课程背景：
本数据分析与挖掘系列课程包括三个等级的课程：
1、基础课程，专注于经营数据的统计与数据分析，适合于一般业务部门要求的数据统计与分析，内容系统且全面，使用工具为Excel 2013版本。
2、中级课程，专注于行业数据分析与数据挖掘，适合于数据分析部、业务支撑部等对数据分析与挖掘要求较高的部门，使用专业数据分析与挖掘工具SPSS v19版本。
3、高级课程，专注于较深入的数据挖掘技术，包括挖掘模型原理介绍，数据建模，挖掘算法，适合于大数据系统开发及数据分析专业人士，需要有一定的数学基础（统计与概率）。 本课程为基础课程，面向业务部门的数据分析能力提升。
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。
课程目标
1、了解大数据基础知识，理解大数据思维方式。 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。
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
不知道从哪里入手分析（缺少分析方法）
不知道收集什么样的数据（业务理解不足）
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
数据分析的三大类型
3、 数据分析需要什么样的能力
懂业务、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
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
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
演练：Excel数据导入练习
演练：Excel数据预处理练习
8、 数据分析的三大误区
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、 数据分析的三层次
统计汇总（对比/分组/结构/趋势/…）
数据分析（相关/方差/验证/回归/时序/…）
数据挖掘（聚类/分类/关联/RFM模型/…）
2、 统计分析常用指标
正确理解均值、方差、分布
正确理解分布与直方图
演练：呼叫中心通话时间、时长的数据分析
3、 学会使用透视表（数据统计的利器）
案例演练：数据统计利器（透视表）
4、 基本数据分析方法及其适用场景
对比分析
分组分析
平均分析
趋势分析
交叉分析
结构分析
案例：呼叫中心服务水平数据分析案例
5、 综合数据分析方法
多维数据分析（综合评价法）
财务数据分析（杜邦分析法）
流失率与转化率分析（漏斗分析法）
产品策略分析（象限图分析法）
案例：品牌认知度分析
6、 **合适的分析方法才是硬道理。
7、 如何解读数据分析结果？
第四部分：解读数据分析结果
问题：数据多，看不明白，不知道从何处看出问题？
1、 数据分析的目的
发现业务问题
发现业务规律
寻找业务解决策略
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
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、 数据分析的思想与框架
2、 企业外部环境分析（PEST分析法）
案例：电信行业情况分析
3、 用户消费行为分析（5W2H分析法）
案例：用户消费行为分析（5W2H）
4、 公司整体经营情况分析（4P营销理论）
5、 业务问题专题分析（逻辑树分析法）
6、 用户使用行为研究（用户使用行为分析法）
案例：终端销量行为分析
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？如何让数据会说话？
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（数据趋势分析）
饼图（产品组成分析）
雷达图（多重数据比较）
案例：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）
瀑布图（成本、收益构成分析）
漏斗图（用户转化率分析）
散点图/气泡图（用户、产品分类分析）
帕累托图/柏拉图(主要根因分析）
案例：图形绘制
5、 动态图表画法技巧
6、 图表美化原则
简约
整洁
对比/突出
7、 表格呈现
8、 优秀图表示例解析
9、 常见的可视化工具
第七部分：分析报告撰写
问题：如何让你的分析报导更专业？
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：运营分析报告
第八部分：数据分析实战篇（中级）
1、 常用数据分析工具
常用数据分析EXCEL
专业数据分析SPSS
2、 EXCEL分析功能介绍
模拟分析
规划求解
数据分析库
3、 描述统计（对数据的简单描述）
商业问题：如何更好地描述数据？如何衡量集中程度、离散程度？
描述统计内容
案例：均值、范围/方差计算？如何理解？
直方图/柏拉图
商业问题：如何评估销量数据的分布情况？
案例：客服中心如何排班更合理？
4、 相关分析（衡量变量间的的相关性）
商业问题：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
案例：香港酒楼与报考厅的相关关系
5、 方差分析
商业问题：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：终端销量与摆放位置有关系吗？（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
案例：洗手与婴儿存活率的关系
6、 回归分析（预测）
商业问题：如何预测未来的销售量（定量分析）？
回归分析的基本原理
回归分析的作用
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：推广费用、办公费用与销售额的关系
回归分析（带分类变量）
演练：工龄、性别与终端销量的关系
演练：多元线性回归：汽车销量的季节性变化
7、 时序分析（预测）
商业问题：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：终端销量数据分析与预测
第九部分：数据挖掘实战篇（高级）
1、 聚类分析
商业问题：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：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
商业问题：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
商业问题：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
商业问题：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**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。
