任你选择
课程介绍
在这个大数据的时代，多维度业务数据的收集、分析和决策能力是企业提升效率和竞争力的关键前提。通过数据分析获得深刻的业务洞察，是做出产品、运营和企业经营方面正确决策的重要保障。可以说，数据体系的建设和数据洞察能力的提升，是现代企业业务增长的关键引擎，这也正是企业数字化转型的核心内容。
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，以如何根据业务目标选择、收集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。
目前市面上主流的数据分析类课程，基本都是由数据分析师背景的老师所设计和讲解，课程内容更加侧重于数据本身的埋点收集、数据清洗、分析逻辑和算法设计，以及Python程序编写等方面，偏重“技术”层面。本课主要不同之处在于，课程讲师一直是业务体系的管理者，课程内容均来自于业务侧对数据的使用策略和经验，重点讲解业务人员如何根据业务目标推敲所需要的数据，构建精准而不冗余的业务数据体系，随后结合业务所需要达成的关键目标，找到合适的分析方法，进而准确洞察业务瓶颈、业务机遇，为业务效率提升和问题解决提供指引。
课程收益
通过本课程的学习，可以帮助学员找到如下问题的答案：
1. 什么是数字化转型？分哪几个阶段？如何提供价值？传统企业如何进行数字化转型？
2. 如何根据业务目标建立精确不冗余的指标体系，并通过指标体系驱动业务目标达成？
3. 数据驱动业务增长有哪几种的底层机制？该如何建立机制和获得机制的赋能？
4. 数据有哪些不同的收集方法？如何建立有效的数据收集机制？如何获取竞品和行业数据？
5. 有哪些重要的数据分析方法？如何通过数据分析获得重要的业务洞察，并制定相应的业务策略？应该在什么时候，如何使用哪一种数据方法？
6. 立项和做决策时，往往需要对候选项目进行价值分析，但价值要项目落地后才能实际产生和测量，如何进行客观准确而不是“拍脑袋”的项目/产品价值预测？
课程对象
l 正在进行数字化转型的企业的业务、产品、运营、研发、数据分析人员。
l 希望学习世界顶尖大数据企业如何使用数据、获得洞察、指导决策、建立数据文化的前沿企业的业务、产品、运营、研发、数据分析人员。
l 所有希望提升数据意识与思维、数据应用能力和数据洞察能力的相关岗位。
l 需要理解数据如何赋能业务，并建立数据驱动机制提升经营效率的企业领导。
课程大纲
主题 | 内容 | 解决问题 |
课程导入（30分钟） | 1. 导师自我介绍 2. 课程逻辑介绍 3. 数据生产要素与数字经济 4. 企业数字化转型的四个阶段 5. AI与大模型的数据赋能 | • 课程将按什么逻辑讲解什么内容？如何更有效果地听课？ • 数字化转型如何提供价值？传统企业如何进行数字化转型？ • 国家说的数据要素是什么？关于数据使用有什么规则？ • 大模型/AI如何赋能企业？ |
底层数据驱动机制 （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. 金融企业北极星指标搜索案例 案例：支付宝北极星、顺丰北极星、金融产品的北极星筛选 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 案例：亚马逊飞轮、滴滴飞轮、ERP产品飞轮 | • 数据驱动业务有哪几种底层机制？如何建立机制获得赋能？ • 什么是北极星指标？为什么它对业务成败如此关键？如何根据具体业务目标找到相应的北极星？ • 贝佐斯提出的飞轮效应是什么？为什么它对业务良性增长这么重要？ |
数据指标体系 （90分钟） | 1. 指标体系驱动业务提升 2. 指标体系建设流程 3. 指标类型选择与价值评估 4. 指标优化与进化 5. OSM指标模型 6. 业务指标体系萃取 a. OSM*AARRR b. OSM*UJM c. OSM*人货场 工具：OSM模型分析框架 7. 战略指标分级下钻 案例：金融产品指标体系、电商指标体系、SaaS指标体系 8. 战略、经营与分析看板 练习：根据自身业务目标设计精准指标体系并找到目标提升策略 | • 怎么知道找到的指标好不好？怎么根据 业务发展对指标进行迭代？ • 如何根据业务目标建立精确不冗余的指标体系，并通过指标体系驱动业务目标达成？ • 一个顶层指标有很多不同的分解方向，该按哪个方向对顶层指标进行层层分解并形成对各个部门/人员的考核机制？ |
