【授课时间】9小时
【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：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 不知道分析什么（分析目的不明确）
Ø 不知道怎样分析（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 不知道下一步怎么做（不了解分析过程）
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 数据分析的三大类别
案例：
3、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
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
演练：
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
演练：
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
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
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）
Ø 分组分析（查看数据分布）
Ø 结构分析（评估事物结构）
Ø 趋势分析（发现变化规律）
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）
Ø 矩阵分析法（产品策略分析-象限图分析法）
4、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
Ø 发现业务规律
Ø 发现业务异常
Ø 寻找业务策略
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、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
Ø 柱状图（对比分析）
Ø 条形图（对比分析）
Ø 折线图（趋势分析）
Ø 饼图（结构分析）
Ø 雷达图（多重数据比较）
演练：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 散点图/气泡图（矩阵分析法）
Ø 瀑布图（成本、收益构成分析）
Ø 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？
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
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
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，如何选择最佳回归模型）
Ø 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？
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
第九部分：数据挖掘实战篇（高级）
1、聚类分析
问题：
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
Ø K均值聚类
2、分类分析
问题：
Ø 分类与聚类
Ø 决策树分类的原理
Ø 如何评估分类性能
3、关联分析
问题：
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
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？
Ø RFM模型介绍
Ø RFM的客户细分框架理解
结束：课程总结与问题答疑。
