让一部分企业先学到真知识！
讲师网 企业内训 课程详情

李勇：数据指标体系搭建

李勇老师李勇 注册讲师 21查看

课程概要

培训时长 : 1天

课程价格 : 扫码添加微信咨询

课程分类 : 互联网

课程编号 : 37023

面议联系老师

适用对象

互联网时代，希望学习数据分析的人士；

课程介绍

培训对象：互联网时代，希望学习数据分析的人士；

课程时间：1天 (6小时）

课程背景：

数据分析不是某个固定的职位，而是人工智能时代的通用能力。你会看到各行各业的招聘中都会要求应聘者具备数据分析能力。所以，具备数据分析能力可以极大地提升你在职场中的竞争力。通过本课程的学习，你会熟悉数据分析的方法，并将其灵活应用在自己所处的行业中。这样当你在工作中遇到新的问题时，也能够知道如何展开分析。

课程收益：

培训完结后，学员能够：

² 了解数据分析的基本思维；

² 了解数据分析给企业和个人带来的帮助；

² 了解数据分析的基本方式和方法；

课程大纲：

单元

大纲

内容

单元一

数据的业务指标

1. 如何理解业务指标

2. 常用的业务指标有哪些

1） 用户数据指标

2） 行为数据指标

3） 产品数据指标

4） 推广付费指标

5） 客户服务指标

3. 如何选择指标

4. 指标体系和报表

单元二

分析方法

1、 5W2H分析方法

1） 什么是5W2H分析方法

2） 5W2H分析法可以解决那些问题

2. 逻辑树分析方法

1）什么是逻辑树分析方法，适用于何种场景？

2）如何使用逻辑树分析法

3.行业分析方法

1）什么是行业分析方法？适用于何种场景？

2）如何使用行业分析方法

4. 多维拆解分析方法

1）什么是多维拆解分析方法？适用于何种场景？

2）如何使用多维拆解分析方法

5. 对比分析方法

1）什么是对比分析方法？适用于何种场景？

2）如何使用对比分析方法

6. 假设检验分析方法

1）什么是假设检验分析方法？适用于何种场景？

2）如何使用假设检验分析方法

7. 相关分析方法

1）什么是相关分析方法？适用于何种场景？

2）如何使用相关分析方法

8. RFM分析方法

1）什么是RFM分析方法？适用于何种场景？

2）如何使用RFM分析方法

9. AARRR模型分析方法

1）什么是AARRR模型分析方法？

2）如何使用AARRR模型分析方法

10. 漏斗分析方法

1）什么是漏斗分析方法？适用于何种场景？

2）如何使用漏斗分析方法

单元三

用数据分析解决问题

1. 数据分析解决问题的过程

2. 数据分析如何明确问题？

3. 数据分析如何分析原因？

4. 数据分析如何提出建议？如何回归分析应用

单元四

数据分析实战解析

1. 国内某互联网行业

1） 业务模式

2） 业务指标

3） 案例分析：销售额下滑

2. 国内某电商行业

1） 业务模式

2） 业务指标

3） 案例分析：回购率下滑；如何做好活动复盘

3. 金融信贷行业

1） 业务模式

2） 业务指标

3） 案例分析：逾期分析；如何制定风控策略

 

