● 熟悉數(shu)據的定(ding)義、分類(lei)及相關要素；

● 理解數據(ju)思維(wei)并掌握數據(ju)思維(wei)培養方法；

● 掌握數據(ju)從收(shou)集到(dao)(dao)拆解，再到(dao)(dao)分析和決(jue)策的(de)閉環處(chu)理(li)；

● 掌握(wo)靈活運(yun)用(yong)數(shu)據(ju)分析結(jie)果(guo)進行高效呈(cheng)現(xian)技(ji)巧。

第一講(jiang)：培養數據思維

一、數據化工作管理的本(ben)質

1. 數據的四大類型(xing)

2. 讓(rang)數(shu)據說話(hua)—挖掘(jue)數(shu)據產生的背(bei)景

3. 熱點(dian)數(shu)據方(fang)向—數(shu)據畫(hua)像

二、建立數據思維(wei)的(de)框架

1. 數據思維的(de)起源(yuan)

2. 理解(jie)數據(ju)思維

1）數據思維的三(san)種境界(jie)：沒數、有數、馭(yu)數

2）三方面區分(fen)數據思(si)維(wei)和大(da)數據思(si)維(wei)的關系

幸(xing)存者偏(pian)差案例(li)：應該(gai)在什(shen)么(me)地方(fang)加(jia)裝(zhuang)裝(zhuang)甲（注意防止幸(xing)存(cun)者(zhe)偏差）

a預測性

b數(shu)學邏(luo)輯性(xing)

c KPI性

3）數據思維培養的四種方(fang)向

方向一：提升數字型感覺

方向二：建立平均回歸(gui)原則

方向三：把握數據感覺

方向四：建(jian)立數據模型

4）數(shu)據思維(wei)培養五個步(bu)驟

第一步：問(wen)（收集問(wen)題）

第(di)二步(bu)：拆(chai)（分解問題）

第(di)三步：解（分(fen)析問題）

第四(si)步：謀(mou)（制(zhi)定(ding)方案）

第五步(bu)：現（匯報(bao)呈現）

案例：斯諾醫生

案例：汽車超速怎么調查

互(hu)動1：婚戀平臺如(ru)何為客(ke)戶服務的(de)？

互動2：這樣吃Pizza虧了嗎？

測試：您的數商值是多少？

思考：某個城市一年(nian)的外賣數量？

第(di)二講：“問”——高效且(qie)精準的數據收(shou)集方(fang)法

一、測量(liang)是數(shu)據收集的核心

1. 掌握測(ce)量方(fang)法

2. 提高(gao)測(ce)量(liang)信度

3. 保持(chi)測(ce)量效度(du)（三個關鍵）—關聯(lian)性、結構化(hua)、完備性

案(an)例：某(mou)數據分析報告(gao)的信度(du)效度(du)分析

二、抽樣方(fang)法是數據收集的關(guan)鍵

1. 配(pei)額樣本和概率樣本

2. 選擇樣本量(liang)大小(xiao)

3. 運(yun)用非概率樣本

三、運用(yong)數據(ju)收(shou)集(ji)工具-問卷

1. 問卷設計的三(san)大原則(ze)

2. 圖(tu)尺度評(ping)量表(biao)的(de)設計(ji)使用（評(ping)量表(biao)視圖(tu)）

練習：這個針(zhen)對用戶的問卷該(gai)怎(zen)么設計？

3. 結構化問卷(juan)的設計(ji)使用

1）問卷視圖(tu)

2）結(jie)構化(hua)設計(ji)要點：分層設計(ji)、準確轉化(hua)、選擇(ze)關鍵

3）結構化設計流程

確(que)定整體主題方向→分(fen)解主題→轉化主題為問題

練習：針對內部人(ren)員(yuan)的(de)結構(gou)化問卷該怎么設計？

4. 隨機對照實驗(yan)的(de)設計要點—費(fei)希爾方法(fa)

