大數據分析與挖掘綜合能力提升實戰

【課程目標】

本課程為基礎課程，面向所有業務部門。

本課程的主要目的是，幫助學員了解大數據的本質，培養學員的數據意識和數據思維，掌握常用的統計分析方法和工具，以業務問題為導向，提升學員的數據分析綜合能力。

本課程具體內容包括：

1、 大數據的本質，核心數據思維

2、 數據分析過程，數據分析框架

3、 數據分析工具，數據可視呈現

4、 影響因素分析，定量預測模型

本課程從實際的業務需求出發，結合行業的典型應用特點，圍繞實際的商業問題，對數據分析及數據挖掘技術進行了全面的介紹（從數據收集與處理，到數據分析與挖掘，再到數據可視化和報告撰寫），通過大量的操作演練，幫助學員掌握數據分析和數據挖掘的思路、方法、表達、工具，從大量的企業經營數據中進行分析，挖掘客戶行為特點，幫助運營團隊深入理解業務運作，以達到提升學員的數據綜合分析能力，支撐運營決策的目的。

通過本課程的學習，達到如下目的：

1、 了解數據分析的本質，理解數據決策的底層邏輯

2、 學會搭建數據分析框架，熟悉常用的業務模型

3、 熟悉數據分析標準過程，能夠按步驟進行數據分析

4、 掌握常用數據分析方法，熟練使用Excel高級數據分析工具

5、 掌握常用高級定量預測模型，理解模型原理，學會解讀模型含義

 【授課時間】

2天時間（每天6個小時）

【授課對象】

銷售部、營業廳、市場營銷部、運營分析部、業務支撐部等業務及應用人員。

本課程由淺入深，結合原理主講軟件工具應用，不需要太深的數學知識，但希望掌握數據分析的相關人員。

【學員要求】

1、 每個學員自備一臺便攜機(必須)。

2、 便攜機中事先安裝好Excel 2013版本（建議2016版本以上）。

注：講師可以提供試用版本軟件及分析數據源。

【授課方式】

理論精講 + 案例演練 + 實際業務問題分析 + Excel實踐操作

采用互動式教學，圍繞業務問題，展開數據分析過程，全過程演練操作，讓學員在分析、分享、講授、總結、自我實踐過程中獲得能力提升。

【課程大綱】

第一部分： 數據核心理念—數據思維篇

問題：什么是數據思維？大數據決策的底層邏輯以及決策依據是什么？

1、 數字化五大技術戰略：ABCDI戰略

? A：人工智能，目的是用機器模擬人類行為

? B：區塊鏈，構建不可篡改的分布記賬系統

? C：云計算，搭建按需分配的計算資源平臺

? D：大數據，實現智能化的判斷和決策機制

? I：物聯網，實現萬物互聯通信的基礎架構

2、 大數據的本質

? 數據，是事物發展和變化過程中留下的痕跡

? 大數據不在于量大，而在于全（多維性）

? 業務導向還是技術導向

3、 大數據決策的底層邏輯（即四大核心價值）

? 探索業務規律，按規律來管理決策

案例：客流規律與排班及最佳營銷時機

案例：致命交通事故發生的時間規律

? 發現運營變化，定短板來運營決策

案例：考核周期導致的員工月初懈怠

案例：工序信號異常監測設備故障

? 理清要素關系，找影響因素來決策

案例：情緒對于股市漲跌的影響

案例：為何升職反而會增加離職風險？

? 預測未來趨勢，通過預判進行決策

案例：惠普預測員工離職風險及挽留

案例：保險公司的車險預測與個性化保費定價

4、 大數據決策的三個關鍵環節

? 業務數據化：將業務問題轉化為數據問題

? 數據信息化：提取數據中的業務規律信息

? 信息策略化：基于規律形成業務應對策略

案例：用數據來識別喜歡賺“差價”的營業員

第二部分： 數據分析過程—分析步驟篇

1、 數據分析的六步曲

2、 步驟1：明確目的，確定分析思路

? 確定分析目的：要解決什么樣的業務問題

? 確定分析思路：分解業務問題，構建分析框架

3、 步驟2：收集數據，尋找分析素材

? 明確數據范圍

? 確定收集來源

? 確定收集方法

4、 步驟3：整理數據，確保數據質量

? 數據質量評估

? 數據清洗、數據處理和變量處理

