麦肯锡报告指出,企业数字化转型失败率高达80%,原因不是技术和设备,而是认知误区、组织适配。其中组织适配一方面要重构公司组织,另一方面就要培养员工的数据分析能力,本课程就是给中层员工讲的数字化通识课,从而给组织赋能。同时也会破除中层的认知误区,清楚地知道数字化能做什么,不能做什么。
具体而言本课程包括如下内容:
提升认知:通过各种维度的数据展现,可以帮你认知用户、挖掘新用户。
发现问题:通过数据可指导业务人员发现问题,从而解决问题。
评估效果:解决完毕后如何评估?这仍然用数据说话。
如何做到? 我们不能单纯地学习数据分析知识,而要结合业务、底层逻辑来学习,从而学以致用。同时要理解,数据分析是分析问题的一个环节,我们不仅仅要学习数据分析,还要学会系统思考。本课程就是围绕这些逻辑构建的,从而全面提升数字能力。
一、为什么数据能力是必备技能?
1.新时代下的管理和业务困惑
2.数据分析如何解决这些困惑
案例:中小餐厅、中小制造企业、某上市教育公司
二、数据指标的全景地图
1.常见的数据指标有哪些?
2.选择数据指标的基本原则
3.什么是数据指标体系?
案例:金融公司、零售公司、内容行业
四、用数据分析解决问题的思路是什么?
1.明确业务问题:如何确定业务的价值、用户的底层需求?
2.明确业务指标:如何设定数字和非数字的KRO指标?
3.进行业务设计:如何设计业务流程,并拆分数字指标?
4.评估效果和提升认知:如何看数来提升业务认知,拆分细分人群?
5.数据分析的能与不能:什么时候数据分析是错误的?
工具:A/B测试、用户画像、数据建模
案例:在线教育业务系统搭建
三、数据分析如何用在公司业务中?
1.对问题进行拆分和重组
工具:5W1H、逻辑树分析法、库伯的5类14项
案例:在线教育、电信公司、某中型企业
2.定位数据的波动的原因
工具:对比、假设、相关度和群组分析法
案例:分析线下教育企业数据波动、复购率下降原因。
3.销售型企业的业务指标设定、营销策略设定
工具:RFM、AARRR、漏斗分析方法
案例:餐饮企业个性化营销、电商\电信企业个性化推荐
4. 企业大数据分析、策略制定
工具:决策树、K近领法、线性回归,数据建模、维度拆分
案例:机票推荐、金融风控、汽车/房产
五、如何快速有效地获得数据
1.日常数据访谈如何做?
2.数据调查的问卷设计?
3.如何用互联网获得数据?
Copyright © 2006-2018 kaoshi.china.com