《数据分析师综合解析及实战》
讲师:李勇 发布日期:06-06 浏览量:610
讲授专家:李勇
培训对象:1、互联网时代,希望学习数据分析的人士;
课程时间:2天 培训+2天实战咨询
课程背景:
数字化时代已来,数据分析到底在数字化里处在什么位置?数据湖,数据仓库,数
据中台,数据调用,数据分析,数据标签化,数据驱动分别又在企业数字化转型中具备
什么意义?而这其中最最关键的数据分析结果是否有效、是否能体现应有的价值,有时
关系着企业经营的成败,但到底该如何确保数据分析的结果是有效的呢?本课程通过“案
例+方法+实战”的方式为数据分析人员提供全面、实用的理论指导和丰富、有效的讲解。
本课程系统、详细地介绍了数据分析知识的框架,分别从数据分析的类型、数据分析的
作用、数据分析的步骤等多个方面讲解了一名合格的数据分析人员必须掌握的知识与技
能。
课程收益:
培训完结后,学员能够:
← 了解什么是数字化转型?
←
什么是数字化转型中的数据湖,数据中台,数据分析,数据标签化,数据驱动业务增
长,数据可视化;
← 了解数据分析的基本方式和方法;
← 各部门数据实战;
第一期2天培训课程大纲:
|单元 |大纲 |内容 |
|单元一 |企业为什么要 |指导企业更好的做好客户体验 |
| |做数字化转型 |什么是客户? |
| | |什么是体验? |
| | |数字化中的客户体验到底解决了什么问题? |
| | |降本增效提质保全 |
| | |提高的是绝对效率,而不是相对效率 |
| | |有效解决企业的决策 |
| | |提高了决策的效率 |
| | |提高了决策的质量 |
|单元二 |企业数字化转 |阶段一:全量全要素的链接 |
| |型到底该如何 |阶段二:数字化流程的演练 |
| |实施和执行 |要有业务模型;何谓业务模型?何谓数据模 |
| | |型? |
| | |数据要在线和实时 |
| | |要贯穿人和设备 |
| | |阶段三:数字化业务提炼 |
| | |有价值导向的业务 |
| | |价值一定要闭环 |
| | |阶段四:数字化生态构建 |
|单元三 |数据湖,数据 |什么是数据湖?数据中台?数据分析?数据 |
| |中台,数据分 |治理? |
| |析,数据治理 |数据分析处在何种位置? |
| |的意义和概念 |指标标签和数据标签的不同 |
|单元四 |数据分析师需 |掌握基本的理论知识 |
| |哟具备哪些技 |统计学 |
| |能 |市场研究学 |
| | |掌握数据思维的模型 |
|单元四 |数据分析的步 |什么是数据分析? |
| |骤 |数据分析的四大步骤 |
| | |定义问题:常犯的错误有哪些 |
| | |分解问题:该如何分析? |
| | |评估问题:评估问题常见的错误有哪些 |
| | |解决问题:如何更完善的对问题进行解决 |
|单元五 |分解问题中需 |分解问题需要掌握的思维方法 |
| |要掌握的思维 |结构化思维 |
| |和方法 |公式化思维 |
| | |业务化思维 |
| | |分解问题中需要掌握的具体方法 |
| | |对比分析(查看数据差距) |
| | |多维对比法(拥有较多维度数据) |
| | |象限分析法(更好的做好策略) |
| | |漏斗分析法(业务关键流程) |
| | |杜邦分析法(企业财务经营数据分析) |
| | |指数法(对于不好衡量的数据分析) |
| | |假设法 |
| | |二八法 |
|单元六 |常见的数据分 |指标逻辑树的划分 |
| |析的指标树 |从KPI指标开始 |
| | |从营销/管理模型开始 |
| | |常用的逻辑树模型介绍 |
| | |企业外部环境(PEST分析法) |
| | |用户消费者行为分析(5W2H分析法) |
| | |公司整体经营情况分析(4P理论) |
| | |业务问题专题分析(逻辑树分析法) |
| | |用户使用行为研究(行为分析法) |
|单元七 |数据分析的可 |数据高效展示的方法 |
| |视化分析以及 |数据可视化 |
| |如何撰写数据 |数据形象化 |
| |分析报告 |数据展示中的误区 |
| | |界面凌乱 |
| | |数据展示手法单一 |
| | |规范的数据分析报告包含了哪几部分? |
| | |写分析报告应该注意的事项 |
| | |图文并茂,标题统一 |
| | |一定要有明确结论 |
| | |一定要有建议或者解决方案 |
第二期2天实战咨询大纲:
|辅导项目 |内容 |
|辅导学员做好 |按企业情况,帮助学员输出结构性数据分析 |
|数据分析的结 |模板 |
|构性模板 | |
|辅导学员做好 |按照不同部门,帮助学员分解出适用于该部 |
|数据分析逻辑 |门的业务分析模板 |
|树 | |
|辅导学员做好 |按照不同部分,帮助学员有效做出适用于该 |
|数据分析报告 |部门的数据分析报告 |
-----------------------
《数据分析师综合解析及实战》