? 探索性分析

5、 步驟4：分析數據，尋找業務答案

? 選擇合適的分析方法

? 構建合適的分析模型

? 選擇合適的分析工具

6、 步驟5：呈現數，解讀業務規律

? 選擇恰當的圖表

? 選擇合適的可視化工具

? 提煉業務含義

7、 步驟6：撰寫報告，形成業務策略

? 選擇報告種類

? 完整的報告結構

演練：產品精準營銷案例分析

? 如何搭建精準營銷分析框架

? 精準營銷分析的過程和步驟

第三部分： 數據分析方法—統計方法篇

問題：數據分析方法的種類？分析方法的不同應用場景？

1、 業務分析的三個階段

? 現狀分析：通過企業運營指標來發現規律及短板

? 原因分析：查找數據相關性，探尋目標影響因素

? 預測分析：合理配置資源，預判業務未來的趨勢

2、 常用的數據分析方法種類

? 描述性分析法（對比/分組/結構/趨勢/交叉…）

? 相關性分析法（相關/方差/卡方…）

? 預測性分析法（回歸/時序/決策樹/神經網絡…）

? 專題性分析法（聚類/關聯/RFM模型/…）

3、 統計分析基礎

? 統計分析兩大關鍵要素（類別、指標）

? 統計分析的操作模式（類別à指標）

? 統計分析三個操作步驟（統計、畫圖、解讀）

? 透視表的三個組成部分

4、 常用的描述性指標

? 集中程度：均值、中位數、眾數

? 離散程度：極差、方差/標準差、IQR

? 分布形態：偏度、峰度

5、 基本分析方法及其適用場景

? 對比分析（查看數據差距，發現事物變化）

演練：尋找用戶的地域分布特征

演練：分析產品受歡迎情況及貢獻大小

演練：用數據來探索增量不增收困境的解決方案

? 分布分析（查看數據分布，探索業務層次）

演練：銀行用戶的消費水平和消費層次分析

演練：客戶年齡分布/收入分布分析

案例：通信運營商的流量套餐劃分合理性的評估

演練：呼叫中心接聽電話效率分析（呼叫中心）

? 結構分析（查看指標構成，評估結構合理性）

案例：增值業務收入結構分析（通信）

案例：物流費用成本結構分析（物流）

案例：中移動用戶群動態結構分析

演練：財務領域的結構瀑布圖、財務收支的變化瀑布圖

? 趨勢分析（發現事物隨時間的變化規律）

案例：破解零售店銷售規律

案例：手機銷量的淡旺季分析

案例：微信用戶的活躍時間規律

演練：發現客流量的時間規律

? 交叉分析（從多個維度的數據指標分析）

演練：用戶性別+地域分布分析

演練：不同客戶的產品偏好分析

演練：不同學歷用戶的套餐偏好分析

演練：銀行用戶的違約影響因素分析

第四部分： 數據分析方法—分析框架篇

問題：如何才能全面/系統地分析而不遺漏？如何分解和細化業務問題？

1、 業務分析思路和分析框架來源于業務模型

2、 常用的業務模型

? 外部環境分析：PEST

? 業務專題分析：5W2H

? 競品/競爭分析：SWOT、波特五力

? 營銷市場專題分析：4P/4C等

3、 精準營銷的業務模型（6R準則）

? 尋找正確的客戶

? 匹配正確的產品

? 確定合理的價格

? 選擇恰當的時機

? 通過合適的渠道

? 傳遞恰當的信息

案例討論：如何構建大數據精準營銷的分析框架

4、 用戶行為分析（5W2H分析思路和框架）

? WHY：原因（用戶需求、產品亮點、競品優劣勢）

? WHAT：產品（產品喜好、產品貢獻、產品功能、產品結構）

? WHO：客戶（基本特征、消費能力、產品偏好）

? WHEN：時間（淡旺季、活躍時間、重購周期）

? WHERE：區域/渠道（區域喜好、渠道偏好）

? HOW：支付/促銷（支付方式、促銷方式有效性評估等）

? HOW MUCH：價格（費用、成本、利潤、收入結構、價格偏好等）

案例討論：結合公司情況，搭建用戶消費習慣的分析框架（5W2H）

5、 數據分析策略

第五部分： 影響因素分析—原因分析篇

營銷問題：哪些因素是影響業務目標的關鍵要素？比如，產品在貨架上的位置是否對銷量有影響？價格和廣告開銷是如何影響銷量的？影響風控的關鍵因素有哪些？如何判斷？