数据收集与异常判定 （60分钟） | 1. 案例：一次抽丝剥茧的经典分析 2. 数据分析流程 3. 业务数据、属性数据和行为数据 4. 数据收集方法 案例：奇妙的竞对数据收集方法 5. 埋点数据采集 6. 平台数据挖掘 7. 数据清洗与归一化 8. 大数据创新循环链 9. 数据异常判定 案例：品类设置错误的判定 | • 数据分析指导业务决策的标准过程是什么样的？ • 有哪几类数据需要收集？ • 有哪几种重要的数据收集方法？很难收集到的数据比如用户心理层面的数据、竞争对手数据，有什么好的收集办法？ • 怎么判定数据在告诉我有业务上的异常情况？什么时候应该触发一次深入的数据分析？ |
探讨共创1 （60分钟） | • 业务目标下的北极星搜索与飞轮模型设计 • 针对业务目标的数据指标体系设计 | |
精准洞察与决策 （210分钟） | 1. 常用关键数据分析方法 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 2. 数据分析常见误区 3. 综合性数据分析案例深度解析 案例：京东销售分析、金融漏斗分析、抖音快手推荐算法、B端项目对比分析、亚马逊留存相关性分析 工具： 多种数据分析工具、归因模型、大数据预测模型、RFM模型 | • 有哪些在业务分析中常用的数据分析方法？它们应分别该在什么时候，针对什么目的，如何使用？ • 业务瓶颈应该怎么分析？ • 业务发展趋势如何预测？ • 对于关键指标异常波动，怎么层层深入找到问题？ • 如何在整体业务结果上，定位各个条线或影响因素的贡献或者责任？ • 如何找到有哪些因素决定或者影响了业务结果，并且界定影响幅度？ • 如何设计各类模型，实现对风险、留存、销售等方面的未来预测？ |
专题数据分析 (150分钟) | 1. AB测试 1) AB测试定义与适用范围 2) AB测试流程关键点 3) 实验样本随机分组 4) AA测试 5) 测试指标的选择 6) 置信度 7) 新奇效应与初识效应 8) 测试灵敏度提升 9) AB测试的替代方案 10) 辛普森悖论 案例：亚马逊市场投放效果测试、银行新客权益测试、 2. 用户行为分析 1) 桑基图 2) 结果分析vs. 行为分析 3) 用户行为价值分析 4) 产品优化点洞察 5) 行为-目标关联性分析 6) 用户痛点与兴奋点分析 7) 行为分析驱动的精准营销 案例： B端产品用户行为分析、用户流失路径分析。 | • 为什么大部分企业做的AB测试都是错的？ • 怎么精准测定一个项目、一个功能或者一个运营策略产生的精确效果？ • 如何分析动态而复杂的用户行为？ • 行为分析要收集哪些数据？ • 怎么知道用户使用产品最容易碰到的问题是什么？最喜欢的功能是什么？ • 怎么知道用户都是在哪些操作后流失的？ • 怎么知道用户都是在哪些行为模式下购买产品的？哪些用户行为最有价值？ • 用户说的和做的常常不一样，怎么知道什么是用户真正要的？ |
大数据决策模型 （60分钟） 注：可选内容。本部分对数据应用能力要求很高，适合针对大数据基础设施和应用能力已经十分成熟领先的企业进行讲解。 | 1. 长期价值评估 1) 行为价值 2) 品类价值 3) 交易地点价值 2. 大数据价值预测模型 3. 模型应用 1) 战略投资决策 2) 风险评估 3) 竞争算法 4) 预测模型 案例：亚马逊用户行为长期价值分析、亚马逊商品延展价值分析、项目的未来价值分析。 4. 决策体系实战案例：亚马逊顾客增长策略 | • 各个项目都在争夺费用资源、研发资源和市场资源，项目价值往往是决策的关键依据。但是，想推动项目的人常常会拍脑袋地主观夸大价值。该怎么对这些构想中的项目在未来到底可以产生多少价值，结合世界最前沿的大数据模型进行准确客观的分析评估，进而为决策提供重要输入？ |
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 | |
