让一部分企业先学到真知识!

李勇:数据分析师实战

李勇老师李勇 注册讲师 4查看

课程概要

培训时长 : 2天

课程价格 : 扫码添加微信咨询

课程分类 : 数据分析

课程编号 : 37013

面议联系老师

适用对象

互联网时代,希望学习数据分析的人士;

课程介绍

讲授专家:李勇

培训对象:互联网时代,希望学习数据分析的人士;

课程时间:2天 (12小时)

课程背景:

数据分析结果是否有效、是否能体现应有的价值,有时关系着企业经营的成败,但到底该如何确保数据分析的结果是有效的呢?本课程通过“案例+方法”的方式为数据分析人员提供全面、实用的理论指导和丰富、有效的实战案例。本课程系统、详细地介绍了数据分析知识的框架,分别从数据分析的类型、数据分析的作用、数据分析的步骤等多个方面讲解了一名合格的数据分析人员必须掌握的知识与技能。

课程收益:

培训完结后,学员能够:

² 了解什么是数据分析;

² 了解数据分析给企业和个人带来的帮助;

² 了解数据分析的基本方式和方法;

课程大纲:

单元

大纲

内容

单元一

什么是数据分析

1. 数据分析的三种类型

1) 描述性数据分析

2) 探索性数据分析

3) 验证性数据分析

2. 一般都对那些数据做分析

3. 数据分析的五个步骤

1) 收集数据

2) 处理数据

3) 展示数据

4) 撰写数据分析报告

单元二

数据分析对企业有哪些作用

1. 指导企业做好运营规划

2. 优化企业业务

3. 为企业创造新的商业价值

单元三

数据分析师需哟具备哪些技能

1. 掌握基本的理论知识

1) 统计学

2) 市场研究学

2. 常用的数据分析工具介绍

单元四

技能一:如何收集数据

1. 收集数据的常见问题

1) 不知道收集什么数据

2) 收集到的数据无用

3) 收集到的数据不全面

2. 收集数据遵循的三个原则

1) 数据必须真实

2) 数据无比准确

3) 数据必须可以使用

3. 收集数据的技巧

1) 制定收集计划

2) 正确决定数据分层

3) 选择合适抽样方法

单元五

技能二:如何分析数据

1. 数据分析常用方法

1) 基本分析法

2) 高级分析法

2. 数据分析的五个误区

1) 选取的样本容量有限

2) 忽略沉默客户

3) 错误判断数据的因果关系

3. 数据分析的三个技巧

1) 看趋势

2) 看分布

3) 看细化

单元六

技能三:如何展示数据

1. 数据高效展示的方法

1) 数据可视化

2) 数据形象化

2. 数据展示中的误区

1) 界面凌乱

2) 数据展示手法单一

单元七

技能四:如何撰写数据分析报告

1. 规范的数据分析报告包含了哪几部分?

2. 写分析报告应该注意的事项

1) 图文并茂,标题统一

2) 一定要有明确结论

3) 一定要有建议或者解决方案

 