1、 影響因素分析的常見方法

2、 相關分析（衡量兩數據型變量的線性相關性）

? 相關分析簡介

? 相關分析的應用場景

? 相關分析的種類

2 簡單相關分析

2 偏相關分析

2 距離相關分析

? 相關系數的三種計算公式

2 Pearson相關系數

2 Spearman相關系數

2 Kendall相關系數

? 相關分析的假設檢驗

? 相關分析的四個基本步驟

演練：營銷費用會影響銷售額嗎？影響程度如何量化？

演練：哪些因素與汽車銷量有相關性

演練：影響用戶消費水平的因素會有哪些

? 偏相關分析

2 偏相關原理：排除不可控因素后的兩變量的相關性

2 偏相關系數的計算公式

2 偏相關分析的適用場景

? 距離相關分析

3、 方差分析（衡量類別變量與數值變量間的相關性）

? 方差分析的應用場景

? 方差分析的三個種類

2 單因素方差分析

2 多因素方差分析

2 協方差分析

? 單因素方差分析的原理

? 方差分析的四個步驟

? 解讀方差分析結果的兩個要點

演練：擺放位置與銷量有關嗎

演練：客戶學歷對消費水平的影響分析

演練：廣告和價格是影響終端銷量的關鍵因素嗎

演練：營業員的性別、技能級別對產品銷量有影響嗎

演練：尋找影響產品銷量的關鍵因素

? 多因素方差分析原理

? 多因素方差分析的作用

? 多因素方差結果的解讀

演練：廣告形式、地區對銷量的影響因素分析

? 協方差分析原理

? 協方差分析的適用場景

演練：排除產品價格，收入對銷量有影響嗎？

4、 列聯分析/卡方檢驗（兩類別變量的相關性分析）

? 交叉表與列聯表：計數值與期望值

? 卡方檢驗的原理

? 卡方檢驗的幾個計算公式

? 列聯表分析的適用場景

案例：套餐類型對客戶流失的影響分析

案例：學歷對業務套餐偏好的影響分析

案例：行業/規模對風控的影響分析

5、 相關性分析方法總結

第六部分： 定量預測模型—回歸模型篇

營銷問題：如何預測未來的產品銷量/銷售額？如果產品跟隨季節性變動，該如何預測？

1、 回歸分析簡介和原理

2、 回歸分析的種類

? 一元回歸/多元回歸

? 線性回歸/非線性回歸

3、 常用回歸分析方法

? 散點圖+趨勢線（一元）

? 線性回歸工具（多元線性）

? 規劃求解工具（非線性回歸）

演練：散點圖找營銷費用與銷售額的關系

4、 線性回歸分析的五個步驟

演練：營銷費用、辦公費用與銷售額的關系（線性回歸）

5、 線性回歸方程的解讀技巧

? 定性描述：正相關/負相關

? 定量描述：自變量變化導致因變量的變化程度

6、 回歸預測模型評估

? 質量評估指標：判定系數R^2

? 如何選擇最佳回歸模型

演練：如何選擇最佳的回歸預測模型（一元曲線回歸）

7、 帶分類自變量的回歸預測

演練：汽車季度銷量預測

演練：工齡、性別與終端銷量的關系

演練：如何評估銷售目標與資源最佳配置

第七部分： 產品銷量預測—時序預測篇

1、 時間序列簡介

? 回歸模型的缺點

2、 時序預測常用模型

3、 評估預測值的準確度指標

? 平均絕對誤差MAD

? 均方差MSE/RMSE

? 平均誤差率MAPE

4、 移動平均（MA）

? 應用場景及原理

? 移動平均種類

2 一次移動平均

2 二次移動平均

2 加權移動平均

2 移動平均比率法

? 移動平均關鍵問題

2 期數N的最佳選擇方法

2 最優權重系數的選取方法

演練：平板電腦銷量預測及評估

演練：快銷產品季節銷量預測及評估

5、 指數平滑（ES）

? 應用場景及原理

? 最優平滑系數的選取原則

? 指數平滑種類

2 一次指數平滑

2 二次指數平滑（Brown線性、Holt線性、Holt指數、阻尼線性、阻尼指數）

2 三次指數平滑

演練：煤炭產量預測

演練：航空旅客量預測及評估

結束：課程總結與問題答疑。