中高层管理者

企业面临问题

近年来企业纷纷把数字化转型当作重要战略，要求各级经理能够利用数据来获得对业务的深入洞察，例如发现降本增效的、识别消费者行为趋势、发现新的市场机会，并能根据分析的结论调整业务策略，优化流程、提高业务效率。

但是多数学员由于缺乏对数据分析知识的学习，每个月的分析报告还是排名同比环比目标比，重结果轻过程，多页面少逻辑，柱形图包打天下，加减乘除主宰算法，这样的分析只能分析到业务的表面现象或者一些片面的特征，很难对业务决策提供有效支撑。

不同企业的商业模式不同，必然导致商业逻辑上的不同，在分析上则体现为分析逻辑的不同。本课程希望能使学员改变以前的头脑风暴式的点式思维，建立起更全面的流程思维乃至立体思维。

本课程以业务上的分析思维的训练为主，实战演练为辅，希望更偏重分析手段和工具教学的详见另一课程《数据分析思维和数据分析方法》。

课程收益：

基于企业的商业模式建立起正确的分析体系

学会用数据思维看业务做管理

掌握不同场景应该使用什么分析方法

课程准备：

课程中有部分内容有关联的实战环节（学员可以选择参与演练，也可以选择只观看老师演示，不影响理论学习）。参与演练需要两个软件：

1.Excel（2016以上版本）或WPS（2019以上版本）

2.PowerBI desktop（仅支持win10,win11）

想参与演练的同学请提前安装powerbi desktop，下载地址

https://powerbi.microsoft.com/zh-cn/desktop/

课程第一阶段：破冰，用分析思维洞察业务

1.实战演练

这是重要的导入案例，让学员深刻体会，为什么设定正确的分析目标，建立模型非常重要。

a)数据背景介绍：刚成立2年的事业部为什么惨遭解散

b)请使用提供的数据，分析该事业部经营过程中存在的问题

2.数据分析的全流程解析

本小节是数据分析思维的重点，将结合企业的商业模式、生命周期理论、分析模型等方面进行阐释。通过展示分析仪表盘案例，来和分析流程相对应，让学员体系化地理解数据分析过程。

(1)目标设定：根据管理目标设定系统框架

(2)业务建模：根据系统的框架建立最适合的管理模型

(3)数据收集：根据模型收集业务、部门乃至行业的相关数据资料

(4)数据处理：数据质量审核、数据清洗、数据转换

(5)数字建模：选用适当的平台实现分析框架中的各个模型

(6)模型应用：使用模型洞察业务、分析问题、发现机会

(7)模型迭代：通过不断的迭代完善，完善分析体系

3.预备知识：Excel和PowerBI在数据分析各阶段的对比

a)数据收集阶段

b)数据清洗阶段

c)数据建模阶段

d)模型应用阶段

课程第二阶段：数据治理极简入门

本阶段的内容对日后的分析效率将造成极大影响。调查显示，多数的分析工作，准备数据（包括数据的获取、整合、清洗、转换）要占到80%以上的时间。学会管理数据的技巧，将极大影响分析的效率。第二阶段的目标将帮助学员掌握数据的治理技巧，让每个月的数据分析变得简单，让数据清洗变的自动化。

