(微信同号)【课程背景】
麦肯锡报告指出，企业数字化转型失败率高达80%，很大的原因就和认知、组织适配有关，而不是技术和设备。组织适配一方面要重构公司组织，另一方面就要培养拥有数字分析能力的员工，本课程就是给中层员工讲的数据分析课，从而给组织赋能。
对于中层员工而言，数据分析能用来做什么？
² 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。
² 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
² 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互联网数据分析知识，而要结合业务、底层逻辑来学习，从而学以致用。同时应理解，数据分析是分析问题的一个环节，我们不仅仅需要学习数据分析，还要学会系统思考。本课程就是围绕这些逻辑构建的。
而本课程的与其他课程不同之处在于：① 延续了本人畅销书的风格，即分模块、分层级、分步骤地讲解，且注重工作场景的细节呈现。 ② 老师跨界服务过硬件、安全、传统企业和头部互联网企业，因此可更好地运用数据分析经验。
【课程收益】
Ø 能将数据分析用在日常工作中
Ø 能避开常见的数据实施和调查误区
Ø 能学会分解任务，确定正确的执行目标
Ø 学会用数据发现问题、增进认知和评估业绩
Ø 能将互联网的数据建模等经典方法用在工作中
【课程对象】销售经理/总监，客服经理/总监, 运营经理/总监等一线管理人员
【课程特色】 注重实战、不要编程基础、不讲无用知识、通俗易懂
【课程时间】1-2天（6小时/天）
【课程大纲】
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
二、业务指标的全景地图
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？
三、数据的分析方法有哪些？
1. 基础逻辑分析方法：5W1H、逻辑树分析法
2. 统计学分析方法：对比、假设、相关度和群组分析法
3. 互联网分析方法：RFM、AARRR、漏斗分析方法
4. 统计学分析方法：决策树、K近领法、线性回归
5. 数据建模分析法：数据建模、维度拆分
四、 用数据分析解决问题
1. 数据分析的能与不能
2. 如何明确业务问题？
3. 如何明确业务指标？
4. 如何分析业务原因？
5. 进行改善和评估效果
两个工具：A/B测试和用户画像
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？
六、将数据分析用于各行各业
1、 教育行业的数据分析
2、 电商行业的数据分析
3、 运营商的数据分析
4、 地产行业的数据分析
5、 内容行业的数据分析
