課程簡介
近幾年，大家都在說“數據驅動”，希望通過數據變現(xiàn)新的發(fā)展。這門課的目的，就是向有意向轉變的公司（尤其是公司內部的管理層），詳細闡述何謂數據驅動，需要做哪些準備，怎么實施，如何維持等一系列問題。幫助大家在轉變過程中，少走彎路，更快成長。
內容來自于多年親身實踐經驗，從業(yè)務規(guī)劃，到團隊組建，到工具和流程建設等，都能給出接地氣的指導。
以實際案例闡述理論內容，形象生動的同時，讓學員不僅知道為什么而做，還能知道怎么做。對執(zhí)行細節(jié)了解透徹，各類問題都能做針對性回答。
結合學員的提問或者后續(xù)的交流，給出建設性建議，幫助其公司搭建起數據分析業(yè)務。
目標收益
1.掌握數據驅動的業(yè)務架構、工具&流程、團隊組建、數據產品建設等基礎知識。
2.了解基本的數據分析方法，并理解分析方法背后的分析思維，能夠在日常工作中進行應用。
3.能結合業(yè)務，設計合理的指標體系，結合數據分析方法，給出建設性的數據驅動的方案。
4.能夠認可未來3-5年出現(xiàn)的數據治理的必要性，并了解數據治理的關鍵點。
5.能夠評估數據產品，合理選擇數據產品方案，并能夠把控實施的過程。
6.能夠了解數據團隊管理的基本原則，專業(yè)地對數據相關候選人進行面試。
培訓對象
公司中高層管理者，數據分析部門，運營部門，數據研發(fā)部門。
【學員基礎】日常工作中有用到數據，并理解數據的重要性。
課程大綱
| 建立數據驅動的認知 | 介紹數據驅動的整體框架，包含業(yè)務大圖、職能架構、工具&流程、組織架構、團隊能力模型等等。 |
| 詳解數據處理流程和數據分析平臺 |
講解數據生成、采集、加工、模型化、數據分析、產品化的數據處理鏈條， 詳細講解支撐這個鏈條的數據分析平臺概念與技術。 |
| 數據治理與數據資產質量 | 學習數據治理的基本方法論，建立數據質量意識，并能從細節(jié)入手，減少數據污染，提升數據資產質量。 |
| 指標體系與常用數據分析方法講解 |
講解指標體系設計的原則和常用方法。 以案例講解多維分析、漏斗分析、AARRR、用戶留存分析、北極星模型、隊列分析、用戶分群、時間序列分析等方法。 |
| 數據分析思維訓練 | 結合現(xiàn)實案例，掌握通用的數據分析方法，并抽象為思維訓練，能夠應用到多種工作場景中。 |
| 應用合理的數據產品 |
了解常規(guī)的大數據產品框架； 掌握數據產品的基本評判角度； 能夠選擇適合業(yè)務場景的工具。 對市面上典型的數據分析產品進行優(yōu)劣勢剖，如GA、百度統(tǒng)計、友盟、GIO、神策、tableau等。 |
| 數據分析團隊的建設 |
了解數據分析團隊的基本組織方式； 結合業(yè)務實際設計數據團隊的部署； 掌握數據分析師的評判標準； 能夠專業(yè)地進行數據人才面試。 |
| 淺談用戶智能與機器學習 |
介紹機器學習應用的一般鏈路和常見概念； 介紹幾個工作中的典型應用案例。 |
| 綜合答疑 | 翻轉課堂，對各類問題進行回答。 |
|
建立數據驅動的認知 介紹數據驅動的整體框架，包含業(yè)務大圖、職能架構、工具&流程、組織架構、團隊能力模型等等。 |
|
詳解數據處理流程和數據分析平臺 講解數據生成、采集、加工、模型化、數據分析、產品化的數據處理鏈條， 詳細講解支撐這個鏈條的數據分析平臺概念與技術。 |
|
數據治理與數據資產質量 學習數據治理的基本方法論，建立數據質量意識，并能從細節(jié)入手，減少數據污染，提升數據資產質量。 |
|
指標體系與常用數據分析方法講解 講解指標體系設計的原則和常用方法。 以案例講解多維分析、漏斗分析、AARRR、用戶留存分析、北極星模型、隊列分析、用戶分群、時間序列分析等方法。 |
|
數據分析思維訓練 結合現(xiàn)實案例，掌握通用的數據分析方法，并抽象為思維訓練，能夠應用到多種工作場景中。 |
|
應用合理的數據產品 了解常規(guī)的大數據產品框架； 掌握數據產品的基本評判角度； 能夠選擇適合業(yè)務場景的工具。 對市面上典型的數據分析產品進行優(yōu)劣勢剖，如GA、百度統(tǒng)計、友盟、GIO、神策、tableau等。 |
|
數據分析團隊的建設 了解數據分析團隊的基本組織方式； 結合業(yè)務實際設計數據團隊的部署； 掌握數據分析師的評判標準； 能夠專業(yè)地進行數據人才面試。 |
|
淺談用戶智能與機器學習 介紹機器學習應用的一般鏈路和常見概念； 介紹幾個工作中的典型應用案例。 |
|
綜合答疑 翻轉課堂，對各類問題進行回答。 |
近期公開課推薦
