本数据分析与挖掘系列课程包括三个等级的课程： 1、基础课程，专注于经营数据的统计与数据分析，适合于一般业务部门要求的数据统计与分析，内容系统且全面，使用工具为Excel 2013版本。 2、中级课程，专注于行业数据分析与数据挖掘，适合于数据分析部、业务支撑部等对数据分析与挖掘要求较高的部门，使用专业数据分析与挖掘工具SPSS v19版本。 3、高级课程，专注于较深入的数据挖掘技术，包括挖掘模型原理介绍，数据建模，挖掘算法，适合于大数据系统开发及数据分析专业人士，需要有一定的数学基础（统计与概率）。 本课程为基础课程，面向业务部门的数据分析能力提升。 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、了解大数据基础知识，理解大数据思维方式。 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。

【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、 数据分析面临的常见问题

Ø 不知道从哪里入手分析（缺少分析方法）

Ø 不知道收集什么样的数据（业务理解不足）

Ø 看不懂数据表达的意思（数据解读能力差）

Ø 担心分析不够全面（分析思路不系统）

2、 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 数据分析的三大类型

3、 数据分析需要什么样的能力

Ø 懂业务、懂分析、懂工具、懂呈现

4、 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

5、 数据分析与挖掘在企业中的应用

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

Ø 先有数据还是先有问题？

Ø 确定分析目的

Ø 确定分析思路

3、 步骤2：数据收集—理清思路

Ø 明确收集数据范围

Ø 确定收集来源

Ø 确定收集方法

4、 步骤3：数据预处理—寻找答案

Ø 数据清洗、转化、提取、计算

Ø 数据质量评估

5、 步骤4：数据分析--寻找答案

Ø 分析方法选择

Ø 构建合适的分析模型

Ø 分析工具选择

6、 步骤5：数据展示--观点表达

Ø 选择合适的可视化工具

Ø 选择恰当的图表

7、 步骤6：报表撰写--观点表达

Ø 选择报告种类

Ø 完整的报告结构

演练：Excel数据导入练习

演练：Excel数据预处理练习

8、 数据分析的三大误区

第三部分：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、 数据分析的三层次

Ø 统计汇总（对比/分组/结构/趋势/…）

Ø 数据分析（相关/方差/验证/回归/时序/…）

Ø 数据挖掘（聚类/分类/关联/RFM模型/…）

2、 统计分析常用指标

Ø 正确理解均值、方差、分布

Ø 正确理解分布与直方图

演练：呼叫中心通话时间、时长的数据分析

3、 学会使用透视表（数据统计的利器）

案例演练：数据统计利器（透视表）

4、 基本数据分析方法及其适用场景

Ø 对比分析

Ø 分组分析

Ø 平均分析

Ø 趋势分析

Ø 交叉分析

Ø 结构分析

案例：呼叫中心服务水平数据分析案例

5、 综合数据分析方法

Ø 多维数据分析（综合评价法）

Ø 财务数据分析（杜邦分析法）

Ø 流失率与转化率分析（漏斗分析法）

Ø 产品策略分析（象限图分析法）

案例：品牌认知度分析

6、 **合适的分析方法才是硬道理。

7、 如何解读数据分析结果？

第四部分：解读数据分析结果

问题：数据多，看不明白，不知道从何处看出问题？

1、 数据分析的目的

Ø 发现业务问题

Ø 发现业务规律

Ø 寻找业务解决策略

2、 对比分析及业务策略

Ø 看差距，补短板

Ø 看极值，评优劣

Ø 看异常，找原因

3、 结构分析及业务策略

Ø 看占比，聚焦重点

Ø 看失衡，优化结构

4、 趋势分析及业务策略

Ø 看变化，说趋势

Ø 看峰谷，找规律

Ø 看异常，找原因

5、 解读要符合业务逻辑

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、 数据分析的思想与框架

2、 企业外部环境分析（PEST分析法）

案例：电信行业情况分析

3、 用户消费行为分析（5W2H分析法）

案例：用户消费行为分析（5W2H）

4、 公司整体经营情况分析（4P营销理论）

