(微信同号)【课程背景】
各传统企业纷纷拥抱新一轮的数字化转型，利用新的商业模式、新的渠道、新的方法，不断将数字化技术与业务充分融合，在创新中求变，为消费者创造多、快、好、省的价值。在此过程中，科技的高速发展起了巨大的作用，接近无限的存储空间、强大的算力及机器学习能力，也给我们带来海量的数据，这也让我们重新审视商业智能的价值所在。目前行业的实际情况是：40%以上的企业还未开始在数据层面下功夫。大部分企业内部的数据整合还竖着一根根“烟囱”，“部门墙”现象严重，数据孤岛林立。作为部门的领导人，他们往往从不同的系统，不同的人得到不同的数据或者洞见。由此可得，若是想要从这些报告中做出判断，非常具有挑战性。随着商业环境的发展愈加快速，客户的需求变化更不容易被捕获。越来越多的企业下定决心打通企业的数据孤岛，打开“商业智能化”的大门。
本课程涵盖商业数据分析中常用方法，包括趋势分析、排名分析、分类分析、差异分析、分布分析、占比分析、相关性分析，及其在Power BI 和Tableau 中的实现。其中，不仅涉及PowerBI和Tableau 的工具特色及对比，还涉及数据分析的方法与思想。本课程指导企业的IT团队转变思维，从授人以鱼到授人以渔，致力提升业务用户的数据素养和数据分析能力，从数据中发现新的问题和新的商业机会点。同时，充分利用优秀的BI工具，通过交互可视化实现自助服务和敏捷交付，可以支持利用企业本身的数据进行专业分析，决策人员做出更加符合公司策略和利益的决策，从而使企业的战略及战术切实落地。
【课程收益】
Ø 提炼商业数据分析模板及其背后的思维逻辑，展示最佳实践内容，为实战提供“模板化”的公式及思维
Ø 不论从事IT工作、财务工作，还是企业的高管，都可以像商业分析师一样思考，挖掘商业数据背后的价值
Ø 深入浅出，从理论到实践，既给初学者提供学习的路径，也给进阶者带来思维的碰撞
Ø 逐个解疑，层层剖析，让商业智能数据分析实战变得生动、深刻，具有挑战性
Ø 贴近业务，以商业价值和商业数据为导向，快速迭代更新，推动企业实现“IT业务化，业务IT化”
【课程特色】
Ø 大局与细节兼顾，方法与案例互补，理论与实务结合，内部与外部并重
Ø 提供方法论，以及落地的组织设计和管理方法，实操性强
Ø 从一线实战中提炼出有生命力的洞见，并将先进的理念付诸实践
Ø 既有前瞻视野，又有丰富工具，更有翔实案例，为企业管理者提供具有借鉴意义的路线图和方法论
Ø 提供独到的视角，解读企业应该如何面对生命周期中重要的变革管理问题，实现核心业务的全方位进化
Ø 既有理论高度又有实践经验，坚持利他为先、利众为本的理念
Ø 案例丰富、逻辑清晰、洞察深刻、深入浅出、发人深思
【课程对象】
Ø 企业高层管理者：董事长、总裁、总经理、分管副总等
Ø 战略高层、战略规划、顶层设计负责人（CEO、CTO、CIO、CMO等）
Ø 各个条线的业务负责人和技术专家
Ø 产品开发与创新人员、服务方案制定者
Ø 市场营销策划、客户经理、产品经理等
Ø 创新业务的负责人，创新创业导师及实践者
【课程时间】6-12小时
【课程大纲】
一、数字化经营的难点分析
1、难点分析：为什么企业数字化经营无法带来价值？
2、价值视角：需求各异，众口难调
3、数据视角：纷繁复杂，负重前行
4、数据团队的关键价值：数据和价值之间的桥梁
二、价值视角
1、如何创造数据价值？
2、数据价值的场景连接
Ø 决策层
Ø IT层
Ø 业务层
Ø 场景
3、场景出发点：决策者如何改善经营？
4、价值视角的典型场景
Ø 帮决策者提升信息收集的效率体验
Ø 帮决策者加强业务过程的精细化管理
Ø 用价值衡量驱动执行的不断改进
案例：
某医疗机构的自动化报表体系
中建钢构
5、决策层的价值衡量
Ø 基于“人”的视角
Ø 基于“事”的视角
三、数据视角
1、如何改善数据的质量？
2、当前企业数据质量存在的问题
案例：
某证券公司的数据质量案例
3、数据视角的成功经验：加强底层数据处理
4、数据视角的成功经验：加强中间模型的建立，提升数据深度
Ø 数据模型建立
Ø 业务模型建立
四、缩短数据和价值的距离
1、数据团队带领企业打赢数字化经营之战
Ø 定战术：IT部门的定位
Ø 建能力：培养链路上最重要的人（数据运营官的平台）
Ø 给武器：FineBI+FineReport（行业方案和企业管理平台）
Ø 多实战：思想碰撞+实际经验互换（面向“人术器”的完整服务体系）
案例：
某大型药企的数据人才蜕变
2、“人术器”完整的服务体系
Ø 器（工具）
Ø 器（方案）
Ø 人（服务）
Ø 术（交流平台）
五、数据驱动的营销场景和策略
1、什么是应用场景
2、应用场景服务与用户关系
3、场景进阶：带动更多场景革新
4、数字营销的两个角色与三个环节
Ø 两个角色关系
Ø 三个关键环节
5、数字营销的数据能力
Ø 第一方数据运营
Ø 第三方数据
Ø 数据中台
Ø 数据分析
Ø “内容”环节
Ø 营销服务与商业交易
6、盘活、用好数据资源
Ø 放大数据价值
Ø 人群定向新思路
7、找到用户突破口
8、回归用户场景与体验
六、综合案例：
1、电力业数据化经营（BI）解决方案
2、建筑业数据化经营（BI）解决方案
3、零售业数据化经营（BI）解决方案
4、能源化工数据化经营（BI）解决方案
5、物流业数据化经营（BI）解决方案
6、医疗行业数据化经营（BI）解决方案
7、医药行业数据化经营（BI）解决方案
8、银行数据化经营（BI）解决方案
