麥肯錫報告指出,企業(yè)數字化轉型失敗率高達80%,很大的原因就和認知、組織適配有關,而不是技術和設備。組織適配一方面要重構公司組織,另一方面就要培養(yǎng)擁有數字分析能力的員工,本課程就是給中層員工講的數據分析課,從而給組織賦能。
對于中層員工而言,數據分析能用來做什么?
2 提升認知:通過各種維度的數據展現,可以幫你認知用戶、挖掘新用戶。
2 發(fā)現問題:通過數據可指導業(yè)務人員發(fā)現問題,從而解決問題
2 評估效果:解決完畢后如何評估?這仍然用數據說話。
如何做到? 我們不能單純地學習互聯網數據分析知識,而要結合業(yè)務、底層邏輯來學習,從而學以致用。同時應理解,數據分析是分析問題的一個環(huán)節(jié),我們不僅僅需要學習數據分析,還要學會系統(tǒng)思考。本課程就是圍繞這些邏輯構建的。
而本課程的與其他課程不同之處在于:① 延續(xù)了本人暢銷書的風格,即分模塊、分層級、分步驟地講解,且注重工作場景的細節(jié)呈現。 ② 老師跨界服務過硬件、安全、傳統(tǒng)企業(yè)和頭部互聯網企業(yè),因此可更好地運用數據分析經驗。
? 能將數據分析用在日常工作中
? 能避開常見的數據實施和調查誤區(qū)
? 能學會分解任務,確定正確的執(zhí)行目標
? 學會用數據發(fā)現問題、增進認知和評估業(yè)績
? 能將互聯網的數據建模等經典方法用在工作中
1. 新時代下的管理和業(yè)務困惑
2. 數據分析如何解決這些困惑
1. 常見的數據指標有哪些?
2. 選擇數據指標的基本原則
3. 什么是數據指標體系?
1. 基礎邏輯分析方法:5W1H、邏輯樹分析法
2. 統(tǒng)計學分析方法:對比、假設、相關度和群組分析法
3. 互聯網分析方法:RFM、AARRR、漏斗分析方法
4. 統(tǒng)計學分析方法:決策樹、K近領法、線性回歸
5. 數據建模分析法:數據建模、維度拆分
1. 數據分析的能與不能
2. 如何明確業(yè)務問題?
3. 如何明確業(yè)務指標?
4. 如何分析業(yè)務原因?
5. 進行改善和評估效果
兩個工具:A/B測試和用戶畫像
1. 日常數據訪談如何做?
2. 數據調查的問卷設計?
3. 如何用互聯網獲得數據?
1、 教育行業(yè)的數據分析
2、 電商行業(yè)的數據分析
3、 運營商的數據分析
4、 地產行業(yè)的數據分析
5、 內容行業(yè)的數據分析