第一部分：数据分析基本过程-明确数据分析的目的

1、 数据分析的六步曲-信用卡消费数据预测案例

2、 步骤1：明确目的--理清思路

Ø 先有数据还是先有问题？

Ø 确定分析目的

Ø 确定分析思路

3、 步骤2：数据**—理清思路

Ø 明确**数据范围

Ø 确定**来源

Ø 确定**方法

4、 步骤3：数据预处理—寻找答案

Ø 数据清洗、转化、提取、计算

Ø 数据质量评估

5、 步骤4：数据分析--寻找答案

Ø 分析方法选择

Ø 构建合适的分析模型

Ø 分析工具选择

6、 步骤5：数据展示--观点表达

Ø 选择合适的可视化工具

Ø 选择恰当的图表

7、 步骤6：报表撰写--观点表达

Ø 选择报告种类

Ø 完整的报告结构

8、 数据分析的三大误区

第二部分：商业分析思维-掌握数据分析的框架（麦肯锡七步成诗法-小额贷款公司的成本分析与优化案例）

1、 步骤1：界定问题

2、 步骤2：将问题分解成不同的议题

3、 步骤3：去除不重要的议题（优先排序

4、 步骤4：指定详细的工作计划

5、 步骤5：整合数据建立分析模型

6、 步骤6：根据分析结果制定策略

7、 步骤7：准备你的故事

第三部分：业务分析框架-掌握具体分析的模板

1、 行业分析：运用SWOT、PEST、五力模型等分析工具进行行业发展前景分析，行业竞争性分析；

2、 企业分析：也称为经营分析，使用杜邦分析、评分计分卡等工具评估企业价值；

3、 市场营销、渠道运营分析：运用4P模型、4C模型、5W1H等技术分析定位问题，提供建议；

4、 产品分析：分析互补品、互斥品等，制定产品营销策略；运用波士顿矩阵等技术分析产品现状，提供发展建议；

5、 用户分析：结合核心业务确定用户关键行为，分析关键行为变量建立Persona模型，完成画像使之成为丰富的人；

第四部分：分析报告模版

1、 数据报告的典型使用场景

Ø 讲解型报告

Ø 阅读型报告

Ø 发布型报告

2、 建立故事线

第二篇：数据可视化与商业智能

第一部分：数据的统计量

1、 变量测量类型与描述统计方法

2、 创建频数报表

3、 生成汇总统计量

用汇总表任务生成汇总报表

第二部分：用图表描述业务

1、 数据可视化介绍

2、 制图原则

3、 饼图、柱图、条图与地图

4、 趋势图

5、 散点图

第三部分：常用描述数据方法

1、 对比分析

2、 同比分析

3、 定比分析

4、 环比分析

5、 结构分析

6、 因数分析

7、 差异分析

8、 预警分析

9、 二八分析

第四部分：化妆品销售数据分析

1、 直观了解关键指标在全国的分布状况（交易额，交易量，客单价等）

2、 近几年的销售状况如何，同比环比销售额趋势？

3、 我们今年销售的明星产品和去年比发生了什么变化？

销售额中贡献比例最大的客户是在什么年龄段，来自于什么区域？

第五部分：解读数据分析结果（问题：数据多，看不明白，不知道从何处看出问题？

）

1、 数据分析的目的

Ø 发现业务问题

Ø 发现业务规律

Ø 寻找业务解决策略

案例：如何根据不同产品的销售周期报表，查看产品销售的规律

2、 对比分析及业务策略

Ø 看差距，补短板

Ø 看极值，评优劣

Ø 看异常，找原因

案例：如何根据不同产品的业绩变化，展示出问题

3、 结构分析及业务策略

Ø 看占比，聚焦重点

Ø 看失衡，优化结构

案例：如何根据不同板块的业绩变化情况，分析出问题

4、 趋势分析及业务策略

Ø 看变化，说趋势

Ø 看峰谷，找规律

Ø 看异常，找原因

案例：如何根据业务变化趋势评估业务销量

5、 解读要符合业务逻辑

第六部分：一些分析专题示例

1、 销售目标分解

2、 盈亏平衡分析

3、 帕累托分析

4、 业绩达成分析

5、 存货分析

6、 会员RFM分析

第三篇：商业数学模型报告

第一部分：数据分析算法

1、 数据分析的三层次

Ø 统计汇总（对比/分组/结构/趋势/…）

Ø 数据分析（相关/方差/验证/回归/时序/…）

建立模型（线性回归/逻辑回归/…）

第二部分：数据模型报告样例

1、 北京二手房价格分析报告

Ø 描述性分析

Ø 提出论断，进行假设检验

Ø 构建模型

第三部分：某手机银行流失用户挖掘案例

1. 挖掘专题概要分析

2. 分析模型的种类

a) 用户流失预警模型

b) 用户细分模型

c) 新用户流失模型

d) 基于规则的方法

3. 挖掘问题方法论

a) 5W2H方法

b) 对比法

4. 业务问题定义

a) 如何定义流失

b) 哪些特征与流失有关系

5. 流失模型构建

6. 使用流失模型产生的结果

7. 应用流失模型