师橙
专注知识沉淀与传承
请登录
大数据分析综合能力提升
傅一航 华为系大数据专家
授课时长: 6
授课形式: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。
授课对象: 销售部门、营业厅、呼叫中心、业务支撑、经营分析部、运营分析部等对业务数据分析有基本要求的相关人员。
本课程为基础课程,面向所有业务部门。
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。
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。
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
Ø A:人工智能,目的是用机器模拟人类行为
Ø B:区块链,构建不可篡改的分布记账系统
Ø C:云计算,搭建按需分配的计算资源平台
Ø D:大数据,实现智能化的判断和决策机制
Ø I:物联网,实现万物互联通信的基础架构
2、 大数据的本质
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、 大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、 大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)
Ø 透视表的三个组成部分
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
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(呼叫中心)
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(通信)
案例:物流费用成本结构分析(物流)
案例:中移动用户群动态结构分析
演练:财务领域的结构瀑布图、财务收支的变化瀑布图
Ø 趋势分析(发现事物随时间的变化规律)
案例:破解零售店销售规律
案例:手机销量的淡旺季分析
案例:微信用户的活跃时间规律
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:用户性别+地域分布分析
演练:不同客户的产品偏好分析
演练:不同学历用户的套餐偏好分析
演练:银行用户的违约影响因素分析
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、 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)
案例讨论:结合公司情况,搭建用户消费习惯的分析框架(5W2H)
结束:课程总结与问题答疑。
Copyright © 2022- 2022 上海宇谷信息科技集团有限公司 备案号: 沪ICP备2020038250号-2
021-60403586
( 工作日:9:30 - 18:30 )