大数据分析与挖掘综合能力提升培训

【课程目标】
本课程为初级课程，面向所有应用型人员，包括业务部分，以及数据分析部门，系统开发人员也同样需要学习。
本课程核心内容是理清大数据的本质及核心理念，培训大数据人才的数据思维模式，以解决业务问题为导向，提升学员在数据分析综合能力。
一般情况下，在企业中有80%的数据分析工作（比如业务分析、经营分析等等），都可以使用简单的统计分析方法来解决，关键在于发现企业运营过程中的业务规律及业务问题，进而提出业务策略及建议，供企业领导进行决策。
本课程覆盖了如下内容：
1、    大数据的本质及核心理念
2、    数据分析基础，数据分析过程
3、    数据分析方法，数据分析思路。
4、    数据可视化呈现，数据报告撰写。
  
本课程从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，对数据分析及数据挖掘技术进行了全面的介绍（从数据收集与处理，到数据分析与挖掘，再到数据可视化和报告撰写），通过大量的操作演练，帮助学员掌握数据分析和数据挖掘的思路、方法、表达、工具，从大量的企业经营数据中进行分析，挖掘客户行为特点，帮助运营团队深入理解业务运作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。
通过本课程的学习，达到如下目的：
1、    了解数据分析基础知识，掌握数据分析的基本过程。
2、    学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。
3、    熟悉数据分析的基本过程，掌握Excel高级数据分析库操作。
4、    熟练使用图表制作工具，掌握图表美化原则，正确使用图表来表达观点。
5、    掌握数据分析报告的写作技巧及要点，全面正确地呈现分析结果。
【授课时间】
2天时间
【授课对象】
销售部门、营业厅、呼叫中心、业务支撑、经营分析部、网管/网优中心、运营分析部、系统开发部等对业务数据分析有基本要求的相关人员。
【学员要求】
1、    每个学员自备一台便携机(必须)。
2、    便携机中事先安装好Excel 2010版本及以上。
3、    便携机中事先安装好IBM SPSS v19版本及以上。
注：讲师可以提供试用版本软件及分析数据源。
【授课方式】
数据分析基础 + 方法讲解 + 实际业务问题分析 + Excel实践操作
采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。

【课程大纲】
第一部分：    大数据的核心理念
问题：大数据的核心价值是什么？大数据是怎样用于业务决策？
1、    大数据时代：你缺的不是一堆方法，而是大数据思维
2、    大数据是探索事物发展和变化规律的工具
3、    从案例看大数据的核心本质
    用趋势图来探索产品销量规律
    从谷歌的GFT产品探索用户需求变化
    从美国总统竞选看大数据对选民行为进行分析
    从大数据炒股看大数据如何探索因素的相关性
4、    认识大数据分析
    什么是数据分析
    数据分析的三大作用
    常用分析的三大类别
案例：喜欢赚“差价”的营业员（用数据管理来识别）
5、    数据分析需要什么样的能力
    懂业务、懂管理、懂分析、懂工具、懂呈现
6、    大数据应用的四层结构
    数据基础层、数据模型层、业务模型层、业务应用层
7、    大数据分析的两大核心理念
8、    大数据分析面临的常见问题
    不知道分析什么（分析目的不明确）
    不知道怎样分析（缺少分析方法）
    不知道收集什么样的数据（业务理解不足）
    不知道下一步怎么做（不了解分析过程）
    看不懂数据表达的意思（数据解读能力差）
    担心分析不够全面（分析思路不系统）

第二部分：    数据分析基本过程
1、    数据分析的六步曲
2、    步骤1：明确目的--理清思路
3、    步骤2：数据收集—理清思路
4、    步骤3：数据预处理—寻找答案
5、    步骤4：数据分析--寻找答案
6、    步骤5：数据展示--观点表达
7、    步骤6：报表撰写--观点表达
8、    数据分析的三大误区
演练：如何用大数据来支撑手机精准营销项目

第三部分：    统计分析实战篇
问题：数据分析有什么方法可依?不同的方法适用解决什么样的问题？
1、    数据分析方法的层次
    基本分析法（对比/分组/结构/趋势/…）
    综合分析法（交叉/综合评价/杜邦/漏斗/…）
    高级分析法（相关/方差/验证/回归/时序/…）
    数据挖掘法（聚类/分类/关联/RFM模型/…）
2、    统计分析常用指标
    计数、求和、百分比（增跌幅）
    集中程度：均值、中位数、众数
    离散程度：极差、方差/标准差
    分布形态：偏度、峰度
3、    基本分析方法及其适用场景
    对比分析（查看数据差距）
演练：按性别、省份、产品进行分类统计
    分组分析（查看数据分布）
案例：银行ATM柜员机现金管理分析（银行）
案例：排班后面隐藏的猫腻
案例：通信运营商的流量套餐的合理性评估

演练：银行用户消费层次分析（银行）
演练：呼叫中心接听电话效率分析（呼叫中心）
演练：客服中心科学排班人数需求分析（客服中心）
演练：客户年龄分布分析
    结构分析（评估事物构成）
案例：用户市场占比结构分析
案例：物流费用占比结构分析（物流）
    趋势分析（发现变化规律）
案例：破解零售店销售规律
演练：发现产品销售的时间规律
    交叉分析（多维数据分析）
演练：用户性别+地域分布分析
演练：不同区域的产品偏好分析
演练：不同教育水平的业务套餐偏好分析
4、    综合分析方法及其适用场景
    综合评价法（多维指标归一）
案例：南京丈母娘选女婿分析表格
演练：人才选拔评价分析（HR）
    杜邦分析法（关键因素分析-财务数据分析）
案例：运营商市场占有率分析（通信）
案例：服务水平提升分析（呼叫中心）
演戏：提升销量的销售策略分析（零售商/电商）
    漏斗分析法（关键流程环节分析-流失率与转化率分析）
案例：电商产品销售流程优化与策略分析（电商）
演练：营业厅终端销售流程分析（电信）
演练：银行业务办理流程优化分析（银行）
    矩阵分析法（产品策略分析-象限图分析法）
案例：工作安排评估
案例：HR人员考核与管理
案例：波士顿产品策略分析
5、    最合适的分析方法才是硬道理。

