课程时长：2天，6小时/天
课程设计：
散兵游勇式的学习必然导致点子式的分析，分析的成果时好时坏完全看运气。系统的学习才能使学员从一开始就建立体系化的分析模型，并通过反复迭代日趋完善。本课程帮助学员体系化的学习数据分析的知识，从三个方面来讲授：
1. 数据分析框架：
2. 数据分析思维
3. 数据分析方法
授课形式：课程由理论讲解+现场实战演练组成。
课程收益：
▪ 使学员学会用数据思维看业务做管理
▪ 使学员掌握不同场景应该使用什么分析方法
▪ 使学员正确使用工具高效迅速的完成分析
课程准备：
再高级的分析思维如果不能落地，那么都是空中楼阁。认为简单的分析用Excel就可以完成的想法忽略了一个事实：目前基于Excel建立的分析体系，重复性的工作太多，将会极大的浪费人力成本，而且Excel的单元格自由度太高导致很容易出现数据错误，留下长期的隐患。
因此本课程开始之前请与老师沟通以下内容：
1. 贵公司已经投入使用的分析工具是什么？
2. 学员的岗位和基础
3. 培训希望达成哪些目标
老师将根据沟通的结果定制学习的方案，并共同协商使用的工具。
课程大纲：
课程第一阶段：数据分析流程解析
1. 实战演练
这是重要的导入案例，让学员深刻体会，为什么设定正确的分析目标，建立模型非常重要。
a) 数据背景介绍：刚成立2年的事业部为什么惨遭解散
b) 请使用提供的数据，分析该事业部经营过程中存在的问题
2. 怎么看数据：数据分析的全流程解析
本小节是数据分析思维的重点，将结合企业的商业模式、生命周期理论、分析模型等方面进行阐释。通过展示本课程将完成的分析仪表盘，来和分析流程相对应，让学员体系化的理解数据分析过程。
a) 目标设定
b) 模型建立
c) 数据获取
d) 数据清洗
e) 数据分析
f) 数据挖掘
g) 可视化呈现
h) 模型迭代
3. 用什么看数据-主流分析工具简介
a) 数据获取阶段的工具
b) 数据清洗阶段的工具
c) 数据分析阶段的工具
d) 数据挖掘阶段的工具
e) 可视化呈现阶段的工具
课程第二阶段：数据治理极简入门
本阶段的内容对日后的分析效率将造成极大影响。调查显示，多数的分析工作，准备数据（包括数据的获取、整合、清洗、转换）要占到80%以上的时间。学会管理数据的技巧，将极大影响分析的效率。第二阶段的目标将帮助学员掌握数据的治理技巧，让每个月的数据分析变的简单，让数据清洗变的自动化。
1. 大数据带来的挑战
a) 文件太大Excel打开都要卡死
b) 多个来源的数据需要整合才能分析
c) 数据质量成问题，几万行数据哪里有问题都不好检查，错误太多都不太想分析了
d) 这个月整完了，下个月又要来一次，实在提不起心气认真分析
2. 极简数据治理方法
a) 建立树形的数据保存机制
b) 善用工具执行数据质量检查
c) 学会数据库的思维，懂得建立表关联（并非VLOOKJUP）
d) 将本月的数据清洗的过程作为模板直接套用到下个月才是王道
3. 数据治理案例实战
基于数据的树形结构建立数据清洗模板，让数据的准备过程自动化
课程第三阶段：数据分析方法
没有最好的，只有适合的。不同的分析场景适合的分析方法不一样。本部分把大多数部门的分析场景加以抽象，介绍适合本场景的分析方法，并通过场景的演练让学员快速掌握。
1. 结构分析
适用场景：分析单一指标的构成，作为优化的参考
a) 收入来源分析
b) 成本结构分析
c) 细分客户群体的构成分析
d) 设备故障的各种原因构成分析
结构分析通常使用可视化分析方法进行分析，可以使用树形分析法对不同的层次进行表达。
实战演练：对本年度经营收入按经营大小区域进行分析，并对比3种可视化图表的效果
2. 差异分析
适用场景：分析两个或者多个类别之间的差异，例如：
a) 业绩低于去年同期或者业绩低于预算是什么原因？
b) 业绩提升的主要因素是地域、产品、时段还是其他
c) 人力成本提升了，主要发生在哪些项目？
d) 库存增加了，主要增加在哪里？
差异分析一般使用可视化分析方法分析数据，根据目标设计多维分析仪表盘进行分析，根据选择的工具，也可以使用智能分析方法进行自动进行辅助分析。
实战演练：收入增长未达预期，请分析数据，并对结果进行解释
3. 影响因子分析
适用场景：对定性类的结果数据进行分析，例如：
a) 为降低离职率，分析影响员工离职的重要因素，是绩效、工作时长、满意度、薪资、入职时间，或是其他的要素
b) 投标的成功率只有30%，分析影响因子是订单金额、招投标公司、区域、投标人、方案设计者、客户类型，还是其他，重要性的排序是什么？
c) 客户投诉增加，区域、产品、批次、网络、使用体验，哪几个是首要因素
影响因子分析一般使用数据挖掘方法。
实战演练：客户违约分析，客户违约的主要原因是什么？根据分析结果，如何降低风险？
4. 流程分析
使用场景：对业务流程或者运营过程进行分析，属于过程分析法，例如：
a) 客户网站购买行为分析
b) 线下交易过程分析
c) 客户服务过程分析
流程分析一般使用OSM模型对业务进行分解，消费者业务使用AARRR或者RARRA模型进行拆解
实战演练：根据过程数据绘制漏斗图
5. 时间序列分析
使用场景：分析数据的周期特征和趋势特征，例如：
a) 分析客户需求是否有周期性特征
b) 销售量的历史趋势分析
实战演练：对比几个不同产品的销售趋势有什么区别
授课老师
陈剑 信息化专家、IPMA认证项目经理
常驻地：厦门
邀请老师授课：13439064501 陈助理
