易精数字化思维、改良和实战

讲师资历

课程目标

课程大纲

1 数字化组织是怎样炼成的？

1.1 数字化的前世

1.2 数字化的今生

1.3 我的数字化成长之路

1.4 易精之路

1.4.1 数据分析立身之道

1.4.1.1 客户之道

1.4.1.2 企业之道

1.4.2 数据分析工作法

1.4.2.1 想法——数据化思维

1.4.2.2 看法——数据可视化

1.4.2.3 算法——数据挖掘技术

1.4.2.4 说法——数据分析报告

1.4.2.5 战法——数字化组织制度

1.4.3 数据挖掘八术

1.4.3.1 横切面x 4

1.4.3.2 纵贯线x 4

2 想法——养成数据化思维

2.1 什么是数据化思维

2.1.1 中国古代的数据化思维

2.1.2 客户之道与企业之道

2.1.3 数据化思维定义

2.1.4 数据化思维公式

2.1.5 人与AI的认知融合

2.2 我们需要什么数据？

2.2.1 紧急的数据

2.2.2 重要的数据

2.2.3 紧要的数据

2.3 数据从哪里来？

2.3.1 现场调研

2.3.2 企业内部数据

2.3.3 交易/协作平台

2.3.3.1 电商平台

2.3.3.2 供应链

2.3.4 外部行业数据

2.3.4.1 免费/付费咨询报告

2.3.4.2 行业数据统计网站

2.4 案例：中美四级产业股市数据分析

2.5 作业：Power BI电商销售数据处理

3 看法——使用数据可视化工具

3.1  “工欲善其事，必先利其器”

3.1.1 数据工具概况和分类

3.1.2 Excel与Power BI——人手一份的数据分析工具

3.2 数据可视化

3.2.1 历史著名可视化精品

3.2.2 图表分类与应用

3.2.3 Power BI的Dashboard实操

3.2.4 数据可视化视频经典案例

3.3 怎样通过数据对比做决策？

3.3.1 拉普拉斯与决策模式

3.3.2 五大对比方法

3.3.2.1 甲/乙对比

3.3.2.2 前/后对比

3.3.2.3 A/B测试对比

3.3.2.4 类比

3.3.2.5 回归

3.4 大型分组互动：“决策私董会”

3.5 案例：电力系统充电桩大数据规划与运营

3.6 作业：Power BI电商销售Dashboard

4 算法——实操数据分析方法

4.1 大数据探秘

4.1.1 大数据概念

4.1.2 大数据技术成熟度曲线分析

4.1.3 通用数据挖掘模式CRISP-DM

4.1.4 大数据“陷阱”

4.2 逆向大数据思维突破

4.3 不以赢利为目的的企业数据分析是“耍流氓” 

4.4 数据挖掘八法：4横4纵

4.4.1 横截面

4.4.1.1 分类下钻

4.4.1.2 杜邦分析

4.4.1.3 聚类分群

4.4.1.4 A/B测试

4.4.2 纵贯线

4.4.2.1 趋势变化（Bar/Line Chart）

4.4.2.2 转化漏斗（Funnel）

4.4.2.3 行为路径（Sankey Chart）

4.4.2.4 运营干预（RFM）

4.5 企业数据驱动全息图谱

4.6 案例：新能源汽车分时租赁

4.7 作业：超市RFM分析

5 说法——写好数据分析报告

5.1 数据分析报告“12345”工作法

5.2 数据分析报告一个中心

5.3 数据分析报告两个基本点

5.4 数据分析报告三个忌讳

5.4.1 胡言乱语——无逻辑

5.4.2 无病呻吟——无洞察

5.4.3 只挖不埋——无建议

5.5 数据分析报告四个目标

5.6 数据分析报告五个要素 

5.6.1 “痛”——量化问题

5.6.2 “病”——分解病因

5.6.3 “理”——数学模型

5.6.4 “药”——解决方案

5.6.5 “效”——效果追踪

5.7 案例：一份救命的数据分析报告

5.7.1 分组互动：提取痛、病、理、药、效

5.8 课后作业：“我的数据分析报告大纲”

6 战法——组织保障数字化创新

6.1 人性与数字的顺逆冷暖

6.1.1 史上第一次人类认知危机

6.1.2 从古典逻辑到机器学习

6.1.3 人工智能优势和劣势

6.1.4 人和机器学习的认知融合

6.2 数据驱动型组织机制

6.2.1 亚马逊的“数字泰勒主义” 

6.2.2 东西方融合：日本“现场主义”

6.2.3 A/B测试：数据驱动体制的试金石

6.2.4 数据决策分权机制激发执行层活力

6.2.5 数字孪生运营

6.3 案例：央企新能源汽车投资精算

6.4 总结：数字化的本心如一

7 课后作业：“我的数据分析报告”