企業(yè)數(shù)字化轉(zhuǎn)型與數(shù)據(jù)分析

課程背景：

隨著數(shù)字化轉(zhuǎn)型成為企業(yè)的必答題，企業(yè)數(shù)字化進(jìn)程的開展，面對產(chǎn)品、研發(fā)、財(cái)務(wù)、人力、銷售、維護(hù)各個(gè)環(huán)節(jié)鋪面而來的數(shù)據(jù)，我們應(yīng)該如何高效分析處理？如何提升我們的工作效率？適應(yīng)企業(yè)數(shù)字化轉(zhuǎn)型的趨勢，這是企業(yè)員工必須面對的狀況。

數(shù)字化進(jìn)程以數(shù)據(jù)分析為抓手對企業(yè)業(yè)務(wù)進(jìn)行梳理、優(yōu)化、重構(gòu)，掌握傳統(tǒng)統(tǒng)計(jì)數(shù)據(jù)分析和大數(shù)據(jù)分析方法是企業(yè)員工必備技能。本課程即是在講授企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵和平臺(tái)構(gòu)建基礎(chǔ)上，探討如何利用統(tǒng)計(jì)方法工具進(jìn)行傳統(tǒng)數(shù)據(jù)分析，并以營銷的關(guān)鍵——精準(zhǔn)客戶識(shí)別方法為示例介紹大數(shù)據(jù)分析的重要方法，使得學(xué)員能夠從理念到工具對企業(yè)數(shù)字化轉(zhuǎn)型中面臨的數(shù)據(jù)分析工作做到游刃有余、精準(zhǔn)高效，從而實(shí)現(xiàn)企業(yè)降本增效的目的。

課程收益：

● 熟悉并掌握企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵并搭建數(shù)字化平臺(tái)的方法；

● 掌握統(tǒng)計(jì)方法進(jìn)行數(shù)據(jù)分析和業(yè)務(wù)決策；

● 掌握大數(shù)據(jù)理念的管理和運(yùn)營關(guān)鍵；

● 掌握大數(shù)據(jù)進(jìn)行精準(zhǔn)分析的方法—聚類、決策樹和邏輯回歸；

● 掌握大數(shù)據(jù)分析工具RapidMiner的使用方法，能根據(jù)場景選用相應(yīng)算法進(jìn)行大數(shù)據(jù)分析。

課程時(shí)間：2天，6小時(shí)/天

課程對象：企業(yè)運(yùn)營管理部門、營銷部門及有數(shù)據(jù)分析需求的員工

課程方式：案例分析+實(shí)操演練+思考練習(xí)

課程大綱

第一講：企業(yè)所面臨的數(shù)字化轉(zhuǎn)型

一、企業(yè)數(shù)字化轉(zhuǎn)型原因

1. 數(shù)字化改變商業(yè)模式

1）數(shù)據(jù)變機(jī)會(huì)

2）機(jī)會(huì)變服務(wù)

3）服務(wù)變收入

2. 數(shù)字化建立企業(yè)優(yōu)勢

3. 數(shù)字化提升使用體驗(yàn)

二、數(shù)字化轉(zhuǎn)型核心要素

1. 以數(shù)據(jù)為中心的智能化發(fā)展目標(biāo)

2. 數(shù)字化平臺(tái)的構(gòu)建

三、員工在企業(yè)數(shù)字轉(zhuǎn)型中應(yīng)該作出的應(yīng)對

1. IT思維和業(yè)務(wù)思維相融合

2. 培養(yǎng)開放共享的心態(tài)

3. 圍繞以用戶為中心

4. 提升數(shù)據(jù)分析處理能力

第二講：利用統(tǒng)計(jì)方法實(shí)現(xiàn)數(shù)據(jù)分析

一、標(biāo)度的選擇使用

量化感覺、態(tài)度、喜好等的方法

二、頻數(shù)的選擇使用（衡量對總體水平的作用程度）

1. 餅圖

2. 條形圖

3. 直方圖

三、基于統(tǒng)計(jì)方法的分析

1. 分析異常值與偏斜數(shù)據(jù)

2. 均值VS中位數(shù)VS眾數(shù)

3. 全距/四分位數(shù)的使用

4. 百分位數(shù)與箱線圖的使用

5. 方差VS標(biāo)準(zhǔn)差分析變異性VS分散性

6. 利用概率進(jìn)行分析

案例1：用戶購買公司產(chǎn)品概率的分析

案例2：某某企業(yè)員工加薪方案的選擇

四、基于統(tǒng)計(jì)方法的決策

1. 比較法進(jìn)行決策

2. 組合法進(jìn)行決策

3. 貝葉斯方法進(jìn)行決策

4. 快省樹方法進(jìn)行決策

思考：優(yōu)秀員工如何選用統(tǒng)計(jì)指標(biāo)進(jìn)行評價(jià)