李勇老师的其他课程

• 李勇：数据商业智能BI的应用与发展
讲授专家：李勇 培训对象：数据管理（总监、经理、主管）、业务管理人员、数字化转型部门、产品及运营中心管理人员、技术中心管理人员等； 课程时间：1天 （6小时） 课程背景： 经过十余年信息化建设，很多企业都上线了各种业务系统，积累了大量业务数据，具备应用 BI （商业智能）进行数据分析和数据化管理的条件。而如何让BI项目在企业中落地并持续运转，成为很多企业尤其是传统企业头疼的问题。本课程聚焦 BI（商业智能）与 BI 项目， 重点介绍 BI 项目的建设流程和运营技巧，并围绕 BI 项目中的场景和人员两大要素，分享了 BI 在零售、金融、 制造、 医疗和教育等行业中的应用案例， 提出了搭建企业数据人才培养体系的方法。 课程收益： Ø 学习商业BI的基本概念； Ø 掌握BI的价值； Ø 掌握Bi的典型场景应用与行业应用； Ø 掌握BI项目开发与建设项目机制； 课程大纲： 单元 大纲 内容 单元一 什么是BI 1. BI的定义和相关概念解析 2. BI的发展前景 3. BI的工具，平台，系统和项目 4. Bi的类型 5. BI的主要功能和框架 单元二 BI的价值 1. BI对管理和业务的价值 2. BI对企业不同角色的价值 3. 企业应用BI前后的对比 单元三 典型的BI行业应用 1. 零售行业BI应用解析 2. 金融行业BI应用解析 3. 制造行业BI应用解析 4. 医疗行业BI应用解析 5. 教育行业BI应用解析 6. 轨道交通行业BI应用解析 单元四 典型BI业务应用 1. 数据大屏 1） 数据大屏的应用场景 2） 数据大屏的设计开发 3） 数据大屏背后的业务逻辑 2. 移动应用 1） 消息推送 2） 手机扫码 3. 自助分析 1） 自助分析模式 2） 自助分析应用与推广 单元五 BI项目开发与管理 1. 数据治理：从源头控制数据质量 2. 业务模型建设 3. PDCA闭环：持续优化BI系统 4. MVP与数据文化 5. 安全策略：保障BI安全运营 单元六 BI项目建设流程 1. 收集和明确需求 2. 选择合适的BI工具 3. 做好项目规划与实施方案 4. 项目开发与管理  
• 李勇：数据驱动业务：数据价值、数据模型与数据产品实战
讲授专家：李勇 培训对象：业务分析师、数据科学家、产品经理、IT决策人员、对数据驱动业务增长感兴趣的人士； 课程时间：1天培训 课程背景： 本课程在数字化转型与大数据崛起的宏观趋势下，旨在解决学员如何有效运用数据模型和数据产品来驱动电信业务增长的问题。课程将深入探讨数据在运营商业务中的应用，以及如何通过数据产品化来实现数据价值的最大化，帮助学员全面提升对数据驱动业务增长的认知和实践能力。课程具备理论与实践结合、案例丰富、强调实战应用的特点。 课程收益： 培训完结后，学员能够： 受益一：深入了解数据模型的基本概念、原理及其在运营商业务中的应用。 受益二：掌握数据产品化的方法论，能够将数据、数据模型和分析决策逻辑融合成产品形态。 受益三：学会如何在大数据场景下通过数据挖掘发挥数据的价值，辅助业务决策。 受益四：具备构建和优化数据模型及数据产品的能力，以驱动运营商业务的增长。 课程大纲： 单元 大纲 内容 单元一 数据驱动业务的宏观趋势与挑战 数据驱动业务增长的重要性 1.1 数字化转型背景下的数据价值 1.2 电信行业数据驱动业务增长的案例分析 数据驱动业务面临的挑战 2.1 数据质量与数据治理问题 2.2 技术与人才储备的挑战 2.3 数据安全与隐私保护的考量 单元二 数据模型基础与电信业务应用 数据模型的基本概念与原理 1.1 什么是数据模型 1.2 数据模型的类型与应用场景 数据模型在电信业务中的应用 2.1 客户细分模型 2.2 业务预测模型 2.3 营销效果评估模型 2.4 个性化自动化服务模型 2.5 网络优化与管理模型 2.6 市场策略营销模型 2.7 智能运营决策模型 单元三 数据产品化的方法论与实践 数据产品化的定义与价值 1.1 数据产品化的概念 1.2 数据产品化对电信业务的意义 数据产品化的方法论 2.1 用户需求分析与产品定义 2.2 数据、模型与决策的整合 2.3 数据产品的迭代与优化 单元四 大数据场景下的数据挖掘技术 大数据技术基础 1.1 大数据技术架构与组件 1.2 大数据在运营商业务中的应用场景 数据挖掘技术与方法 2.1 数据挖掘的基本流程 2.2 常用数据挖掘算法介绍 2.3 数据挖掘在电信业务中的实践案例 单元五 数据可视化与智能决策支持 