1.大数据带来的挑战

a)文件太大Excel打开都要卡死

b)多个来源的数据需要整合才能分析

c)数据质量成问题，几万行数据哪里有问题都不好检查，错误太多都不太想分析了

d)这个月整完了，下个月又要来一次，实在提不起心气认真分析

2.极简数据治理方法

a)建立树形的数据保存机制

b)善用工具执行数据质量检查

c)学会数据库的思维，懂得建立表关联（并非VLOOKJUP）

d)将本月的数据清洗的过程作为模板直接套用到下个月才是王道

3.数据治理案例实战

基于数据的树形结构建立数据清洗模板，让数据的准备过程自动化

课程第三阶段：数据分析方法

没有最好的，只有适合的。不同的分析场景适合的分析方法不一样。本部分把大多数部门的分析场景加以抽象，介绍适合本场景的分析方法，并通过场景的演练让学员快速掌握。

1.结构分析

适用场景：分析企业的现状，诸要素的构成。

a)库存结构分析

b)成本结构分析

c)细分客户群体的构成分析

d)设备故障的各种原因构成分析

结构分析通常使用可视化分析方法进行分析，可以使用树形分析法对不同的层次进行表达。

实战演练：对库存结构进行分析，并对比3种可视化图表的效果

2.差异分析

适用场景：分析两个或者多个类别之间的差异，例如：

a)业绩低于去年同期或者业绩低于预算是什么原因？

b)周转时间变长了，主要因素是地域、产品、时段还是其他

c)人力成本提升了，主要发生在哪些项目？

d)库存增加了，主要增加在哪里？

差异分析一般使用可视化分析方法分析数据，根据目标设计多维分析仪表盘进行分析，根据选择的工具，也可以使用智能分析方法进行自动进行辅助分析。

实战演练：服务质量下降，请分析数据，并对结果进行解释

3.影响因子分析

适用场景：对定性类的结果数据进行分析，例如：

a)为降低离职率，分析影响员工离职的重要因素，是绩效、工作时长、满意度、薪资、入职时间，或是其他的要素

b)投标的成功率只有30%，分析影响因子是订单金额、招投标公司、区域、投标人、方案设计者、客户类型，还是其他，重要性的排序是什么？

c)客户投诉增加，区域、产品、批次、网络、使用体验，哪几个是首要因素

影响因子分析一般使用数据挖掘方法。

实战演练：客户流失分析，哪一类客户流失得更多，如何降低客户流失率？

4.流程分析

使用场景：对业务流程或者运营过程进行分析，属于过程分析法，例如：

a)客户网站购买行为分析

b)线下交易过程分析

c)客户服务过程分析

d)采购-库存-生产-销售过程分析

流程分析一般使用OSM模型对业务进行分解，将前后的要素

实战演练：根据过程数据绘制漏斗图

5.时间序列分析

使用场景：分析数据的周期特征和趋势特征，例如：

a)分析客户需求是否有周期性特征

b)销售量的历史趋势分析

实战演练：对比几个不同产品的销售趋势有什么区别

课程第四阶段：报告和展示

1.报告的逻辑

(1)分清主次

(2)结论有力

(3)用数字说话

(4)逻辑清晰

①模型式

②推理式

③分支式 - MECE法则

④引经据典式

2.数据可视化典型案例

(1)排名可视化展示

(2)趋势分析可视化

(3)产品分析可视化

(4)区域分析可视化

(5)完成度分析可视化

陈剑老师：

主要背景资历：

数据分析专家、信息化专家、IPMA、MCSE、MCDBA，从业经验丰富，历任项目经理，技术总监等职务。擅长大数据在企业应用的相关辅导，包括数字化工具的培训、数字化营销团队辅导、企业数字化转型辅导。

培训风格轻松幽默，尤其注重实用。已出版图书《PowerBI数据清洗与可视化交互式分析》。

擅长课程：

《数据分析思维和分析方法》

《大数据时代的数据分析与挖掘》

《业务洞察和数据分析方法》

《应用AI高效学Python》

《企业经营数据分析》

《数字化转型和分析体系建立》

《基于PowerBI的分析和呈现》

《基于业财融合的数据分析方法》

《财务岗的企业经营分析实训》

《应用AI提升工作效率》

曾服务过客户：

工商银行、建设银行、中国银行、中国银联、平安银行、浦发银行、华侨永亨银行、太平洋保险资产管理、兴业银行、青岛银行、华夏银行、徽商银行、华创证券、大连商品交易所、交银施罗德、渤海国际信托、银雁金融、立信集团、深投投资、平阳农商银行

一汽大众、奥迪、吉利科技、广汽菲克、一汽马自达、东风汽车、东风本田、神龙汽车、广汽本田、长安福特、长安铃木、南京依维柯、海马汽车、江铃汽车、奇瑞汽车、三一重工、一汽解放、富奥

中国移动、中国联通、中国电信