任你选择
课程介绍：
本课程由导师在B端与C端顶尖企业长期担任高管，领导业务、产品、运营、数据等核心职能时积累的丰富实战经验总结而成，以如何获得和使用数据为核心方向，可以为企业在数字化转型中提供如下价值：
1）理解企业数字化转型的主要阶段和方向，以及数据如何为业务赋能；
2）如何设计数据指标体系，并建立底层的数据驱动机制；
3）有哪些关键的数据分析方法，如何使用，以帮助业务获得深度洞察，找到瓶颈，指明产品、运营或者销售的优化和发力方向。
课程分为两个主要部分展开：
1.数据指标体系
本部分的侧重点是底层数据驱动机制的建设。为了能够用好数据，首先要知道需要获取什么数据，也就是建立数据指标体系。本部分先从最关键的指标---北极星指标说起，根据导师在工作中实际寻找北极星的经验，通过多个案例让学员理解实战中的北极星寻找方法。此外，课程还将重点讲述又一个重要的底层数据机制：飞轮效应，介绍如何通过数据观察设计业务端的良性循环。随后，课程通过对OSM模型的深入介绍，指导学员如何结合业务目标，拆解业务流程，并相应建立数据模型和指标体系，以对业务目标的达成提供最有力的支持。最后，在指标体系的基础上，本节还将讲解三类关键数据看板的建设，让数据指标体系成为可视化的工具，以支持日常使用和实时问题捕获，大幅提升分析效率。
2.数据分析体系
数据分析体系的内容占到整个课程的70%，涵盖数据收集、数据分析、决策模型三个部分。
1)数据收集部分，课程将介绍业务、属性、行为等三个不同类型的数据如何在数据洞察中发挥价值，随后介绍四大类数据收集方法，如何进行数据清洗与归一化，以及如何通过系统数据挖掘找到关键信息，使数据分析获得关键输入。
2)数据分析是课程的核心部分，先从数据指标异常的五种判断方法开始，指导学员如何在数据中发现问题。随后，课程将通过大量案例深入介绍导师根据工作实践总结的10种在顶尖大厂常用的数据分析方法，包括趋势分析、下钻分析、漏斗分析、聚类分析、对比分析、相关性分析、归因分析、热力图分析、建模分析和分群分析。并深入展开两种关键的专题分析：AB测试和行为分析，帮助学员掌握如何通过AB测试大幅提升产品效果和运营效率，以及如何通过复杂的行为分析找到用户痛点和业务关键方向。
3)大数据决策模型是极为高屋建瓴的部分。课程将分享亚马逊大数据团队数百位数据科学家耗时六年完成的大数据预测模型的原理和使用场景，帮助学员开拓视野，了解世界最顶尖的大数据企业是怎么使用数据解决最高难度的预测问题的。
本节最后将给出一个大型综合性案例，让学员将数据分析的知识形成串联，融会贯通。
本课程包含两个探讨共创环节，帮助学员结合学到的课程知识，对自身产品进行实际的深入思考和演练，掌握数据分析方法和产品指标体系建设。
课程对象：
需要通过数据获得洞察的岗位均适合本课程。包括但不限于B端与C端企业的产品、运营、业务、技术、数据等部门人员。
正在进行数字化转型的企业的业务岗和数据分析岗。
需要建立数据驱动业务提升机制，通过数据提升运营效率的企业领导岗位。
课程要求：
学员需要具备数据分析和量化管理的基础知识，有基本的数据思维，并有一定的数据使用实际经验和痛点。
课程收益：
本课程重点针对数据的收集和使用方法进行讲解，指出数据如何为业务赋能，企业如何通过数据获得洞察，找到业务瓶颈，以为产品优化提供方向，和大幅提升业务、运营的效率。
课程大纲：
主题 | 内容 | |
第一天 | 一．课程导入 （30分钟） | 1. 导师自我介绍 2. 课程逻辑介绍 3. 数字化转型的四大阶段 4. 数据赋能业务的方式 |
二．数据核心机制 （60分钟） | 1. 北极星指标定义与特征 2. 多种行业的典型北极星指标 3. 金融企业的北极星指标搜索案例 4. 飞轮效应驱动良性循环 5. 飞轮的闭环设计 6. 飞轮的动力传导机制推敲 | |
三．数据指标体系 （180分钟） | 1. OSM指标模型与指标选择 2. 二维业务指标体系 a. OSM*AARRR b. OSM*UJM c. OSM*人货场 3. 三维业务指标体系 a. OSM * UJM * 场景化 b. OSM * UJM * 场景化 * 指标分级下钻 4. 指标类型选择 a. 结果型指标 vs. 过程型指标 b. 定性维度 vs. 定量维度 c. 原子指标、衍生指标、派生指标 5. 分级指标体系 6. 指标驱动优化深度案例 | |
四．数据收集 （90分钟） | 1. 案例：一次层层深入找到真相的数据分析 2. 数据分析流程 3. 数据收集方法 4. 业务数据、属性数据和行为数据 5. 数据清洗与归一化 6. 大数据创新循环链 | |
探讨共创1 （60分钟） | 北极星、飞轮与OSM业务指标体系设计 演练目的：帮助学员找到自己产品的北极星指标和飞轮模型，并提炼自身业务的核心指标体系 | |
第二天 | 五．数据分析十种武器 （120分钟） | 1. 5种数据异常判定方法 2. 10种关键数据分析方法与应用案例 1) 趋势分析 2) 下钻分析 3) 漏斗分析 4) 聚类分析 5) 对比分析 6) 相关性分析 7) 归因分析 8) 热力图分析 9) 建模分析 10) 分群分析 3. 数据分析误区：幸存者偏差 4. 综合性数据分析案例深度解析 |
六．专题分析：AB测试 (60分钟) | 1. AB测试的定义与适用范围 2. AB测试流程步骤关键点 3. 用户群体选择与随机分组 4. AA测试 5. 新奇效应与初识效应 6. 置信度 7. 测试灵敏度提升 8. 大规模并行AB测试 9. AB测试的替代方案 10. 辛普森悖论 11. AB测试的误区 | |
七．专题分析：行为分析 （60分钟） | 1. 结果分析vs. 行为分析 2. 用户行为价值分析 3. 产品优化环节洞察 4. 基于行为的业务机会精准判断 5. 用户痛点与兴奋点分析 6. 行为分析与精准营销 | |
八．大数据决策模型 （60分钟） | 1. 长期价值评估 a. 行为价值 b. 品类价值 c. 交易地点价值 2. 大数据价值预测模型 3. 模型应用 a. 战略投资决策 b. 风险评估 c. 竞争算法 d. 预测模型 4. 决策体系实战案例：亚马逊顾客增长策略 | |
探讨共创2 （60分钟） | 业务数据分析实战演练 演练目的：帮助学员针对自己的产品和业务诉求，使用多种数据分析方法发现瓶颈与优化方向 |
