(微信同号)课程背景：
随着国家“新基建”战略的提出，数字化转型已经提上各个行业的日程，如何顺应数字化转型潮流，熟练运用数据工具方法已经成为企业数字化落地过程中员工必备能力，但是，根据场景选用适当的工具、运用适当的方法处理数据支撑决策从而提升工作管理的效率和效能，这是企业员工亟待解决的问题。
如何培养形成数据思维，运用相应的数据工具方法帮助员工在数字化转型中能够高效准确收集数据、根据需求拆解数据、多角度分析数据、基于数据进行科学决策和做出具备说服力的呈现，即是本课程要讨论的数据思维的培养。
课程收益：
● 熟悉数据的定义、分类及相关要素；
● 理解数据思维并掌握数据思维培养方法；
● 掌握数据从收集到拆解，再到分析和决策的闭环处理；
● 掌握灵活运用数据分析结果进行高效呈现技巧。
课程时间：2天，6小时/天
课程对象：各行业基层管理人员（行政、技术等方面管理人员）
课程方式：案例+互动+测试+思考+练习+讨论+工具
课程大纲
第一讲：培养数据思维
一、数据化工作管理的本质
1. 数据的四大类型
2. 让数据说话—挖掘数据产生的背景
3. 热点数据方向—数据画像
二、建立数据思维的框架
1. 数据思维的起源
2. 理解数据思维
1）数据思维的三种境界：没数、有数、驭数
2）三方面区分数据思维和大数据思维的关系
幸存者偏差案例：应该在什么地方加装装甲（注意防止幸存者偏差）
a预测性
b数学逻辑性
c KPI性
3）数据思维培养的四种方向
方向一：提升数字型感觉
方向二：建立平均回归原则
方向三：把握数据感觉
方向四：建立数据模型
4）数据思维培养五个步骤
第一步：问（收集问题）
第二步：拆（分解问题）
第三步：解（分析问题）
第四步：谋（制定方案）
第五步：现（汇报呈现）
案例：斯诺医生
案例：汽车超速怎么调查
互动1：婚恋平台如何为客户服务的？
互动2：这样吃Pizza亏了吗？
测试：您的数商值是多少？
思考：某个城市一年的外卖数量？
第二讲：“问”——高效且精准的数据收集方法
一、测量是数据收集的核心
1. 掌握测量方法
2. 提高测量信度
3. 保持测量效度（三个关键）—关联性、结构化、完备性
案例：某数据分析报告的信度效度分析
二、抽样方法是数据收集的关键
1. 配额样本和概率样本
2. 选择样本量大小
3. 运用非概率样本
三、运用数据收集工具-问卷
1. 问卷设计的三大原则
2. 图尺度评量表的设计使用（评量表视图）
练习：这个针对用户的问卷该怎么设计？
3. 结构化问卷的设计使用
1）问卷视图
2）结构化设计要点：分层设计、准确转化、选择关键
3）结构化设计流程
确定整体主题方向→分解主题→转化主题为问题
练习：针对内部人员的结构化问卷该怎么设计？
4. 随机对照实验的设计要点—费希尔方法
案例：随机对照实验——如何验证哪一种化肥有效？
讨论：电饭煲实验的漏洞在哪里？
第三讲：“拆”——思维导图按需分解数据
一、思维导图拆解数据
1. 思维导图工具背后的重要思维
案例1：水平思维
案例2：垂直思维
2. 思维导图运用的结构化
二、思维导图变形之逻辑树，让细分数据为我所用
1. 逻辑树的形成方式
1）自顶向下
2）自底向上
2. 遵循MECE原则
工具：逻辑树视图
练习：如果利用逻辑树分析建模形成过桥方案？
第四讲：“解”——数据分析，寻找根源
一、数据分类思维
1. 画像思维准确归类对象寻找规律
2. 不同维度进行分类分析
案例1：商业数据分类
案例2：淘宝用户数据分类
案例3：多维度拆解某app数据从而评估推广效果
二、数据对比（和谁比、怎么比）
案例：杂志的效量提升
练习：如何解读周报
三、数据假设分析的流程
1. 麦肯锡圣经：大胆假设，小心求证
2. 流程拆解分析：提出假设→收集证据→得出结论
案例：谁是小偷？
四、寻找因果关系
1. 相关性
2. 先后顺序
3. 非第三原则
4. 从关联到因果
案例：辛普森悖论
第五讲：“谋”——以分析数据为决策依据
一、把握概率决策方法
案例：奖金应该怎么分配？
练习：分析携带病毒的概率是多大？
二、帕累托图进行分析决策
工具：帕累托图视图
案例：停电统计分析决策结果
练习：利用现有数据进行帕累托图的决策
三、矩阵图进行分析决策
工具：矩阵图视图
案例：如何选拔合适人员
练习：利用矩阵图进行买车决策分析
四、大数据分析决策方法
1. 聚类方法工具
2. 决策树
3. 回归方法
第六讲：“现”——完美数据呈现提升说服力
视频：少年派的数据可视化场景
一、基于Excel的数据可视化的传统方法
1. 饼图
2. 柱状图
3. 折线图
4. 表格
二、数据可视化进阶方法
1. 点线数据可视化
2. 组合数据可视化
3. 玫瑰图数据可视化
4. 关系数据可视化
5. 基于地图的数据可视化
三、数据的指向性操作方法介绍
展示：可视化经典图
数据指向性问题操作案例：
1）盗用平均数
2）忽略规模
3）短期波动和长期效应
4）忽略变化原因
5）偷换概念
6）定义不一致
7）混淆对象
8）基数变换
