本课程为初级课程，面向业务部门的数据分析综合能力提升，主要使用统计分析方法，解决业务问题。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。

**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

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）

2、认识数据分析

什么是数据分析

数据分析的三大作用

数据分析的三大类别

案例：

3、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

4、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

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

先有数据还是先有问题？

确定分析目的

确定分析思路

3、步骤2：数据收集—理清思路

明确收集数据范围

确定收集来源

确定收集方法

演练：

4、步骤3：数据预处理—寻找答案

数据清洗、转化、提取、计算

数据质量评估

演练：

5、步骤4：数据分析--寻找答案

分析方法选择

构建合适的分析模型

分析工具选择

6、步骤5：数据展示--观点表达

选择合适的可视化工具

选择恰当的图表

7、步骤6：报表撰写--观点表达

选择报告种类

完整的报告结构

8、数据分析的三大误区

案例：

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、基本分析方法及其适用场景

对比分析（查看数据差距）

分组分析（查看数据分布）

结构分析（评估事物结构）

趋势分析（发现变化规律）

3、综合分析方法及其适用场景

交叉分析（两维分析）

综合评价法（多维指标归一）

杜邦分析法（关键因素分析-财务数据分析）

漏斗分析法（关键流程环节分析-流失率与转化率分析）

矩阵分析法（产品策略分析-象限图分析法）

4、**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

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）

4、用户消费行为分析（5W2H分析法）

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）

7、用户使用行为研究（用户使用行为分析法）

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“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

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

第八部分：数据分析实战篇（中级）

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

相关分析的步骤与计算公式

相关分析应用场景

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

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**回归模型）

回归分析（带分类变量）

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

第九部分：数据挖掘实战篇（高级）

1、聚类分析

问题：

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

K均值聚类

2、分类分析

问题：

分类与聚类

决策树分类的原理

如何评估分类性能

3、关联分析

问题：

关联分析解决什么样的问题

如何提取关联规则

关联规则的应用场景

演练：

4、RFM模型

问题：如何评估客户的价值？如何针对不同客户采取不同的营销策略？

RFM模型介绍

RFM的客户细分框架理解

结束：课程总结与问题答疑。