“1+X”(高级)07-数据分析与业务决策

数据分析与业务决策学习完本课程后，你将能够：掌握数据分析与决策的流程了解业务思维和数据思维的概念和组成掌握数据分析理论模型的基础概念和应用场景了解商务智能的基础知识了解商务智能的应用范围及相关价值课程目标课程目录1.数据分析与决策流程1.1明确目标1.2

指标分解1.3获取数据2.业务思维与数据思维3.数据分析理论模型4.商业智能（BI）1.4数据分析1.5得出结论1.6采取行动明确目标指标分解获取数据数据分析得出结论采取行动数据清洗数据加工数据分析

数据可视化数据报告验证效果迭代优化数据分析与决策流程数据采集数据集成拆解核心指标剔除虚荣指标确定核心指标明确分析思路课程目录1.数据分析与决策流程1.1明确目标1.2

指标分解1.3获取数据2.业务思维与数据思维3.数据分析理论模型4.商业智能（BI）1.4数据分析1.5得出结论1.6采取行动明确目标需求方角色关心的问题管理层决策反映在哪些指标？这些指标之间的关系？业务的全局变化如何？......运营方最近活动效果如何？广告位如何定价？是否可以沉淀某些运营方法？......产品方功能使用率如何？如何优化功能或模块？......与需求方有效沟通，在了解业务的接触上，明确切入角度和核心指标课程目录1.数据分析与决策流程1.1明确目标1.2

指标分解1.3获取数据2.业务思维与数据思维3.数据分析理论模型4.商业智能（BI）1.4数据分析1.5得出结论1.6采取行动指标分解确定核心指标后，可以根据业务逻辑，结合不同的数据分析方法论，遵循MECE原则，从不同的角度对指标进行拆分AARRR模型（拉新-促活-留存-转化-传播）、4P营销理论、5W2H分析法等模型或方法时间维度根据时段（如每天中的各时点）、日期间隔（如次日/3日/7日/30日等）、周期（如周一、周六等）来对数据指标进行细分渠道维度通常可以分为线上和线下渠道，线上渠道主要有：自媒体投放、百度竞价推广、官方自有渠道等；线下渠道主要有户外广告、地推活动、纸质媒体等。用户维度根据用户登录情况可分为：活跃用户、流失用户（长期不活跃）、忠实用户（长期活跃）、回流用户（曾经长期不活跃，后来再次成为活跃用户的群体）等，根据用户付费情况可分为：付费用户、未付费用户等。课程目录1.数据分析与决策流程1.1明确目标1.2

指标分解1.3获取数据2.业务思维与数据思维3.数据分析理论模型4.商业智能（BI）1.4数据分析1.5得出结论1.6采取行动获取数据-数据采集WEB端基于浏览器网络爬虫/API页面浏览日志（pv/uv）页面交互日志（转化率）APP端无线客户端采集SDK/埋点页面浏览事件控件点击事件传感器物联网测量值转化数字信号如人工智能驾驶（温湿度、障碍物）数据库源业务系统数据同步结构化数据客户、交易等第三方第三方数据合作方提供如政府公布宏观数据对接公安系统的身份核验获取数据-数据集成数据集成：针对来自不同数据源的数据，进行合并并整理，形成统一的数据视图需要考虑的问题：识别和匹配相关实体及数据：从核心信息开始，逐步匹配扩展到其他相关信息统一的元数据定义：表名、字段名、类型、单位（量纲）等统一的数据取值：通过映射规则（Mapping）进行转换，保持数据一致性冗余数据处理：对于重复数据进行删除；对于相关性大的数据进行适当处理关系发散传递融入更多信息完成迭代合并寻找扩展关系融入相关信息完成二次合并确定核心信息确定可靠关系完成初步合并课程目录1.数据分析与决策流程1.1明确目标1.2

