1.数据分析基础 （1）数据分析与挖掘的概念与差异 （2）分析目标 包括数据整体状况分析、异动分析、数据分类、数据间逻辑关系分析、数据预测等。 （3）分析步骤 包括数据收集、数据整理、报表制作、数据分析与数据挖掘、图形呈现、形成策划案等6个步骤。 2.数据分析与业务逻辑 （1）数据分析能力 包括业务理解能力、逻辑思辨能力、需求转换能力、统计分析挖掘工具的掌握等方面。 （2）常见业务逻辑 a)如何对数据特征进行描述？ b)我的业务的特征是啥样的？ c)如何结合营销现状判断数据中的异常值？ d)A数据和B数据之间有关系吗？如果有关系，关系是怎样的？ e)如果数据之间有影响，有没有重要程度的差异？ f)数据和指标如何分组？ g)如果影响指标比较多，如何处理？ h)我想知道数据之间的对应关系，如何处理？ i)如何考虑A事件对B事件的边际贡献率？ …… （3）分析思路 a)标识分析法 b)二八分析法 c)特征组合分析法 d)排序分析法 e)对比分析法 f)分组分析法 g)结构分析法 h)交叉分析法 i)对应分析法 …… 3.数据描述 数据描述指对销售数据进行描述统计，采用多种指标和方法揭示数据的概况，为后续分析做好准备工作。描述的指标有求和、计数、平均值、中位数、众数、方差（标准差）、变异系数、峰度、偏度、占比、累计占比、同比、环比等。 （1）整体状况描述 （2）数据的七个百分比

（3）多列对比 这是应培训学员的要求所做的多列对比的小工具，非常方便，可以一次性地输出多列之间平均值、总数、中位数、变异系数、二八系数等的对比。 4.异常值分析 异常值是数据中脱离正常变化轨道的数据，也是数据分析中需要重点关注的数据。通常采用如下方法分析异常值： （1）散点图 （2）条件格式 （3）三倍标准差 5.相关分析 (1)相关分析原理 (2)EXCEL“数据分析”模块安装及介绍 (3)操作及输出说明 案例：上海某公路物流企业分析其营销指标间关系 6.聚类-客户细分 单独一个数据，往往因为数据异常或者偶然性等原因，从来很难发现明显的结论，分组不仅仅让分析变得简单，而且能够发现简单对比所无法获得的结论。 （1）单指标的分类 （2）多指标的分类 多指标的分组，可以用来做数据的细分等，采用聚类实现。 案例讨论：最佳聚类分类总数的确定 7.关联分析 关联分析可以分析数据中的某些特征同时出现以及次序出现的概率，其输出的结果经常用来做捆绑销售，例如客户购买了A产品之后是否购买了产品B。 （1）相关概念 支持度、置信度、提升度 （2）关联分析算法的使用 8.客户画像 客户画像是目前营销数据分析的热点问题之一，4S店的销售人员希望通过数据分析得到其客户的特征是什么，网店的经营者希望知道哪些特征组合的客户在投诉他们。 （1）算法描述 （2）算法执行和输出 案例：某网店利用数据分析影响客户购买的特征

深圳 2020-02-27	北京 2020-03-20	上海 2020-04-10	深圳 2020-06-18
北京 2020-07-17	上海 2020-08-14	深圳 2020-10-29	北京 2020-11-19
上海 2020-12-10