第四部分：    解读数据分析结果
问题：数据多，看不明白，不知道从何处看出业务问题？
1、    数据分析的目的
    发现业务规律
    发现业务异常
    寻找业务策略
2、    对比分析及业务策略
    看差距，补短板
    看极值，评优劣
    看异常，找原因
3、    结构分析及业务策略
    看占比，聚焦重点
    看失衡，优化结构
4、    趋势分析及业务策略
    看变化，说趋势
    看峰谷，找规律
    看异常，找原因
5、    解读要符合业务逻辑
案例：销售额数据分析
案例：营业厅工单结构分析
案例：营业厅客流趋势分析

第五部分：    数据分析思路篇
问题：数据分析思路是怎样的？如何才能全面/系统地分析而不遗漏？
1、    数据分析的思路
    从KPI指标开始
    从营销/管理模型开始
2、    常用分析思路模型
3、    企业外部环境分析（PEST分析法）
案例：电信行业外部环境分析
4、    用户消费行为分析（5W2H分析法）
案例：用户购买行为分析（5W2H）
5、    公司整体经营情况分析（4P营销理论）
6、    业务问题专题分析（逻辑树分析法）
案例：用户增长缓慢分析
7、    用户使用行为研究（用户使用行为分析法）
案例：终端销售流程分析

第六部分：    图表呈现篇（这部分根据情况讲解）
问题：如何让你的分析结果更直观易懂？如何让数据“慧”说话？
1、    图表类型与作用
2、    常用图形及适用场景
3、    常用图形
    柱状图（对比分析）
    条形图（对比分析）
    折线图（趋势分析）
    饼图（结构分析）
    雷达图（多重数据比较）
演练：图形绘制
4、    复杂图形
    平均线图（对比分析）
    双坐标图（不同量纲呈现）
    对称条形图（对比）
    散点图/气泡图（矩阵分析法）
    瀑布图（成本、收益构成分析）
    漏斗图（用户转化率分析）
演练：图形绘制
5、    动态图表画法技巧
6、    图表美化原则
7、    表格呈现
8、    优秀图表示例解析

第七部分：    分析报告撰写（这部分不讲，课件留给学员参考）
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
8、    优秀报告展现与解析
案例：营业时间调整专题报告
案例：企业业务运营分析报告

第八部分：    数据分析实战篇
影响因素分析，数值预测模型。
1、    相关分析（衡量变量间的的相关性）
问题：营销费用会影响销售额吗？影响程度大吗？
    什么是相关关系
    相关系数：衡量相关程度的指标
    相关分析应用场景
演练：体重与腰围的关系
演练：营销费用会影响销售额吗
演练：哪些因素会影响汽车的销量？
2、    方差分析
问题：哪些才是影响销量的关键因素？
    方差分析解决什么问题
    方差分析种类：单因素/双因素可重复/双因素无重复
    方差分析的应用场景
    如何解决方差分析结果
演练：终端摆放位置与终端销量有关吗？
演练：开通月数对客户流失的影响分析
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、技能级别产品销量有影响吗？
演练：寻找影响产品销量的关键因素
3、    回归分析（预测）
问题：如何预测未来的销售量（定量分析）？
    回归分析的基本原理和应用场景
    回归分析的种类（一元/多元、线性/曲线）
    回归分析的几种常用方法
    回归分析的五个步骤与结果解读
    回归预测结果评估（如何评估预测质量，如何选择最佳回归模型）
演练：散点图找推广费用与销售额的关系（一元线性回归）
演练：推广费用、办公费用与销售额的关系（多元线性回归）
演练：如何选择最佳的回归预测模型（曲线回归）
    回归分析（带分类变量）
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配置（营业厅）
4、    时序分析（预测）
问题：随着时间变化，未来的销量变化趋势如何？
    时序分析的应用场景（基于时间的变化规律）
    移动平均的预测原理
    指数平滑的预测原理
案例：销售额的时序预测及评估
演练：产品销量预测及评估
演练：预测下个季度的用户数据流量

第九部分：    数据挖掘实战篇
1、    聚类分析
问题：如何实现客户细分，开发符合细分市场的新产品？
    聚类分析及其作用
    聚类分析的种类
    层次聚类：发现多个类别
    R型聚类与Q型聚类的区别
案例：中移动如何实现客户细分及营销策略
演练：中国省市经济发展情况分析（Q型聚类）
演练：裁判评分的标准衡量（R型聚类）
    K均值聚类
演练：宝洁公司如何选择新产品试销区域？
演练：如何评选优秀员工？
2、    分类分析
问题：如何提取客户流失者、拖欠货款者的特征？如何预测其流失的概率？
    分类与聚类
    决策树分类的原理
    如何评估分类性能
案例：美国零售商（Target）如何预测少女怀孕
演练：识别银行欠货风险，提取欠贷者的特征

实战：电信客户流失分析与预警模型

结束：课程总结与问题答疑。

大数据分析与挖掘综合能力提升培训