名课堂 - 企业管理培训网联系方式

联系电话:027-5111 9925 , 027-5111 9926

值班手机:18971071887

Email:Service@mingketang.com

企业管理培训分类导航

企业管理培训公开课计划

企业培训公开课日历

职业技能培训公开课

职业技能培训内训课程

热门企业管理培训关键字

您所在的位置:名课堂>>公开课>>职业技能培训公开课

大数据分析与挖掘综合能力提升实战

【课程编号】:MKT002998

【课程名称】:

大数据分析与挖掘综合能力提升实战

【课件下载】:点击下载课程纲要Word版

【所属类别】:职业技能培训

【时间安排】:2017年05月26日 到 2017年05月27日5800元/人

2016年06月24日 到 2016年06月24日5800元/人

【授课城市】:深圳

【课程说明】:如有需求,我们可以提供大数据分析与挖掘综合能力提升实战相关内训

【课程关键字】:深圳大数据分析培训,深圳数据挖掘培训

我要报名

咨询电话:
手  机: 邮箱:
课程背景:

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。

参加对象:

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

结束:课程总结与问题答疑。

傅老师

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。

获得国家专利:

1.CN1925642:对集群用户进行处理的方法和集群用户处理系统

2.CN101114999A:数据发送控制方法及数据传输设备

3.CN101119183A:重传控制方法及传输设备

4.CN101483847A:实现策略控制的方法、装置及系统

5.CN101605359B:一种切换过程中转发数据的方法、无线实体和基站

论文:

1.基于统计的无词典分词方法

2.文本的自动分类

3.基于Internet的智能信息检索技术研究

我要报名

在线报名:大数据分析与挖掘综合能力提升实战(深圳)