5、 业务问题专题分析（逻辑树分析法）

6、 用户使用行为研究（用户使用行为分析法）

案例：终端销量行为分析

第六部分：图表呈现篇

问题：如何让你的分析结果更直观易懂？如何让数据会说话？

1、 图表类型与作用

2、 常用图形及适用场景

3、 常用图形

Ø 柱状图（对比分析）

Ø 条形图（对比分析）

Ø 折线图（数据趋势分析）

Ø 饼图（产品组成分析）

Ø 雷达图（多重数据比较）

案例：图形绘制

4、 复杂图形

Ø 平均线图（对比分析）

Ø 双坐标图（不同量纲呈现）

Ø 对称条形图（对比）

Ø 瀑布图（成本、收益构成分析）

Ø 漏斗图（用户转化率分析）

Ø 散点图/气泡图（用户、产品分类分析）

Ø 帕累托图/柏拉图(主要根因分析）

案例：图形绘制

5、 动态图表画法技巧

6、 图表美化原则

Ø 简约

Ø 整洁

Ø 对比/突出

7、 表格呈现

8、 优秀图表示例解析

9、 常见的可视化工具

第七部分：分析报告撰写

问题：如何让你的分析报导更专业？

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：运营分析报告

第八部分：数据分析实战篇（中级）

1、 常用数据分析工具

Ø 常用数据分析EXCEL

Ø 专业数据分析SPSS

2、 EXCEL分析功能介绍

Ø 模拟分析

Ø 规划求解

Ø 数据分析库

3、 描述统计（对数据的简单描述）

商业问题：如何更好地描述数据？如何衡量集中程度、离散程度？

Ø 描述统计内容

案例：均值、范围/方差计算？如何理解？

Ø 直方图/柏拉图

商业问题：如何评估销量数据的分布情况？

案例：客服中心如何排班更合理？

4、 相关分析（衡量变量间的的相关性）

商业问题：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 相关分析的过程

Ø 相关分析应用场景

演练：体重与腰围的关系

案例：香港酒楼与报考厅的相关关系

5、 方差分析

商业问题：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：终端销量与摆放位置有关系吗？（单因素方差分析）

演练：时间、区域是否是影响终端销量的关键因素（双因素无重复方差分析）

演练：广告和价格是影响终端销量的关键因素吗（双因素可重复）

案例：2015年大学生工资与父母职业的关系

案例：洗手与婴儿存活率的关系

6、 回归分析（预测）

商业问题：如何预测未来的销售量（定量分析）？

Ø 回归分析的基本原理

Ø 回归分析的作用

Ø 回归分析的种类（一元/多元、线性/曲线）

Ø 回归分析的方法及分析结果解读

演练：推广费用、办公费用与销售额的关系

Ø 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：多元线性回归：汽车销量的季节性变化

7、 时序分析（预测）

商业问题：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：终端销量数据分析与预测

第九部分：数据挖掘实战篇（高级）

1、 聚类分析

商业问题：如何实现客户细分，开发符合细分市场的新产品？

Ø 聚类分析及其作用

Ø 聚类分析的种类

Ø 层次聚类：发现多个类别

Ø R型聚类与Q型聚类的区别

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）

Ø K均值聚类

演练：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

案例：美国零售商（Target）如何预测少女怀孕

商业问题：如何识别客户流失者、拖欠货款者？他们有什么特征？

Ø 分析与聚类

Ø 决策树分类的原理

Ø 如何评估分类性能

演练：识别银行欠货风险，提取欠货者的特征

3、 关联分析

案例：啤酒与尿布、飓风与蛋挞

商业问题：购买面包的人是否也会购买牛奶？他们同时购买哪些产品？

Ø 关联分析解决什么样的问题

Ø 如何提取关联规则

Ø 关联规则的应用场景

4、 RFM模型

商业问题：如何评估客户的价值？如何针对不同的客户采取营销策略？

Ø RFM模型介绍

Ø RFM的客户细分框架理解

演练：淘宝客户选择促销客户的方式

演练：结合响应模型，宜家IKE实现**大化营销利润

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。