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。

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数据分析库操作。

【课程大纲】：

**部分：认识数据分析

问题：数据分析是神马?数据分析基本过程？

1、 认识数据分析

Ø 什么是数据分析

Ø 数据分析的三大作用

Ø 数据分析的三大类别

案例：喜欢赚“差价”的营业员

2、 数据分析需要什么样的能力

Ø 懂业务、懂管理、懂分析、懂工具、懂呈现

3、 大数据应用的四层结构

Ø 数据基础层、数据模型层、业务模型层、业务应用层

4、 数据分析与挖掘在企业中的应用

5、 数据分析六步曲

Ø 步骤1：明确目的--理清思路

Ø 步骤2：数据收集—理清思路

Ø 步骤3：数据预处理—寻找答案

Ø 步骤4：数据分析--寻找答案

Ø 步骤5：数据展示--观点表达

Ø 步骤6：报表撰写--观点表达

案例：终端精准营销项目过程讨论

第二部分：数据分析方法篇

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

Ø 基本分析法（对比/分组/结构/趋势/…）

Ø 综合分析法（交叉/综合评价/杜邦/漏斗/…）

Ø 高级分析法（相关/方差/验证/回归/时序/…）

Ø 数据挖掘法（聚类/分类/关联/RFM模型/…）

2、 基本分析方法及其适用场景

Ø 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

Ø 分组分析（查看数据分布）

演练：银行信用卡月消费分析（银行）

演练：客服中心科学排班人数需求分析（客服中心）

Ø 结构分析（评估事物构成）

案例：用户市场占比结构分析

Ø 趋势分析（发现变化规律）

案例：破解零售店销售规律

3、 综合分析方法及其适用场景

Ø 交叉分析（两维分析）

Ø 综合评价法（多维指标归一）

Ø 杜邦分析法（关键因素分析-财务数据分析）

Ø 漏斗分析法（关键流程环节分析-流失率与转化率分析）

案例：销售流程优化策略

4、 常见数据分析任务

第三部分：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

Ø 从KPI指标开始

Ø 从营销/管理模型开始

2、 常用分析思路模型

3、 用户消费行为分析（5W2H分析法）

演练：用户购买行为分析思路细化

第四部分：数据分析实战篇（中级）

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？

Ø 什么是相关关系

Ø 相关系数：衡量相关程度的指标

Ø 相关分析的步骤与计算公式

Ø 相关分析应用场景

演练：营销费用与销售额的关系

案例：酒楼生意好坏与报纸销量的相关分析

2、 方差分析

问题：哪些才是影响销量的关键因素？

Ø 方差分析解决什么问题

Ø 方差分析种类：单因素/双因素可重复/双因素无重复

Ø 方差分析的应用场景

Ø 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？（单因素方差分析）

案例：2015年大学生工资与父母职业的关系

3、 回归分析（预测）

问题：如何预测未来的销售量（定量分析）？

Ø 回归分析的基本原理和应用场景

Ø 回归分析的种类（一元/多元、线性/曲线）

Ø 回归分析的几种常用方法

Ø 回归分析的五个步骤与结果解读

Ø 回归预测结果评估（如何评估预测质量，如何选择**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：**选择的预测销售额的回归模型（一元曲线回归）

Ø 回归分析（带分类变量）

案例：汽车销量的季度预测

演练：工龄、性别与终端销量的关系

讨论：终端销售预测分析（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？

Ø 时序分析的应用场景（基于时间的变化规律）

Ø 移动平均的预测原理

Ø 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

结束：课程总结与问题答疑。