大数据分析与挖掘综合能力提升实战（深圳，5月26-27日）

【举办单位】北京曼顿培训网  www.mdpxb.com   中国培训资讯网  www.e71edu.com

【咨询电话】4006820825   010-56133998  13810210257  

【培训日期】2017年5月26-27日

【培训地点】深圳

【培训对象】销售部门、营业厅、业务支撑、经营分析部、网管/网优中心、运营分析部、呼叫中心等对业务数据分析有基本要求的相关人员。

【课程目标】

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。

本课程覆盖了如下内容：

1、数据分析基础，数据分析过程

2、数据分析方法，数据分析思路。

3、数据可视化呈现，数据报告撰写。

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。

【课程收益】

通过本课程的学习，达到如下目的：

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。

【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

■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：喜欢赚“差价”的营业员

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：Excel数据导入练习

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：Excel数据预处理练习

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：终端营销项目过程讨论

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、统计分析常用指标

■计数、求和、百分比（增跌幅）

■集中程度：均值、中位数、众数

■离散程度：极差、方差/标准差

■分布形态：偏度、峰度

3、基本分析方法及其适用场景

■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

■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：呼叫中心接听电话效率分析（呼叫中心）

演练：客服中心科学排班人数需求分析（客服中心）

演戏：客户年龄分布分析

案例：排班后面隐藏的猫腻

■结构分析（评估事物结构）

案例：用户市场占比结构分析

案例：物流费用占比结构分析（物流）

■趋势分析（发现变化规律）

案例：破解零售店销售规律

4、综合分析方法及其适用场景

■交叉分析（两维分析）

演练：用户性别与地域分布分析

■综合评价法（多维指标归一）

演练：人才选拔评价分析（HR）

案例：南京丈母娘选女婿分析表格

■杜邦分析法（关键因素分析-财务数据分析）

案例：电信市场占有率分析

演练：服务水平提升分析（呼叫中心）

案例：销售额的影响因素分析（零售店/电商）

■漏斗分析法（关键流程环节分析-流失率与转化率分析）

演练：终端销售流程分析（电信营业厅）

案例：业务办理流程优化分析（银行营业厅）

案例：物流配送效率分析（物流）

■矩阵分析法（产品策略分析-象限图分析法）

案例：工作安排评估

案例：HR人员考核与管理

案例：波士顿产品策略分析

5、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

■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

案例：销售额数据分析

案例：营业厅工单结构分析

案例：营业厅客流趋势分析

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

■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）

案例：电信行业外部环境分析

4、用户消费行为分析（5W2H分析法）

案例：用户购买行为分析（5W2H）

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）

案例：用户增长缓慢分析

7、用户使用行为研究（用户使用行为分析法）

案例：终端销售流程分析

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“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

案例：营业时间调整专题报告

案例：企业业务运营分析报告

第八部分：数据分析实战篇

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

■相关分析的过程

■相关分析应用场景

演练：体重与腰围的关系

演练：营销费用与销售额的关系

案例：推广费用、销售额的相关分析

案例：价格与利润的相关分析

2、方差分析

问题：哪些才是影响销量的关键因素？

■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

演练：终端摆放位置与终端销量有关吗？（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

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）

■回归分析的方法及分析结果解读

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：最佳选择的预测销售额的回归模型（一元曲线回归）

■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？

■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

案例：销售额的时序预测

第九部分：数据挖掘实战篇

1、聚类分析

问题：如何实现客户细分，开发符合细分市场的新产品？

■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

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）

■K均值聚类

演练：宝洁公司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

问题：如何识别客户流失者、拖欠货款者？他们有什么特征？

■分析与聚类

■决策树分类的原理

■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

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？

■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

4、RFM模型

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？

■RFM模型介绍

■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实现最大化营销利润

实战：电信客户流失分析与预警模型

【讲师介绍】

  傅一航老师，曼顿培训网(www.mdpxb.com)资深讲师。 计算机软件与理论硕士研究生。在华为工作十年，数篇国家专利。并曾在英国、日本、荷兰等国做项目，对欧洲、日本的电信市场有比较深的了解。

傅老师专注于大数据分析、大数据挖掘等应用技术，及大数据系统解决方案，以及将大数据的数据分析、数据建模、数据挖掘应用于行业及商业领域，解决行业实际的问题。将大数据应用于运营决策，帮助企业提升运营决策能力；应用于市场营销，通过大数据营销，解决营销中的用户群细分，产品定位，精准营销，精准促销等实际问题，提升营销效果，节省营销费用，以及市场预测、用户行为预测等。致力于将大数据技术应用于通信、金融、航空、电商、互联网等领域。

傅老师近十年以来一直从事通信行业的研究与分析，熟悉大数据系统部署与应用、SP增值行业应用、终端应用与服务、4G无线解决方案。对通信行业的市场态势、客户行为、服务效果以及运营分析等方面有深入的接触和研究，特别是针对大数据、4G及LTE标准发展，无线网络演进，网络融合，市场发展及业务应用分析，在业务应用领域投入了更多的精力，积累了相当的知识和见解。

2009与英国电信BT、荷兰Zesko运营商交流，探讨3G业务的开展与市场分析，2010年与菲律宾、印尼电信运营商会议，探讨3G业务应用发展状况分析，2012年与日本软银SBM，实施4G网络解决方案及4G业务应用分析；2013年与中国移动提供网络融合、网络互操作、VoLTE等MBB解决方案。

【费用及报名】

1、费用：培训费5800元（含培训费、讲义费）；如需食宿，会务组可统一安排,费用自理。

2、报名咨询：4006820825  010-56133998  56028090  13810210257   鲍老师

3、报名流程：电话登记-->填写报名表-->发出培训确认函

4、备注：如课程已过期，请访问我们的网站，查询最新课程

5、详细资料请访问北京曼顿培训网：www.mdpxb.com (每月在全国开设四百多门公开课，欢迎报名学习)