指标分解1.3获取数据2.业务思维与数据思维3.数据分析理论模型4.商业智能（BI）1.4数据分析1.5得出结论1.6采取行动数据分析-数据清洗数据清洗：针对原始数据，对出现的噪声进行修复、平滑或者剔除。包括异常值、缺失值、重复记录、错误记录等；同时过滤掉不用的数据，包括某些行或某些列。噪声数据处理：异常值：箱线图、Tukey’sTest等删除、当做缺失值、忽略分箱法：箱均匀、箱中位数或箱边界、平滑数据缺失值统计值填充：均值、众数、中位数固定值填充：填充指定值最接近记录值填充：与该样本最接近的相同字段值模型拟合填充：填充回归或其他模型预测值插值填充：建立插值函数，如拉格朗日插值法、牛顿插值法等数据分析-数据加工数据规约是指在尽可能保持数据原貌的前提下，最大限度地精简数据量，主要包括维度规约（从列的角度筛选数据）和数量规约（从行的角度筛选数据）两种方法。维度规约（DimensionalityReduction）：减少所需自变量的个数。小波变换（WT）、主成分分析（PCA）、特征集选择（FSS）数量规约（NumerosityReducton）：用较小的数据表示形式替换原始数据。参数化：回归模型、对数线性模型等非参数化：直方图、聚类、抽样等数据规约的意义：降低无效、错误数据对建模的影响，提高建模的准确性少量且具代表性的数据将大幅缩减数据挖掘所需的时间降低储存数据的成本数据分析-数据加工数据变换：对数据进行变换处理，使数据更适合当前任务或者算法的需要。使用简单函数进行变换方根和乘方对数变换和指数变换差值和比例数据规范化归一化z-score标准化小数定标规范化数据离散化分类变量离散化连续变量离散化描述型分析：发生了什么？广泛的，精确的实时数据有效的可视化诊断型分析：为什么会发生？能够钻取数据的核心能够对混乱的信息进行分离预测型分析：可能发生什么？使用算法确保历史模型能够用户预测特定的结果使用算法和技术确保自动生成决定指令型分析：下步怎么做？依据测试结果来选定最佳的行为和策略应用先进的分析技术帮助做出决策复杂性价值描述型诊断型预测型指令型数据分析-四种类型对数据集进行摘要或描述多维分析（钻取、切片、切块、旋转）数据分析-多维分析人口普查公报>全国人口普查公报课程目录1.数据分析与决策流程1.1明确目标1.2

指标分解1.3获取数据2.业务思维与数据思维3.数据分析理论模型4.商业智能（BI）1.4数据分析1.5得出结论1.6采取行动得出结论-数据可视化数据可视化：利用计算机图形学和图像处理技术，将数据转换为图形或者图像在屏幕上显示出来进行交互处理的理论方法和技术。数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。数据可视化随着平台的拓展、应用领域的增加，表现形式的不断变化，从原始的BI统计图表，到不断增加的诸如实时动态效果、地理信息、用户交互等等。数据可视化的概念边界不断扩大。得出结论-数据报告数据分析报告根据数据分析的原理和方法，运用数据来反映、研究和分析某项事物的现状、问题、原因、本质和规律，并得出结论，提出解决办法。这种文体是决策者认识事物、了解事物、掌握信息、搜集相关信息的主要工具之一，数据分析报告通过对事物数据全方位的科学分析来评估其环境及发展情况，为决策者提供科学、严谨的依据，降低风险。专题分析报告2018年用户流失专题分析报告综合分析报告2018年运营分析报告日常数据通报12月运营数据通报课程目录1.数据分析与决策流程1.1明确目标1.2

指标分解1.3获取数据2.业务思维与数据思维3.数据分析理论模型4.商业智能（BI）1.4数据分析1.5得出结论1.6采取行动采取行动数据分析结果只有采取行动，才能产生价值。数据分析结果输出数据分析结果验证数据分析结果评估分析迭代改进、优化延展分析系统落地……目标需求、业务理解数据预处理、数据分析、建模分析报告、分析结果采取行动产生价值课程目录数据分析与决策流程业务思维与数据思维数据分析理论模型商业智能（BI）Data

