数据分析思维及实践（Excel)-4

《数据分析与应用》

【课程背景】

当下，数字化已经是各行业快速发展的基础，数据作为最新的生产要素，将会发挥更大的作用。数据分析技术，作为数据最基础的使用技术，使用成本最低，获得效益最大。通过数据分析技术，可以实现管理运营数字化，可以更透彻的了解公司和业务，可以更快速的找到日常工作中的问题原因，可以更高效的应对市场变化。

数据分析，最重要的是数据思维，有了数据思维可以更深刻的理解业务，数据思维需要一定的训练，就可以掌握。有了数据思维，再掌握基础的数据分析方法和简单地数据分析工具，就可以将数据分析应用到工作中，很快能够得到效果。

有了初步的数据分析工作，配合数据治理、自动分析工具或产品，建立起数据分析指标体系，形成企业管理运营分析架构，就可以实现运营管理数字化、自动化，可以及时发现问题，优化管理，提高企业效率，提高市场反应速度。实现企业的快速增长。

本课程结合实际案例，介绍如何进行数据思维的培养，如何建立企业和部分的指标体系和管理运营分析框架。这些可以协助企业和个人增长数据分析能力和业务处理能力，也为企业BI（智能报表）建设、数据中台建设打好基础，介绍如何使用Excel配合报表和业务平台，进行日常业务分析。介绍常用的数据分析方法和基础的统计分析知识，结合这些技能，可以更好地描述业务和问题，可以更准确、快速的定位业务问题，找到原因，给出解决方案。最后介绍数据分析结果的展示，各种报表的作用和生成方式，以及数据分析报告如何编写。

培训完成后，基本上就具备了整体的数据分析能力，可以快速开展相关业务工作。

【课程收益】

培训完结后，学员能够：

了解企业中数据的价值

了解数据分析的思维模式

了解数据的收集和处理方式

了解数据分析指标体系和业务框架的建立

了解数据分析的方式方法

了解数据分析图表的作用和生成方式

了解统计的基础知识

了解通过Excel实现基础的统计分析操作

了解如何通过Excel实现数据收集和处理

能够通过数据分析解决实际的问题

【课程对象】对数据分析需要的人员

【课程时长】4天 (6小时/天）

【培训方式】培训采用多种方式组合，有理论的讲授、方法的模拟实践、工具的实操和头脑风暴的讨论实践。

【课程大纲】

数据思维--数据使用和数据分析基础

本部分主要介绍数据思维，数字化过程中，数据体现价值，最基础的就是要相关人员具备数据思维。不仅仅是技术人员，所有业务人员、管理人员都应该具备有数据思维，才能更好地利用数据。数据思维更是数据分析人员的基础能力，不具备数据思维是不能做数据分析工作的。数据思维也有利于员工更好地理解业务，数据思维，需要后期进行特定的培养，课程将结合案例，介绍如何进行数据思维的培养。

详细内容：

数字化思维的价值

数字化思维：用数据思考，用数据说话，用数据决策

以案例说明如何提升数据敏感度：通过数据理解业务

培养使用数据说话的习惯

数据驱动决策--企业效率、竞争力提升的关键

案例：用数据分析赋能业务决策

数据分析的类型及应用场景介绍

数据分析体系建设及工具介绍

描述性数据分析--用数据更加透彻、清晰的表达业务

现在的业务是复杂的，单靠感觉和经验已经不能正确的理解业务，用数据可以更好的描述清晰业务和问题，用数据描述业务是数据使用的基础能力，也是未来企业员工的基础技能。本小节介绍数据描述业务的常用概念、方法和数据工具等内容，使学员不仅能够利用数据描述业务、了解业务，从而分析业务、找到问题，并能清晰的展现给其他人。