案例：假設(shè)檢驗(yàn)與數(shù)據(jù)證偽保證決策結(jié)果的正確

綜合示例：運(yùn)用統(tǒng)計(jì)指標(biāo)分析銷售數(shù)據(jù)尋找方法提升某產(chǎn)品的銷量

第三講：利用大數(shù)據(jù)進(jìn)行管理與運(yùn)營

一、大數(shù)據(jù)現(xiàn)狀

1. 大數(shù)據(jù)時(shí)代的標(biāo)志

2. 六大趨勢推動(dòng)大數(shù)據(jù)發(fā)展

3. Hype Cycle技術(shù)趨勢對大數(shù)據(jù)的判斷

4. 新基建戰(zhàn)略對大數(shù)據(jù)的定位

5. 數(shù)字中國的內(nèi)容

案例：阿里雙11

二、大數(shù)據(jù)4V特征

1. 數(shù)量大

2. 多樣性

3. 速度快

4. 價(jià)值性

案例：大數(shù)據(jù)4V特征在數(shù)字化全量全連接中的應(yīng)用

三、把握大數(shù)據(jù)的三個(gè)關(guān)鍵

1. 更多——全樣本透視本質(zhì)

2. 更雜——透過混雜性適配場景應(yīng)用

3. 更好——把握相關(guān)性，提供更好服務(wù)

案例：三個(gè)關(guān)鍵對數(shù)字化實(shí)時(shí)反饋的影響

案例：大數(shù)據(jù)商業(yè)畫像示例——千人千面

練習(xí)：猜猜他是誰？

四、大數(shù)據(jù)分析

1. 大數(shù)據(jù)分析的困難

2. 數(shù)據(jù)即服務(wù)DaaS

討論：數(shù)字化轉(zhuǎn)型中我們應(yīng)該關(guān)注工作中的哪些管理數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，它們的價(jià)值和應(yīng)用難點(diǎn)有哪些？

五、大數(shù)據(jù)應(yīng)用

1. 被動(dòng)式演變成預(yù)判式

2. 大數(shù)據(jù)商業(yè)價(jià)值

3. 大數(shù)據(jù)在行業(yè)的應(yīng)用

案例：智慧城市建設(shè)

案例：企業(yè)數(shù)據(jù)地圖實(shí)踐

討論：企業(yè)數(shù)據(jù)治理——如何管好用好數(shù)字化平臺(tái)的數(shù)據(jù)？

第四講：利用大數(shù)據(jù)技術(shù)進(jìn)行營銷數(shù)據(jù)分析

一、K均值聚類算法應(yīng)用——客戶價(jià)值分析

1. 客戶價(jià)值分析有利于減少營銷成本

1）理解價(jià)值型客戶

2）差異化服務(wù)應(yīng)對不同價(jià)值客戶

2. 客戶價(jià)值分析方法

1）客戶價(jià)值識(shí)別流程

2）K均值聚類識(shí)別客戶價(jià)值

a確定中心

b計(jì)算距離

c確定新中心

d迭代得到最終分類

3）針對不同客戶價(jià)值采用不同營銷策略

視頻：根據(jù)對象不同采用不同策略的銷售視頻

案例：根據(jù)客戶的消費(fèi)額和交互屬性進(jìn)行聚類分析

二、決策樹算法應(yīng)用——風(fēng)險(xiǎn)客戶分析

1. 傳統(tǒng)風(fēng)險(xiǎn)分析識(shí)別方法的劣勢

2. 大數(shù)據(jù)方式下分析識(shí)別方法的改進(jìn)——決策樹算法應(yīng)用

1）預(yù)先建立if-then的判斷規(guī)則

2）數(shù)據(jù)分析建立的規(guī)則——信息熵

3）決策樹算法操作思路

4）建立決策樹模型進(jìn)行分析

a劃分屬性值

b計(jì)算劃分組的概率

c計(jì)算每個(gè)劃分規(guī)則下的信息熵

d選擇最小信息熵的規(guī)則為第一規(guī)則

e迭代到樣本分類

案例：警察是如何發(fā)現(xiàn)罪犯的？

案例：如何分析是否適合作為另一半

三、邏輯回歸算法應(yīng)用——敏感客戶分析

1. 厘清不同場景下的敏感客戶特點(diǎn)

2. 分析敏感客戶的關(guān)注點(diǎn)

3. 邏輯回歸算法的應(yīng)用

1）二分類問題

2）個(gè)人采用二分法預(yù)判的局限性

3）預(yù)判二分類問題的優(yōu)化

4）二分類結(jié)果預(yù)判的本質(zhì)

5）大數(shù)據(jù)回歸方法進(jìn)行二分類預(yù)判

a線性回歸大數(shù)據(jù)方法

b邏輯回歸大數(shù)據(jù)方法

案例：如何判斷對方是否真心喜歡我

案例：回歸方法預(yù)判職業(yè)發(fā)展

案例：營銷場景中敏感客戶分析降低投訴率

第五講：Rapid Miner數(shù)據(jù)分析

1. 分析接口

2. 導(dǎo)入數(shù)據(jù)

3. 加載數(shù)據(jù)

4. 進(jìn)行數(shù)據(jù)可視化

5. 進(jìn)行建模

6. 進(jìn)行模型應(yīng)用

7. 測試模型

8. 進(jìn)行模型評估

9. 使用擴(kuò)展

聚類算法練習(xí)：客戶價(jià)值分析

決策樹算法練習(xí)：信用風(fēng)險(xiǎn)評分分析

邏輯回歸算法練習(xí)：敏感客戶分析