数据可视化的重要性与方法 1.1 数据可视化的概念与价值 1.2 常用数据可视化工具与技巧 智能决策支持系统的构建 2.1 决策支持系统的基本架构 2.2 数据模型在决策支持系统中的应用 2.3 智能决策支持系统的实践案例 单元六 数据驱动的业务增长策略与实践 数据驱动的业务增长策略 1.1 数据洞察与业务机会识别 1.2 数据驱动的产品创新与优化 数据驱动的业务增长实践案例 2.1 运营商业务增长的成功案例分享 2.2 数据驱动业务增长的挑战与解决方案 单元七 数据模型与数据产品的评估与优化 数据模型与数据产品的评估方法 1.1 评估指标的选择与设计 1.2 数据模型与数据产品的效果评估 数据模型与数据产品的优化策略 2.1 基于反馈的模型与产品迭代 2.2 数据模型与数据产品的持续优化实践 讨论课题： 如何结合电信业务特点，构建有效的数据模型来驱动业务增长？ 在数据产品化的过程中，如何平衡用户需求、技术实现与业务目标？ 面对大数据的挑战，如何优化数据挖掘过程以提升业务价值？ 如何通过数据可视化与智能决策支持系统，提升电信业务的决策效率与质量？  
• 李勇：数据建模、数据可视化与大数据及数据挖掘
讲授专家：李勇 培训对象：数据管理（总监、经理、主管）、业务管理人员、数字化转型部门、产品及运营中心管理人员、技术中心管理人员等； 课程时间：1天 （6小时） 课程背景： 本课程主要在当前数据驱动决策的宏观趋势下，旨在解决学员如何运用数据建模、数据可视化和大数据挖掘技术，提升数据处理、分析和应用能力。课程将系统介绍相关理论和方法，并结合实际案例，帮助学员全面提升数据科学领域的认知和实践能力。 课程收益： Ø 掌握数据建模的基本方法和理论，能够构建有效的数据分析模型。 Ø 了解数据可视化的原则和技巧，能够利用可视化工具直观展现数据。 Ø 熟悉大数据技术和数据挖掘的基本原理，能够运用大数据进行深度分析。 Ø 提升在数据科学领域的综合素质，为企业的数据驱动决策提供支持。 课程大纲： 单元 大纲 内容 单元一 什么是数据建模，为什么要对业务进行数据建模 1. 数据建模概述 2. 数据建模说明 3. 数据建模对企业的好处 1） 交流性 2） 准确性 3） 效率及可拓展的资产 单元二 数据建模的要素 1. 实体 2. 属性 3. 关系 4. 键 5. 概念模型 6. 物理模型 7. 逻辑模型 单元三 数据建模对企业的应用 1. 数据建模如何帮助企业做好产品 2. 数据建模如何帮助企业做好生产 3. 数据建模如何帮助企业做好管理 4. 数据建模如何帮助企业做好运营 5. 数据建模如何帮助企业做好客户管理 6. 数据建模如何帮助企业做好客户服务 单元四 数据建模的具体实施 1. 哪些模板有助于精确获取应用需求 2. 数据模型积分卡 3. 如何高效的实施建模项目 单元五 数据建模的进阶 1. 非结构化数据与结构化数据 2. UML模型 3. 数据建模的5个常见问题 单元六 数据可视化基础 1. 数值型数据 2. 分类型数据 3. 时间序列数据 4. 图表类型及适用场景 5. 柱状图、折线图、饼图等常见图表 6. 散点图、热力图、雷达图等高级图表 单元七 数据可视化技巧 1. 选择合适的图表类型 2. 根据数据类型和表达需求选择图表 3. 避免误导性的图表选择 4. 设计原则与美学考虑 5. 清晰、简洁、直观的设计原则 6. 颜色、字体、布局等美学要素的运用 7. 交互式可视化的实现 8. 缩放、平移、旋转等交互功能的设计 9. 数据筛选、高亮、动画等高级交互技巧 单元八 什么是大数据 1.大数据的定义与特征：包括数据采集、存储、处理和分析等方面的基本概念。 2.企业为什么要做大数据？如何理解数据资产驱动业务增长？ 3.大数据应用场景：探讨大数据在各个领域的应用前景和趋势。 单元九 数据挖掘基础 1.数据挖掘的定义与过程：阐述数据挖掘的基本概念、任务及主要过程。 2.数据预处理：包括数据清洗、数据转换、数据集成等步骤，为数据挖掘做准备。 3.数据挖掘算法：详细介绍分类、聚类、关联规则挖掘等常用算法及其原理。 单元十 数据挖掘实践应用 1.商业智能与市场分析：通过数据挖掘技术发现市场趋势、消费者行为等有价值的信息。 2.社交网络分析：运用数据挖掘技术分析社交网络中的用户行为、社区发现等。 3.推荐系统：介绍推荐系统的基本原理和实现方法，包括协同过滤、内容推荐等算法。  

相关课程

添加企业微信

1V1服务，高效匹配老师
欢迎各种培训合作扫码联系，我们将竭诚为您服务