Thinking业务思维与数据思维01020304业务知识数据逻辑数据敏感度数据解读能力数据分析方法问题分解能力工程能力模型算法业务知识和数据逻辑某金融APP进行了一次营销活动，已知「营销转化率提升5%，审批通过率提升5%，业绩提升8%」，如何评价这个活动的效果？业务知识和数据逻辑需要了解用户转化的业务流程，涉及环节为「注册->申请」、「进件->审核」、「确认借款->发标金额」，再结合历史数据有一个对比。从营销效果的评估来看，仅仅上述三个指标是不具备说服力的，至少要关心「投资回报率」是否达标。需要至少掌握「申请人数」、「进件人数」、「审批人数」、「投资回报率」、「获客成本」、「业绩金额」这些指标的概念，知道它们背后的数据计算逻辑业务知识数据逻辑数据敏感数据解读数据敏感度和数据解读能力某金融APP进行了一次营销活动，已知「营销转化率提升5%，审批通过率提升5%，业绩提升8%」，如何评价这个活动的效果？数据敏感度和数据解读能力在了解业务和掌握指标计算方法的基础之上，才能够初步判断数据的真实性和合理性，才有可能去解读所谓的转化率提升5%代表了什么，重新还原画面感去认识这些数据。业务知识数据逻辑数据敏感数据解读数据分析方法和问题分解能力某金融APP进行了一次营销活动，已知「营销转化率提升5%，审批通过率提升5%，业绩提升8%」，如何评价这个活动的效果？分析方法和问题分解在有清晰的分析思路和分析方法才有可能找到问题的本质，而不是只看到表象。常用的分析方法论有4P营销理论、5W2H分析法、PEST分析法、SWOT和逻辑树等，分析方法有对比分析、分组分析、结构分析、平均分析、综合评价分析等。选用合适的方法论和方法，可以将「营销效果评估」这个问题进行分解。分析方法问题分解工程能力模型算法工程能力和模型算法某金融APP进行了一次营销活动，已知「营销转化率提升5%，审批通过率提升5%，业绩提升8%」，如何评价这个活动的效果？工程能力和模型算法比如分析用户行为路径来确定最佳营销环节时，可能需要清洗几十个G的用户行为，面对如此大规模的复杂数据时，如果没有一定的工程能力，在数据预处理这个阶段就会出问题。然后，通过数学模型来量化业务中的现象，确定业务中各种指标之间的关系，最终来解释业务和指导业务。分析方法问题分解工程能力模型算法课程目录1.数据分析与决策流程2.业务思维与数据思维3.数据分析理论模型3.14P营销理论3.2

5W2H分析法3.3

PEST分析法3.4

SWOT3.5逻辑树4.商业智能（BI）4P营销理论定义：指企业在选定的目标市场上，综合考虑环境、能力、竞争状况等对企业自身可以控制的因素，加以最佳组合和运用，以完成企业的营销目的与任务。起源和发展：1960年，美国市场营销专家麦卡锡（E．J．Macarthy）在前人营销实践的基础上，提出了著名的4P市场营销组合理论，即产品（Product）、价格（Price）、促销（Promotion）、渠道（Place），奠定了该理论的重要地位。1990年美国市场学家罗伯特·劳特伯恩教授提出了4C理论，即Customer（顾客）、Cost（成本）、Convenience（便利）和Communication（沟通）。4Cs理论的思想基础是以消费者为中心，强调企业的营销活动应围绕消费者的所求、所欲、所能来进行。作用：市场营销组合是制定企业营销战略的基础，以保证企业从整体上满足消费者的需求。市场营销组合是合理分配企业营销预算费用的依据，对于计算ROI非常重要。4P营销理论产品价格促销渠道目标市场组合类别定义/解释典型决策内容产品满足消费者需求，可以是有形的（商品）或无形的（服务，想法或建议）。产品生命周期、产品设计（特性、质量）、产品组合策略（产品线、产品组合）、附件、品牌、商标、包装、担保、服务等。价格价格是指客户为产品支付的金额，也可以指消费者准备购买产品的代价（例如时间或精力）。定价目的、定价策略与技巧、付款方式、基本价格、（消费者）折扣、（分销商）津贴等。促销促进顾客购买商品以实现扩大销售额的策略促销组合策略（合理平衡广告、公关、直效营销和促销的比例）。渠道使商品顺利到达消费者手中的途径和方式等分销渠道选择、市场区域覆盖、分销强度（独家、密集性、选择性）、库存、物流等。基本思想：从制定产品策略入手，同时制定价格、促销及渠道策略，组合成策略总体，以便达到以合适的商品、合适的价格、合适的促销方式，把产品送到合适地点的目的。企业经营的成败，在很大程度上取决于这些组合策略的选择和它们的综合运用效果。课程目录1.数据分析与决策流程2.业务思维与数据思维3.数据分析理论模型3.14P营销理论3.2

