大数据分析与挖掘综合能力提升实战
(第2282期)
公开课详情 | |
---|---|
开课时间: | 2019年11月06日 09:00(该课程已结束) |
结束时间: | 2019年11月06日 16:30 |
课程价格: | 非会员价格1600/人,需学习卡套票2张 购买学习卡享受更多优惠 |
授课讲师: | |
开课地点: | 广州
|
课程类别: | 营销策略 -- 营销策略 |
推荐指数: | |
咨询热线:400-0808-155 |
---|
适用对象
课程时长
课程收益
本课程从实际的业务需求出发,结合行业的典型应用特点,Χ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·、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·,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数据分析库操作。
课程大纲
大数据的核心理念
问题:大数据的核心价值是什ô?大数据是怎样用于业务决策?
大数据时代:你缺的不是一堆方法,而是大数据思维
大数据是探索事物发展和变化规律的工具
从案例看大数据的核心本质
用趋势图来探索产品销量规律
从谷歌的GFT产品探索用户需求变化
从美国总统竞选看大数据对选民行为进行分析
从大数据炒股看大数据如何探索因素的相关性
认识大数据分析
什ô是数据分析
数据分析的三大作用
常用分析的三大类别
案例:喜欢赚“差价”的营业员(用数据管理来识别)
数据分析需要什ô样的能力
懂业务、懂管理、懂分析、懂工具、懂呈现
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
大数据分析的两大核心理念
大数据分析面临的常见问题
不知道分析什ô(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ô样的数据(业务理解不足)
不知道下一步怎ô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·不系统)
数据分析基本过程
数据分析的六步曲
步骤1:明确目的--理清思·
步骤2:数据收集?理清思·
步骤3:数据预处理?寻找答案
步骤4:数据分析--寻找答案
步骤5:数据展示--观点表达
步骤6:报表撰写--观点表达
数据分析的三大误区
演练:如何用大数据来支撑手机精准营销项目
统计分析方法篇
问题:数据分析有什ô方法可依?不同的方法适用解决什ô样的问题?
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/©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/…)
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λ数、众数
离散程度:极差、方差/标准差
分布形态:偏度、峰度
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)
案例:银行ATM柜员机现金管理分析(银行)
案例:排班后面隐藏的è腻
案例:通信运营商的流量套餐的合理性评估
演练:银行用户消费层次分析(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)
演练:客户年龄分布分析
结构分析(评估事物构成)
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
演练:发现产品销售的时间规律
交叉分析(多维数据分析)
演练:用户性别+地域分布分析
演练:不同区域的产品偏好分析
演练:不同教育水平的业务套餐偏好分析
数据分析思·篇
问题:数据分析思·是怎样的?如何才能全面/系统地分析而不遗©?
数据分析的思·
从KPI指标开始
从营销/管理模型开始
常用分析思·模型
用户消费行为分析(5W2H分析法)
演练:用户购买行为分析思·细化
结束:课程总结与问题答疑。