案例：隨機對(dui)照實驗——如何驗證哪一種(zhong)化肥(fei)有效？

討論(lun)：電飯煲實驗的漏洞(dong)在(zai)哪里(li)？

第三講：“拆”——思維導圖按需(xu)分解數(shu)據

一、思維導圖拆解數據(ju)

1. 思維導圖(tu)工具背后的重要(yao)思維

案例1：水平思維(wei)

案例2：垂直思維

2. 思(si)維導圖(tu)運用的(de)結構化

二(er)、思維(wei)導圖變形之邏輯樹，讓細分數(shu)據為(wei)我所用

1. 邏(luo)輯(ji)樹的形成方式

1）自頂向下

2）自底向上

2. 遵(zun)循MECE原則

工(gong)具：邏輯樹視圖

練習：如果利用(yong)邏輯(ji)樹(shu)分析建模形成(cheng)過(guo)橋(qiao)方案？

第四講：“解”——數據分析，尋找根源

一、數(shu)據分類思維(wei)

1. 畫像思維準確歸類對(dui)象尋找規律

2. 不同(tong)維度進行分(fen)(fen)類(lei)分(fen)(fen)析

案例1：商業數據(ju)分類

案(an)例2：淘(tao)寶用戶數據分(fen)類

案(an)例3：多維(wei)度拆(chai)解某app數據從而評估(gu)推廣效果(guo)

二(er)、數據對比(bi)（和誰比(bi)、怎(zen)么(me)比(bi)）

案例：雜志的效量提升

練習：如(ru)何解(jie)讀周(zhou)報

三、數(shu)據假設分析的流程

1. 麥(mai)肯(ken)錫圣經(jing)：大膽假設，小(xiao)心求證

2. 流程拆解分析：提出假設→收(shou)集證據(ju)→得出結論

案例：誰是小(xiao)偷？

四、尋找因果關系

1. 相關性

2. 先后順(shun)序(xu)

3. 非第三原則

4. 從關聯到因果(guo)

案(an)例：辛(xin)普森(sen)悖論(lun)

第五講：“謀”——以分析數(shu)據(ju)為決策依據(ju)

一、把(ba)握(wo)概率決策方法

案例：獎金(jin)應該怎么分配？

練習：分析攜帶病毒的概率是多大(da)？

二、帕累托圖進行分析(xi)決(jue)策

工具：帕累托圖視圖

案(an)例(li)：停電統計分(fen)析決策結果

練習：利用(yong)現有數(shu)據(ju)進(jin)行帕累托圖的決策

三、矩陣圖進行(xing)分析決策

工具(ju)：矩陣圖視圖

案例(li)：如(ru)何(he)選拔合適人(ren)員

練習：利用矩陣圖進行買車決策(ce)分析

四、大數據分析決策方法

1. 聚類方法工具

2. 決策樹

3. 回歸方法

第(di)六(liu)講：“現”——完美數據(ju)呈(cheng)現提升說服力(li)

視頻：少年派的數(shu)據可視化場(chang)景

一(yi)、基(ji)于Excel的(de)數據可視化的(de)傳統方法(fa)

1. 餅圖

2. 柱狀(zhuang)圖

3. 折線圖

4. 表(biao)格

二、數據(ju)可視化進階方法

1. 點線數據可視(shi)化

2. 組合數據可視化

3. 玫瑰圖(tu)數據可視化

4. 關(guan)系數據可視化

5. 基于(yu)地圖的數據可(ke)視(shi)化

三、數(shu)據的指向性操作方法介紹

展示：可視(shi)化經典圖

數(shu)據指向性(xing)問題(ti)操作案例(li)：

1）盜用(yong)平均數

2）忽略規模

3）短期(qi)波動和長期(qi)效應

4）忽(hu)略變(bian)化(hua)原(yuan)因

5）偷(tou)換概念

6）定義不一致

7）混淆對象(xiang)

8）基數變換