       大數據分析與挖掘綜合能力提升培訓

第一部分： 大數據的核心理念
問題：大數據的核心價值是什么？大數據是怎樣用于業務決策？

大數據時代：你缺的不是一堆方法，而是大數據思維

大數據是探索事物發展和變化規律的工具

從案例看大數據的核心本質

用趨勢圖來探索產品銷量規律

從谷歌的GFT產品探索用戶需求變化

從美國總統競選看大數據對選民行為進行分析

從大數據炒股看大數據如何探索因素的相關性

認識大數據分析

什么是數據分析

數據分析的三大作用

常用分析的三大類別

案例：喜歡賺“差價”的營業員（用數據管理來識別）

數據分析需要什么樣的能力

懂業務、懂管理、懂分析、懂工具、懂呈現

大數據應用的四層結構

數據基礎層、數據模型層、業務模型層、業務應用層

大數據分析的兩大核心理念

大數據分析面臨的常見問題

不知道分析什么（分析目的不明確）

不知道怎樣分析（缺少分析方法）

不知道收集什么樣的數據（業務理解不足）

不知道下一步怎么做（不了解分析過程）

看不懂數據表達的意思（數據解讀能力差）

擔心分析不夠全面（分析思路不系統）

第二部分： 數據分析基本過程
數據分析的六步曲

步驟1：明確目的--理清思路

步驟2：數據收集—理清思路

步驟3：數據預處理—尋找答案

步驟4：數據分析--尋找答案

步驟5：數據展示--觀點表達

步驟6：報表撰寫--觀點表達

數據分析的三大誤區

演練：如何用大數據來支撐手機精準營銷項目

第三部分： 統計分析方法篇
問題：數據分析有什么方法可依?不同的方法適用解決什么樣的問題？

數據分析方法的層次

基本分析法（對比/分組/結構/趨勢/…）

綜合分析法（交叉/綜合評價/杜邦/漏斗/…）

高級分析法（相關/方差/驗證/回歸/時序/…）

數據挖掘法（聚類/分類/關聯/RFM模型/…）

統計分析常用指標

計數、求和、百分比（增跌幅）

集中程度：均值、中位數、眾數

離散程度：極差、方差/標準差

分布形態：偏度、峰度

基本分析方法及其適用場景

對比分析（查看數據差距）

演練：按性別、省份、產品進行分類統計

分組分析（查看數據分布）

案例：銀行ATM柜員機現金管理分析（銀行）

案例：排班后面隱藏的貓膩

案例：通信運營商的流量套餐的合理性評估

演練：銀行用戶消費層次分析（銀行）

演練：呼叫中心接聽電話效率分析（呼叫中心）

演練：客服中心科學排班人數需求分析（客服中心）

演練：客戶年齡分布分析

結構分析（評估事物構成）

案例：用戶市場占比結構分析

案例：物流費用占比結構分析（物流）

趨勢分析（發現變化規律）

案例：破解零售店銷售規律

演練：發現產品銷售的時間規律

交叉分析（多維數據分析）

演練：用戶性別+地域分布分析

演練：不同區域的產品偏好分析

演練：不同教育水平的業務套餐偏好分析