本課程從實際的業務需求出發，結合行業的典型應用特點，圍繞實際的商業問題，對數據分析及數據挖掘技術進行了全面的介紹（從數據收集與處理，到數據分析與挖掘，再到數據可視化和報告撰寫），通過大量的操作演練，幫助學員掌握數據分析和數據挖掘的思路、方法、表達、工具，從大量的企業經營數據中進行分析，挖掘客戶行為特點，幫助運營團隊深入理解業務運作，以達到提升學員的數據綜合分析能力，支撐運營決策的目的。

通過本課程的學習，達到如下目的：

1、  了解數據分析的本質，理解數據決策的底層邏輯

2、  學會搭建數據分析框架，熟悉常用的業務模型

3、  熟悉數據分析標準過程，能夠按步驟進行數據分析

4、  掌握常用統計分析方法，熟練使用Excel高級數據分析工具

5、  掌握常用的概率分布，利用概率進行業務決策

6、  理解大數定律，中心極限定理等原理

7、  熟練各種參數估計，假設檢驗的分布及應用

【學員要求】

1、     每個學員自備一臺便攜機(必須)。

2、     便攜機中事先安裝好Excel 2013版本（建議2016版本以上）。

注：講師可以提供試用版本軟件及分析數據源。

【授課方式】

數據分析基礎 + 方法講解 + 實際業務問題分析 + 工具實踐操作

采用互動式教學，圍繞業務問題，展開數據分析過程，全過程演練操作，讓學員在分析、分享、講授、總結、自我實踐過程中獲得能力提升。

第一部分：  數據核心理念—數據思維篇

問題：什么是數據思維？大數據決策的底層邏輯以及決策依據是什么？

1、 數字化五大技術戰略：ABCDI戰略

2、 大數據的本質

‐  數據，是事物發展和變化過程中留下的痕跡

‐  大數據不在于量大，而在于全（多維性）

‐  業務導向還是技術導向

3、 大數據決策的底層邏輯（即四大核心價值）

‐  探索業務規律，按規律來管理決策

案例：客流規律與排班及最佳營銷時機

案例：致命交通事故發生的時間規律

‐  發現運營變化，定短板來運營決策

案例：考核周期導致的員工月初懈怠

案例：工序信號異常監測設備故障

‐  理清要素關系，找影響因素來決策

案例：情緒對于股市漲跌的影響

案例：為何升職反而會增加離職風險？

‐  預測未來趨勢，通過預判進行決策

案例：惠普預測員工離職風險及挽留

案例：保險公司的車險預測與個性化保費定價

4、 大數據決策的三個關鍵環節

‐  業務數據化：將業務問題轉化為數據問題

‐  數據信息化：提取數據中的業務規律信息

‐  信息策略化：基于規律形成業務應對策略

案例：用數據來識別喜歡賺“差價”的營業員

第二部分：  數據分析過程—流程步驟篇

1、 數據分析的六步曲

2、 步驟1：明確目的，確定分析思路

‐  確定分析目的：要解決什么樣的業務問題

‐  確定分析思路：分解業務問題，構建分析框架

3、 步驟2：收集數據，尋找分析素材

‐  明確數據范圍

‐  確定收集來源

‐  確定收集方法

4、 步驟3：整理數據，確保數據質量

‐  數據質量評估

‐  數據清洗、數據處理和變量處理

‐  探索性分析

5、 步驟4：分析數據，尋找業務答案

‐  選擇合適的分析方法

‐  構建合適的分析模型

‐  選擇合適的分析工具

6、 步驟5：呈現數，解讀業務規律

‐  選擇恰當的圖表

‐  選擇合適的可視化工具

‐  提煉業務含義

7、 步驟6：撰寫報告，形成業務策略

‐  選擇報告種類

‐  完整的報告結構

演練：產品精準營銷案例分析

‐  如何搭建精準營銷分析框架

‐  精準營銷分析的過程和步驟

第三部分：  數據分析方法—統計方法篇

問題：數據分析方法的種類？分析方法的不同應用場景？

1、 業務分析的三個階段

‐  現狀分析：通過企業運營指標來發現規律及短板

‐  原因分析：查找數據相關性，探尋目標影響因素

‐  預測分析：合理配置資源，預判業務未來的趨勢

2、 常用的數據分析方法種類

‐  描述性分析法（對比/分組/結構/趨勢/交叉…）

‐  相關性分析法（相關/方差/卡方…）

‐  預測性分析法（回歸/時序/決策樹/神經網絡…）

‐  專題性分析法（聚類/關聯/RFM模型/…）