李勇老师的其他课程

• 李勇:数据分析商业化案例实战
讲授专家:李勇 培训对象:互联网时代,希望学习数据分析的人士; 课程时间:2天培训 课程背景: 数字化时代已来,数据分析到底在数字化里处在什么位置?数据湖,数据仓库,数据中台,数据调用,数据分析,数据标签化,数据驱动分别又在企业数字化转型中具备什么意义?而这其中最最关键的数据分析结果是否有效、是否能体现应有的价值,有时关系着企业经营的成败,但到底该如何确保数据分析的结果是有效的呢?本课程通过“案例+方法+实战”的方式为数据分析人员提供全面、实用的理论指导和丰富、有效的讲解。本课程系统、详细地介绍了数据分析知识的框架,分别从数据分析的类型、数据分析的作用、数据分析的步骤等多个方面讲解了一名合格的数据分析人员必须掌握的知识与技能。 课程收益: 培训完结后,学员能够: ² 企业为什么要做数据分析? ² 什么数据师需要具备的基本技能; ² 了解数据分析的基本方式和方法; ² 各部门数据实战; 第一期2天培训课程大纲: 单元 大纲 内容 单元一 企业为什么要做数据分析 1. 降本增效提质保全 1) 提高的是绝对效率,而不是相对效率 2. 有效提升企业的决策 1) 提高了决策的效率 2) 提高了决策的质量 单元二 数据分析师需具备哪些技能 1. 掌握基本的理论知识 1) 统计学 2) 市场研究学 2. 掌握数据思维的模型 3. 了解数据湖,数据治理,数据中台,数字化转型的一些基本概念和逻辑 单元三 数据分析师该如何挖掘用户需求:用户思维 1. 你要解决的这个数据是个真需求还是个伪需求? 2. 如何找到真正的用户数据需求:要拥有用户思维 3. 什么是用户思维?用户思维为什么很难以把握? 4. 怎么样才能掌握用户思维? 单元四 数据分析师该如何确认客户需求:数据价值表 1、 数据的价值列表 2、 数据价值列表的依据分析 3、 学会用用户旅程地图来划分数据列表 单元五 数据分析的步骤 1. 什么是数据分析? 2. 数据分析的四大步骤 1) 定义问题:常犯的错误有哪些 2) 分解问题:该如何分析? 3) 评估问题:评估问题常见的错误有哪些 4) 解决问题:如何更完善的对问题进行解决 单元六 分解问题中需要掌握的思维和方法 1. 分解问题需要掌握的思维方法 1) 结构化思维 2) 公式化思维 3) 业务化思维 2. 分解问题中需要掌握的具体方法 1) 对比分析(查看数据差距) 2) 多维对比法(拥有较多维度数据) 3) 象限分析法(更好的做好策略) 4) 漏斗分析法(业务关键流程) 5) 杜邦分析法(企业财务经营数据分析) 6) 指数法(对于不好衡量的数据分析) 7) 假设法 8) 二八法 单元七 常见的数据分析的指标树 1. 指标逻辑树的划分 1) 从KPI指标开始 2) 从营销/管理模型开始 2. 常用的逻辑树模型介绍 1) 企业外部环境(PEST分析法) 2) 用户消费者行为分析(5W2H分析法) 3) 公司整体经营情况分析(4P理论) 4) 业务问题专题分析(逻辑树分析法) 5) 用户使用行为研究(行为分析法) 2.常用的业务指标有哪些 1) 用户数据指标 2) 行为数据指标 3) 产品数据指标 4) 推广付费指标 5) 客户服务指标 3. 如何选择指标 1)指标体系和报表 单元八 数据分析精益运营后的商业实战 1. 某互联网行业的数据商业实战案例 2. 某传统制造业的数据商业实战案例。 3. 某零售业的数据商业实战案例。 4. 某物流行业的数据商业实战案例。 5. 某能源行业数据商业实战案例  
• 李勇:数据分析AI工具提升效率
讲授专家:李勇 培训对象:互联网时代,希望学习数据分析的人士; 课程时间: 2小时 课程背景: 数据分析结果是否有效、是否能体现应有的价值,有时关系着企业经营的成败,但到底该如何确保数据分析的结果是有效的呢?本课程通过“案例+方法”的方式为数据分析人员提供全面、实用的理论指导和丰富、有效的实战案例。本课程系统、详细地介绍了数据分析知识的框架,分别从数据分析的类型、数据分析的作用、数据分析的步骤等多个方面讲解了一名合格的数据分析人员必须掌握的知识与技能。 课程收益: 培训完结后,学员能够: ² 了解什么是数据分析; ² 了解数据分析给企业和个人带来的帮助; ² 了解数据分析的基本方式和方法; ² 了解如何通过AI工具赋能数据分析 课程大纲: 单元 大纲 内容 单元一 什么是数据分析 1. 数据分析的三种类型 1) 描述性数据分析 2) 探索性数据分析 3) 验证性数据分析 2. 一般都对那些数据做分析 3. 数据分析的五个步骤 1) 收集数据 2) 处理数据 3) 展示数据 4) 撰写数据分析报告 单元二 从实际需求出发,挖掘数据价值 1. 实际案例分享:如何通过数据分析解决企业真实问题 2. 用户思维的培养:如何站在用户角度思考数据需求 3. 实战演练:小组讨论,挖掘身边的实际数据需求 单元三 通过AI工具并结合赋能数据分析 1. 如何通过AI现有工具进行人员合理分配 2. 如何通过AI现有工具提高客户产能 3. 如何通过AI工具提升客户转化率 4. 如何通过AI工具做客户画像分析 5. 如何通过AI工具做客户回访 6. 如何通过AI工具做经营数据的分析 7. 如何通过AI工具做好工作复盘  
• 李勇:数据标签:面向业务的数据资产设计方法论
讲授专家:李勇 培训对象:数据管理(总监、经理、主管)、业务管理人员、数字化转型部门、产品及运营中心管理人员、技术中心管理人员等; 课程时间:2天 (12小时) 课程背景: 我们经常讲,业务即数据,数据即业务,那么企业数字化转型中最适合的数据资产组织方式是什么样的,为什么越来越多的企业在讨论标签化和标签体系?因为数据资产化是企业数字化转型的必经之路,也是数据中台的重要组成部分。本课程将为您详细解析面向企业业务的数据资产标签的制作方法。 课程收益: Ø 学习数据标签和业务标签的基本概念; Ø 掌握数据标签的建设的方法与架构过程; Ø 掌握数据标签的评估与选择; Ø 掌握数据标签体系建设,资产评估以及运营机制; 课程大纲: 单元 大纲 内容 单元一 为什么需要数据标签体系 1. 数据孤岛,无法打通 2. 烟筒式的建设,重复造轮子 3. 各说各话,没有统一路径 4. 鸡同鸭讲,无法穿透业务层 5. 数据治理永远没有尽头 单元二 数据资产发展的过程 1. 数据资产1.0:构建消费者数据库 2. 数据资产2.0:打通数据 3. 数据资产3.0:全集团数据共享共荣 4. 数据资产4.0:更广泛领域的数据实践 单元三 数据资产标签之业务体系搭建方法论 1. 业务系统与数据系统之间的关联 2. 面向业务的数据资产组成形式 3. 客户画像体系的数据标签制作方法 4. 产品体系的数据标签制作方法 5. 运营体系的数据标签制作方法 6. 制造体系的数据标签制作方法 7. 客户服务体系的数据标签制作方法 单元四 数据资产标签的规范 1. 数据标签规范化之元标签 2. 标签问题 3. 如何让平台服用标签 4. 数据标签的全生命周期管理 5. 数据标签质量控制 单元五 数据标签工具和经典模板 1. 标签工具体系 2. 数据标签门户 3. 用户数据标签体系模板 4. 企业数据标签体系模板 5. 员工数据标签体系模板 6. 商品数据标签体系模板 单元六 数据资产管理 1. 数据资产定义和3个特征 2. 数据资产管理现状与挑战 3. 数据资产管理的四个目标 4. 数据资产管理中的数据治理 5. 数据资产管理的七个成功要素 单元七 数据标签案例分享 1. 银行业数据标签精准营销场景 2. 汽车整车厂可视化大屏场景 3. 制造业B2B供应链场景 4. 零售业电商千人千面场景 5. 地产物管效能场景  

添加企业微信

1V1服务,高效匹配老师
欢迎各种培训合作扫码联系,我们将竭诚为您服务