大数据分析与挖掘综合能力提升实战其它上课时间：

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:

大数据分析与挖掘综合能力提升实战
【课程目标】
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。
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。
【学员要求】
1、每个学员自备一台便携机(必须)。
2、便携机中事先安装好Excel2013版软件。
注：讲师可以提供试用版本软件及分析数据源。
【授课方式】
数据分析基础+方法讲解+实际业务问题分析+Excel实践操作
采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。
【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。

培训师介绍：

傅一航
傅一航，男，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
应用类：
《数字化运营下的数据分析与数据挖掘应用培训》
《数说营销----大数据营销实战与沙盘》
《数据分析与数据挖掘应用培训》
《运营数据分析与挖掘之SPSS工具入门与提高》
《数据分析方法与SPSS实操培训》
《营业厅经理数据分析综合能力提升》
《呼叫中心大数据营销培训》
理论/认知/策略类：
《大数据产业现状及应用创新》
《电信运营商三级经理大数据能力提升》
《大数据营销策略培训》
技术类：
《Hadoop大数据解决方案开发技术培训》
《大数据处理技术架构以及数据分析用户行为培训》
服务客户：
傅老师曾提供过培训咨询服务的客户：
华为技术有限公司、平安集团、安能物流、中国移动、中国联通、中国电信、西部航空等。
安能物流：
《大数据挖掘分析及应用实战》
平安集团：
《数据挖掘与现代企业数据化运营实践》
光大银行：
《大数据分析与数据挖掘应用实战》
YKK吉田拉链：
《大数据分析综合能力提升培训》
富士康：
《数据分析综合能力提升培训》
广东联通：
《数据分析与数据挖掘实战培训》
上海电信：
《渠道大数据分析与挖掘思路及方法》
中国移动终端公司：
《三级经理大数据分析综合能力提升培训》
深圳移动：
《大数据在行业内外的应用》
中山移动：
《数说营销----大数据营销实战与沙盘》
东莞移动：
《数说营销----大数据营销实战与沙盘》
吉林移动：
《数据分析与数据挖掘》轮训；
成都移动：
《数字化运营下的数据分析与数据挖掘》
云浮移动：
《大数据挖掘和信息提炼专项培训》
泉州移动：
《大数据挖掘分析及应用》
阳江移动：
《小数据大运营--运营数据的分析与挖掘》
德阳移动：
《电信运营商市场营销数据挖掘应用典型案例》
遵义移动：
《让数据说话----大数据分析与挖掘应用实战》
乌兰浩特移动：
《数说营销----大数据营销实战与沙盘》
呼伦贝尔移动：
《数说营销----大数据营销实战与沙盘》
大连移动：
《数说营销----大数据营销实战与沙盘》
天虹商场：
《大数据产业现状及应用创新》
内蒙古移动：
《大数据分析与Hadoop大数据解决方案》
贵州移动：
《数说营销----大数据营销实战与沙盘》
西部航空：
《数字化运营下的数据分析与数据挖掘应用培训》
贵州中移通信：
《SPSS数据分析与数据挖掘应用实战》
招商银行深圳分行：
《大数据之Hadoop解决方案培训》
建设银行：
《大数据分析与挖掘应用培训》
华为技术有限公司：
《多网协同》、《数据分析》、《4G发展状况与业务应用分析》；
宇龙通信：
《终端市场分析与业务应用》；
天虹商场：
《数据分析与数据挖掘》；
腾讯公司：
《数据分析与数据挖掘》；
百度公司：
《数据分析与数据挖掘》；