3、 統計分析基礎

‐  統計分析兩大關鍵要素（類別、指標）

‐  統計分析的操作模式（類別à指標）

‐  統計分析三個操作步驟（統計、畫圖、解讀）

‐  透視表的三個組成部分

4、 常用的描述性指標

‐  集中程度：均值、中位數、眾數

‐  離散程度：極差、方差/標準差、IQR

‐  分布形態：偏度、峰度

5、 基本分析方法及其適用場景

‐  對比分析（查看數據差距，發現事物變化）

演練：尋找用戶的地域分布特征

演練：分析產品受歡迎情況及貢獻大小

演練：用數據來探索增量不增收困境的解決方案

‐  分布分析（查看數據分布，探索業務層次）

演練：銀行用戶的消費水平和消費層次分析

演練：客戶年齡分布/收入分布分析

案例：通信運營商的流量套餐劃分合理性的評估

演練：呼叫中心接聽電話效率分析（呼叫中心）

‐  結構分析（查看指標構成，評估結構合理性）

案例：增值業務收入結構分析（通信）

案例：物流費用成本結構分析（物流）

案例：中移動用戶群動態結構分析

演練：財務領域的結構瀑布圖、財務收支的變化瀑布圖

‐  趨勢分析（發現事物隨時間的變化規律）

案例：破解零售店銷售規律

案例：手機銷量的淡旺季分析

案例：微信用戶的活躍時間規律

演練：發現客流量的時間規律

‐  交叉分析（從多個維度的數據指標分析）

演練：用戶性別+地域分布分析

演練：不同客戶的產品偏好分析

演練：不同學歷用戶的套餐偏好分析

演練：銀行用戶的違約影響因素分析

第四部分：  概率分布基礎—概率決策篇

問題：掌握隨機事件的規律性，利用概率來做最優決策

1、 基本概念

‐  隨機事件與隨機變量

‐  頻率與概率

‐  概率分布及表示方式

2、 離散型變量概率分布

‐  伯努利分布

案例：產品質量合格率

‐  二項分布

案例：保費設計與盈利分析

案例：設備維修方案設計

‐  泊松分布

案例：最佳庫存量設計

案例：客服來電次數概率

案例：保險賠付概率計算

3、 連續型變量概率分布

‐  均值分布

‐  指數分布

案例：排隊時長評估

案例：來電時間間隔分析

案例：產品故障率及平均故障時間MTBF分布

案例：產品擔保期如何設計

‐  正態分布

案例：產品銷售金額評估

4、 其他常用分布

‐    分布

‐   分布

‐   分布

案例：營業廳客流趨勢分析

第五部分：  產品質量評估—參數估計

1、 抽樣估計基本概念

2、 抽樣方式

3、 抽樣估計的原理

‐  大數據定律

‐  中心極限定理

4、 參數估計—點估計

案例：汽車油耗估計

案例：市場占有率估計

案例：產品壽命估計

5、 參數估計—區間估計

‐  均值區間估計

案例：灌裝液的灌裝量評估

案例：藥效評估

案例：設備穩定性評估

案例：信用卡刷卡金額估計

‐  方差區間估計

案例：配件長度波動性檢驗

‐  比例區間估計

案例：汽車占有率評估

案例：候選人獲勝率評估

6、 抽樣誤差與樣本容量

第六部分：  產品質量檢驗—假設檢驗

問題：產品的壽命是多少？新營銷手段是否有效提升產品銷量？新的裝配方法能否提高產品質量？兩種配方的效果是否有顯著差異？

1、 假設檢驗種類與作用

2、 假設檢驗的基本思想

3、 假設檢驗的基本步驟

‐  拒絕域檢驗

‐  顯著性檢驗

4、 均值檢驗

案例：包裝機是否正常工作

案例：牛奶是否摻水檢驗

案例：產品壽命合格性檢驗

案例：焦慮指數評估

5、 方差檢驗

案例：銅絲的折斷力檢驗

案例：電池壽命波動檢驗

案例：車床精度檢驗

6、 比例檢驗

案例：滿意度調查評估

第七部分：  差異性檢驗—雙樣本檢驗

1、 獨立雙樣本假設檢驗

‐  均值差異檢驗

案例：兩種催化劑效果檢驗

案例：供應商交付周期差異評估

案例：煙齡是否會導致膽固醇升高

‐  方差差異檢驗

案例：兩臺機器的穩定性比較

2、 配對雙樣本假設檢驗

‐  配對設計

‐  配對雙樣本均值差異檢驗

案例：施肥對幼苗成長影響

案例：基建螺旋柱長度估計值與實際值差異評估

結束：課程總結與問題答疑。