详细内容(实现采用Excel实现）：

基础数据信息描述--基础中的基础

平均数的作用价值和实现

中位数的作用、业务价值和实现

分位数的作用、业务价值和实现

众数的作用、价值和实现

4分位数描述业务状态及实现

各业务描述数据的综合应用案例

业务数据分布情况描述--业务健康度

用标准差、方差、极差描述业务健康程度

标准差、方差的实现

用标准积分对比不同业务

箱线图与各指标综合应用

业务合理性和分布描述

业务分布形态描述

切比雪夫定理介绍

正态分布与切比雪夫定理应用

业务合理性判断

基础业务图表介绍、价值及实现

折线图--状态、趋势、对比

柱形图和直方图--对比、状态

饼图--占比、分类、对比

漏斗图--过程、趋势

雷达图--描述、对比、状态

描述性数据分析涉及思维和方法

描述分析要与业务结合，有含义

5W2H分析方法

行业分析方法

多维度拆解分析方法

群组分析方法

预测性数据分析--用数据支撑决策

在数据分析工作中，经常通过数据了解业务规律，并根据规律指导未来工作。也经常会通过分析来查找业务特征，从而为决策和选择提供支持。这类分析，让数据发挥更大的价值，让我们更正确的进行决策，让企业少走弯路。

详细内容(实现采用Excel实现）：

抽样统计分析与区间估计

多维度分析和群组分析在趋势预测分析中的作用

正态分布计算判断事务可能性（Z值分析）

贝叶斯定理计算事务概率

散点图协助趋势预测分析

使用标靶图查看趋势

大数据回归分析介绍

事务相关性分析--皮尔逊相关系数

相关分析与因果分析

逻辑树分析方法验证事务可行性

验证性数据分析--用数据验证决策

验证性数据分析着重于对已有假设的证实或证伪，在快速发展的社会背景下，企业不能承受错误决策带来的成本，也需要更快地找到可行的手段，这些，验证性数据分析可以快速验证决策，或者措施的正确性，可以协助使用更短的时间找到更合适的路径。

详细内容：

利用概率进行单样本假设检验

双样本假设检验问题

假设分析法验证结果正确性

AB测试与对比分析方法

验证性数据分析与建模

数据分析价值的体现--数据分析报告

数据分析报告可以系统的将我们进行数据分析成就和结果展示给领导或客户，好的分析报告可以起到画龙点睛的效果，结构差的报告会将我们数据分析的工作和成就全部抹杀。本部分将分类从结构、重点，以及可能会踩的坑去介绍数据分析报告如何写。

详细内容：

通过一个例子看报告效果

四步走，做一份完美的报告

工作报告的通用结构

数据分析报告的各种目的报告结构

高质量报告的特点

典型的报告错误

经典报告案例展示

自动化运营管理与指标体系建设

开展数据分析，用数据说话，自然离不开一套标准。只有有了标准，我们才能通过数据得出好与坏的结论。有了标准，就可以借助技术手段，自动跟踪指标，进行预警和提醒，降低工作强度，进行自动化管理运营。数据分析指标体系建立是否合适，可以说决定数据使用的成功与否。本节结合案例详细介绍数据分析指标体系的建立方法，优化过程。

详细内容：

数据分析的基础--数据分析指标

数据分析指标的建立方法

讨论：自己手头的3个关键指标是什么

数据分析指标体系的价值

指标体系赋能运营和产品开发

指标体系建立相关操作模型

指标体系的建立方法和过程

指标体系建立案例

数据获取与治理--可以让数据分析更有效

数据治理是传统企业进行数字化的基础工作，本小节详细介绍进行数据治理依托的技术平台，各自的使用场景，以及如何选择。介绍数据收集的方式，适用场景，预处理和数据清除的内容。介绍数据治理开始的组织、流程、制度保障措施，数据治理的体系框架，完成对数据治理的完全认识，具备编写数据治理实施方案能力。同时介绍主数据的设定和管理内容。期间通过不断地讨论和沟通，展示某些企业的方案案例，方便更好地掌握相关技能。

详细内容：

数据和数据资产的概念

数据和数据有效性：数据被使用的基础

数据收集方式（埋点、同步等）

数据预处理与数据清洗

数据持久化各级解决方案介绍

企业级数据治理介绍

数据分析思路--数据分析的道

数据分析的各种技术和模型，可以帮助业务快速了解业务，提高运营效率。但是，错误的方向和策略会导致相反的效果。在实际业务中，方法和思路是一个成熟数据分析人员的软实力，正确的思路和策略，配合工具的使用，可以保障数据分析工作的方向正确，结果有效。

详细内容：

数据分析的基础是业务

数据分析结果服务于目标

数据分析要客观，不能预设立场

数据分析要有结果和解决方案

数据分析三大分析思维

数据分析要形成指标和标签体系