大数据分析与挖掘综合能力提升实战

销售部门、营业厅、业务支撑、经营分析部、网管/网优中心、运营分析部、呼叫中心等对业务数据分析有基本要求的相关人员

第一部分：大数据的核心理念

问题：大数据的核心价值是什么?大数据是怎样用于业务决策?

1、大数据时代：你缺的不是一堆方法，而是大数据思维

2、大数据是探索事物发展和变化规律的工具

3、从案例看大数据的核心本质

用趋势图来探索产品销量规律

从谷歌的GFT产品探索用户需求变化

从美国总统竞选看大数据对选民行为进行分析

从大数据炒股看大数据如何探索因素的相关性

4、认识大数据分析

什么是数据分析

数据分析的三大作用

常用分析的三大类别

案例：喜欢赚“差价”的营业员(用数据管理来识别)

5、数据分析需要什么样的能力

懂业务、懂管理、懂分析、懂工具、懂呈现

6、大数据应用的四层结构

数据基础层、数据模型层、业务模型层、业务应用层

7、大数据分析的两大核心理念

8、大数据分析面临的常见问题

不知道分析什么(分析目的不明确)

不知道怎样分析(缺少分析方法)

不知道收集什么样的数据(业务理解不足)

不知道下一步怎么做(不了解分析过程)

看不懂数据表达的意思(数据解读能力差)

担心分析不够全面(分析思路不系统)

第二部分：数据分析基本过程

1、数据分析的六步曲

2、步骤1：明确目的--理清思路

3、步骤2：数据收集—理清思路

4、步骤3：数据预处理—寻找答案

5、步骤4：数据分析--寻找答案

6、步骤5：数据展示--观点表达

7、步骤6：报表撰写--观点表达

8、数据分析的三大误区

演练：如何用大数据来支撑手机精准营销项目

第三部分：统计分析方法篇

问题：数据分析有什么方法可依?不同的方法适用解决什么样的问题?

1、数据分析方法的层次

基本分析法(对比/分组/结构/趋势/…)

综合分析法(交叉/综合评价/杜邦/漏斗/…)

高级分析法(相关/方差/验证/回归/时序/…)

数据挖掘法(聚类/分类/关联/RFM模型/…)

2、统计分析常用指标

计数、求和、百分比(增跌幅)

集中程度：均值、中位数、众数

离散程度：极差、方差/标准差

分布形态：偏度、峰度

3、基本分析方法及其适用场景

对比分析(查看数据差距)

演练：按性别、省份、产品进行分类统计

分组分析(查看数据分布)

案例：银行ATM柜员机现金管理分析(银行)

案例：排班后面隐藏的猫腻

案例：通信运营商的流量套餐的合理性评估

演练：银行用户消费层次分析(银行)

演练：呼叫中心接听电话效率分析(呼叫中心)

演练：客服中心科学排班人数需求分析(客服中心)

演练：客户年龄分布分析

结构分析(评估事物构成)

案例：用户市场占比结构分析

案例：物流费用占比结构分析(物流)

趋势分析(发现变化规律)

案例：破解零售店销售规律

演练：发现产品销售的时间规律

交叉分析(多维数据分析)

演练：用户性别+地域分布分析

演练：不同区域的产品偏好分析

演练：不同教育水平的业务套餐偏好分析

第四部分：数据分析思路篇

问题：数据分析思路是怎样的?如何才能全面/系统地分析而不遗漏?

1、数据分析的思路

从KPI指标开始

从营销/管理模型开始

2、常用分析思路模型

3、用户消费行为分析(5W2H分析法)

演练：用户购买行为分析思路细化

结束：课程总结与问题答疑。

傅一航 华为大数据专家

计算机软件与理论硕士研究生（研究方向：数据挖掘、搜索引擎）。在华为工作十年，五篇国家专利，在华为工作期间获得华为数项奖项，曾在英国、日本、荷兰等国家做项目，对大数据有深入的研究。