5W2H分析法3.3

PEST分析法3.4

SWOT3.5逻辑树4.商业智能（BI）5W2H分析法定义：5W2H是以5个以W开头的英文单词及2个以H开头的英文单词为缩写的简称，该方法是通过对原问题不断提同，在间题的回答过程中寻找解决问题的方法起源：又叫七何分析法，是二战中美国陆军兵器修理部首创。当时在美国陆军兵器修理过程当中，事务非常繁杂。面对不同种类、不同批次的武器是怎么坏的，如何及时修理以及再次输送到前线去，是一个非常头痛的问题。作用：科学化的分析手法，很清断地知道需要往哪些方面去思考和展开分析，帮助理清分析思绪，快捷的找到问题的根源，并将问题解决5W2H分析法为什么Why做什么What谁Who何时When何地Where怎样How多少Howmuch在公司发展过程中降低内耗及成本，提升整体的运营效率将业务数据和财务数据打通每一个阶段由谁来执行什么时候可以将两个数据库打通，什么时候可以看到整合的锥形业务数据及财务数据的存储位置，BI最终呈现的存储空间在哪里如何将两个数据库打通？如何让数据真实反映业务场景整个项目预算多少？每一阶段需要花多少钱？课程目录1.数据分析与决策流程2.业务思维与数据思维3.数据分析理论模型3.14P营销理论3.2

5W2H分析法3.3

PEST分析法3.4

SWOT3.5逻辑树4.商业智能（BI）PEST分析法PEST分析方法一般用于对宏观环境的分析，一般指的是通过对这四类外部环境一P(代表政治环境、E(代表经济环境）、S(代表社会环境）、T(代表技术环境）的分析来把握整体宏观环境从而评估对企业业务的影响方向。政治环境社会制度税收准则贸易条例就业规则经济环境国民收入国民生产总值目标群体收入消费储蓄社会环境人口规模年龄结构收入分布生活方式技术环境新技术新工艺渠道整合资源整合PEST分析法互联网行业PEST分析政治环境经济环境社会环境技术环境1、国家出台了哪种相关政策？制约还是促进？2、相关法律有哪些？有何影响？1、GDP增长率、进出口额及其增长率2、消费价格指数、失业率、居民可支配收入网民与公民的人数、性别比例、年龄结构、地域分布、生活方式、购买习惯、受教育程度、宗教信仰等1、技术发明、传播、更新的速度，以及商业化速度和发展趋势2、国家重点支持项目，国家投入的研发费用、专利个数等课程目录1.数据分析与决策流程2.业务思维与数据思维3.数据分析理论模型3.14P营销理论3.2

5W2H分析法3.3

PEST分析法3.4

SWOT3.5逻辑树4.商业智能（BI）SWOTSWOT是战略分析的一种方法，它主要是通过分析企业自身的优势、劣势、机会和威胁，通过内部影响因素与外在环境的分析来为企业战略提供参考。优势（S）、劣势（W）是内部因素财政资源（资金、收入来源和投资机会）物质资源（位置、设施和设备）人力资源（员工、志愿者和目标受众）自然资源、商标、专利和版权当前系统（员工计划、部门层级和软件系统）机会（O）、威胁（T）是外部因素市场趋势（新产品、技术进步和受众需求变化）经济趋势（地方、国家和国际经济趋势）资金（捐赠、立法和其他来源）人口统计特征与供应商和合作伙伴的关系政治、环境和经济法规SWOT领导性品牌会员及卡券资源实体门店供应链人力资源单店销售和盈利能力三四线城市发展机遇新业态的市场空白传统杂货店的需求系统技术成熟系统陈旧线上运营经验管理问题业态单一线上平台渗透新零售理念的导入物流仓储规模竞争SOWT某省某品牌连锁小店项目SWOT课程目录1.数据分析与决策流程2.业务思维与数据思维3.数据分析理论模型3.14P营销理论3.2

