1.數據分析基礎
（1）數據分析與挖掘的概念與差異
（2）分析目標
包括數據整體狀況分析、異動分析、數據分類、數據間邏輯關系分析、數據預測等。
（3）分析步驟
包括數據收集、數據整理、報表制作、數據分析與數據挖掘、圖形呈現、形成策劃案等6個步驟。
2.數據分析與業務邏輯
（1）數據分析能力
包括業務理解能力、邏輯思辨能力、需求轉換能力、統計分析挖掘工具的掌握等方面。
（2）常見業務邏輯
a)如何對數據特征進行描述？
b)我的業務的特征是啥樣的？
c)如何結合營銷現狀判斷數據中的異常值？
d)A數據和B數據之間有關系嗎？如果有關系，關系是怎樣的？
e)如果數據之間有影響，有沒有重要程度的差異？
f)數據和指標如何分組？
g)如果影響指標比較多，如何處理？
h)我想知道數據之間的對應關系，如何處理？
i)如何考慮A事件對B事件的邊際貢獻率？
……
（3）分析思路
a)標識分析法
b)二八分析法
c)特征組合分析法
d)排序分析法
e)對比分析法
f)分組分析法
g)結構分析法
h)交叉分析法
i)對應分析法
……
3.數據描述
數據描述指對銷售數據進行描述統計，采用多種指標和方法揭示數據的概況，為后續分析做好準備工作。描述的指標有求和、計數、平均值、中位數、眾數、方差（標準差）、變異系數、峰度、偏度、占比、累計占比、同比、環比等。
（1）整體狀況描述
（2）數據的七個百分比
（3）多列對比
這是應培訓學員的要求所做的多列對比的小工具，非常方便，可以一次性地輸出多列之間平均值、總數、中位數、變異系數、二八系數等的對比。
4.異常值分析
異常值是數據中脫離正常變化軌道的數據，也是數據分析中需要重點關注的數據。通常采用如下方法分析異常值：
（1）散點圖
（2）條件格式
（3）三倍標準差
5.相關分析
(1)相關分析原理
(2)EXCEL“數據分析”模塊安裝及介紹
(3)操作及輸出說明
案例：上海某公路物流企業分析其營銷指標間關系
6.聚類-客戶細分
單獨一個數據，往往因為數據異常或者偶然性等原因，從來很難發現明顯的結論，分組不僅僅讓分析變得簡單，而且能夠發現簡單對比所無法獲得的結論。
（1）單指標的分類
（2）多指標的分類
多指標的分組，可以用來做數據的細分等，采用聚類實現。
案例討論：最佳聚類分類總數的確定
7.關聯分析
關聯分析可以分析數據中的某些特征同時出現以及次序出現的概率，其輸出的結果經常用來做捆綁銷售，例如客戶購買了A產品之后是否購買了產品B。
（1）相關概念
支持度、置信度、提升度
（2）關聯分析算法的使用
8.客戶畫像
客戶畫像是目前營銷數據分析的熱點問題之一，4S店的銷售人員希望通過數據分析得到其客戶的特征是什么，網店的經營者希望知道哪些特征組合的客戶在投訴他們。
（1）算法描述
（2）算法執行和輸出
案例：某網店利用數據分析影響客戶購買的特征 |
合作伙伴與授權機構
總部李老師
