【课程背景】
当前时代，数据已经成为构建现代社会的重要元素，渗透到人们生活的方方面面。在商业世界中，各行各业的企业开始围绕数据进行信息化、数字化转型，把数据当作企业重要的战略资产，寻求数据的价值。因此，对于企业而言，只有充分挖掘数据价值，才能全面分析企业发展，进行更加准确的决策。
本课程梳理提炼了构建数据指标体系的通用法则，通过三个步骤+四大模型，确保学员掌握实施落地的系统方法；同时，深度解析通过指标体系构建企业经营分析框架，解决学员在业务分析过程中面临的“无理论、无框架、无方法”的三大难题，使学员学之能用。
【课程收益】
- 学会将数据应用于实战的方法，助力企业切实解决经营过程中遇到的实际问题
- 掌握构建数据指标体系的三个步骤&四大模型，了解通过指标体系构建企业经营分析框架的方法，同时，学会N种常用数据分析方法，推动相关人员快速定位业务问题，优化业务方向
- 学会将数据应用于实战的方法，推动企业核心人员的数据化能力进阶
【课程对象】
企业基层管理者、运营人员，营销&销售体系的业务骨干
【课程时间】
1天（6小时/天）
【课程大纲】
一、为什么培养数据思维对企业发展有重要意义？
1、数据思维到底是什么？
2、为什么数据思维如此重要？（两大应用场景）
- 了解市场及客户，衡量业务真实发展状况
- 通过科学分析，快速定位问题，挖掘商业机会，优化业务流程，实现科学决策
二、常用的数据分析方法有哪些？
1、常用的数据分析方法
- 麦肯锡逻辑树分析法：清晰完整地梳理问题各部分之间的逻辑关系
- 象限交分析法（波士顿矩阵）：目标群体分群运营，输出精细化策略
- 5W2H分析法：提高思考效率，推动问题的定位、分析、提案全流程
- 漏斗分析法：基于流程拆分，找问题节点
2、常用的营销管理分析方法
- PEST分析法：宏观环境分析
- SWOT分析法：内外部竞争环境和竞争条件下的态势分析
三、数据思维应用场景一：如何构建有效的业务监控体系和评估标准？
1、数据指标和数据指标体系
2、为什么需要指标体系
- 形成标准化的衡量指标，监控业务发展状况
- 通过指标分级治理，快速定位业务问题，优化业务方向
- 形成标准化体系，减少重复工作，提高分析效率
3、用四个模型梳理数据指标体系
- OSM模型：明确业务目标，数据赋能业务
- AARRR模型和UJM模型：理清用户生命周期及行为路径
- MECE模型：指标体系分级治理
- 以某企业产品营收为例搭建数据指标体系
- 用三个步骤、四个模型科学构建数据指标体系
- 常用的经营分析框架构成
第一部分，经营达成及预算执行分析
第二部分，业绩结构分析
第三部分，业务策略执行分析
第四部分，组织状况分析（组织驱动型业务）
第五部分，重点项目主题分析
- 数据分析结论的呈现技巧
- 结论先行：运用SWOT分析法提炼业务概况
- 提出解法：基于数据结论输出总结和建议
- 数据可视化：学会用图表说话
- 浅谈如何挖掘业务健康度评估指标
四、数据思维应用场景二：如何进行商业智能分析？
1、一次完整的数据分析流程有哪些
- 明确分析目的：了解分析背景与结论使用场景，理清业务流程，制定分析计划
- 数据获取：常用的数据获取方式
- 数据处理：明确数据口径，异常值处理&空值处理
- 数据分析：针对不同主体，引用不同数据分析方法，制定分析框架
- 数据可视化：学会用图标说话
- 形成结论：基于数据结论输出总结和建议
2、商业智能分析的三大应用案例详解
- 用户留存分析
- 用户流失分析
- 定位业务指标异动因素
- 数据波动多少才算成为数据异动
- 数据波动分析的四个排除
- 通过逻辑树确定数据波动影响因素
3、如何让数据分析结论更有说服力
- 基于数据分析结果为业务提出可行的解决方案
- 避免四个数据分析逻辑漏洞
五、数据分析师如何高效与业务部门协作？
- 数据分析部门的工作范围与部门职责届定
美团外卖商分团队组织架构与业务协同机制
2、数据分析师如何建立影响力，获得话语权？
什么是数据分析师必备的软技能与硬技能
为什么软技能比硬技能重要
- 数据分析师需要深入了解业务，充分对焦需求，树立目标意识，寻找潜在分析点
- 基于数据分析结果为业务提出可行的解决方案——给数据，给结论，给观点
- 数据分析师需要避免的几种提建议的方式
- 不明确分析目的，没有结论与观点，只做简单的数据堆砌
- 说的都对，却没什么用
- 预设立场，通过主观的判断代替客观的标准
- 提出的建议无法落地
- 尽可能量化工作价值，沉淀可视化数据资产
六、数据思维应用的实战演练（1小时左右）
让一部分企业先学到真知识！
吕娜