5W2H分析法3.3

PEST分析法3.4

SWOT3.5逻辑树4.商业智能（BI）逻辑树定义：将问题的所有相关子问题，按逻辑分层罗列的一种工具。做法：将一个已知问题作为树干，考虑该问题被哪些子问题影响，每考虑到一个，就在树干上添加一个树枝。树枝上可以继续添加子树枝，每多一个子问题的影响层，就多一层树枝，一直到所有相关子问题都被罗列出。原则：相互独立、完全穷尽（MECE）作用：

帮助梳理思路，不进行重复和无关的思考，同时还保证问题思考的完整性

将大目标分解一些可以操作的小目标

确定各因素之间的逻辑关系和优先顺序

逻辑树课程目录数据分析与决策流程业务思维与数据思维数据分析理论模型商业智能（BI）4.1什么是BI

4.2BI可以做什么商业智能商业智能(BusinessIntelligence，简称：BI)，又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。联机分析处理数据挖掘数据仓库数据展示数据仓库数据仓库是一个面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合，用于支持管理决策。常见仓库分层ODS层DWD层DWA层汇总DM层常见出于分析性报告和决策支持目的而创建Inmon与Kimball概念模型、逻辑模型、物理模型元数据、数据质量联机分析处理OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。数据仓库与OLAP的关系是互补的，现代OLAP系统一般以数据仓库作为基础，即从数据仓库中抽取详细数据的一个子集并经过必要的聚集存储到OLAP存储器中供前端分析工具读取。多维分析（OLAP）维度（Dimensions）、层（levels）度量（Measures）、立方体（Cube）基本操作：钻取（Drill-up和Drill-down）、切片（Slice）和切块（Dice）、旋转（Pivot）数据挖掘所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等监督学习、无监督学习定义问题建立数据挖掘库分析数据准备数据建立模型评价模型实施数据展示数据展示主要旨在借助于图形化手段，清晰有效地传达与沟通信息。它是商务智能工作中精彩的一节，合理展示数据和各项指标，直观易于理解，方便使用者更准确的掌握数据中体现的业务含义。图形报表分析报告数据大屏数据门户课程目录数据分析与决策流程业务思维与数据思维数据分析理论模型商业智能（BI）

4.1什么是BI

4.2BI可以做什么商业智能作用商业智能的应用领域非常广泛，在很多行业也取的了成功，也越来越多的被企业管理者所接受，在企业日常管理过程中，也越来越多的体现了商业智能的价值及作用。通过应用基于事实的支持系统来辅助商业决策的制定打破信息壁垒、保证数据的质量与一致性多个角度汇总、计算数据，增强了数据的分析处理能力，通过对不同维度数道据的比较和分析，增强了信息处理能力在当前信息的基础上，可以针对整个企业的发展状况和未来前景作出较为完整、合理、准确的分析和预测丰富的图形化界面及交互手段，清晰有效地传达与沟通信息商业智能应用范围（一）电信行业零售行业银行业风险数据分析、客户价值分析、综合绩效分析；借助商务智能应用，挖掘数据价值，实现科学决策客户分析、成本分析、收益分析、市场分析、网络分析、产品分析、服务分析、离网预测、客户价值分析、价格敏感度分析等库存分析、销售分析、商品分析、客户分析、供应商分析、采购分析等商业智能应用范围（二）保险行业政府机构电子商务行业制造行业需求计划、渠道组织管理、渠道订单管理、渠道库存管理、渠道智能分析、供应商管理、采购订单管理、