 质量评估指标：判定系数R^2
Ø 如何选择最佳回归模型
演练：如何选择最佳的回归预测模型（一元曲线回归）
7、 带分类自变量的回归预测
演练：汽车季度销量预测
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最佳配置
1、 时间序列简介
Ø 回归模型的缺点
2、 时序预测常用模型
3、 评估预测值的准确度指标
Ø 平均绝对误差MAD
Ø 均方差MSE/RMSE
Ø 平均误差率MAPE
4、 移动平均（MA）
Ø 应用场景及原理
Ø 移动平均种类：一次/二次/加权移动平均
Ø 移动平均关键问题：期数N和权重系数如何确定
演练：平板电脑销量预测及评估
演练：快销产品季节销量预测及评估
5、 指数平滑（ES）
Ø 应用场景及原理
Ø 最优平滑系数的选取原则
Ø 指数平滑种类：一次/二次/三次指数平滑
² Holt线性、Holt指数、阻尼线性、阻尼指数）
演练：航空旅客量预测及评估
1、 常用图形类型及选择原则
2、 常用图形作用及画原则
Ø 柱状图、条形图（对比）
Ø 直方图、箱线图（分布）
Ø 饼图、瀑布图（结构）
Ø 折线图（趋势）
Ø 散点图（关系）
3、 图形美化原则与技巧
案例：绘图示例
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
结束：课程总结与问题答疑。
