市场营销数据的分析与挖掘-课程报名

课程概述/Overview

课程简介：

随着社会经济发展和企业信息化水平的提高，企业在营销过程中会接触到大量的内外部数据，分析和挖掘企业营销数据，对于洞察企业内外部态势、制定有效的有针对性的营销策略等有着极强的指导意义。

本课程首先介绍营销数据分析的总体目标以及步骤，然后介绍如何提升数据分析能力、数据分析的常见问题以及基本分析思路，为后续分析工作打好基础，随后介绍数据采集和指标体系建立、数据整理、数据描述、异常值分析、相关分析、客户细分、捆绑销售分析、营销资源筹划、客户画像、营销数据预测，讲解营销数据呈现技术和powerBI以及数据分析报告的撰写。课程的最后是互动环节，现场解答学员实际工作中的问题。

本课程内容丰富，贴近实战，所选择的分析工具、模型均为数据分析领域常用的成熟的分析模型算法。有理论有案例有实际操作，落地性强，能够较好地提高学员的数据分析和挖掘能力。全部案例均采用2010/2013/2016、数据分析插件进行讲解。

课程适用对象：

营销、运营、财务、供应链等相关人员。学员应具有一定的实际工作经验，并熟悉Excel基本数据操作。

课程收获：

（1）了解数据分析的整体步骤

（2）掌握数据分析能力的提升路径

（3）掌握数据分析的思路和方法

（4）掌握数据挖掘的模型及其应用

课程教学方式：

讲师讲授+互动+EXCEL现场操作+学员练习

课程大纲/Outline

1. 营销数据分析目标和步骤

（1）分析目标

包括数据整体状况分析、异动分析、数据分类、数据间逻辑关系分析、数据预测等。

（2）分析步骤

包括数据收集、数据整理、报表制作、数据分析与数据挖掘、图形呈现、形成策划案等6个步骤。

2. 数据分析与商务逻辑

（1）数据分析能力

包括业务理解能力、逻辑思辨能力、需求转换能力、统计分析挖掘工具的掌握等方面。

（2）常见商务逻辑

1. a) 如何对数据特征进行描述？
2. b) 我的客户的特征是啥样的？
3. c) 如何结合销售现状判断数据中的异常值？
4. d) A数据和B数据之间有关系吗？如果有关系，关系是怎样的？
5. e) 如果数据之间有影响，有没有重要程度的差异？
6. f) 数据和指标如何分组？
7. g) 如果影响指标比较多，如何处理？
8. h) 我想知道数据之间的对应关系，如何处理？
9. i) 如何考虑A事件对B事件的边际贡献率？

……

（3）分析思路

1. a) 标识分析法
2. b) 二八分析法（二八系数在第5个模块第3小节的工具中自动实现）
3. c) 特征组合分析法
4. d) 排序分析法
5. e) 对比分析法
6. f) 分组分析法
7. g) 结构分析法
8. h) 交叉分析法
9. i) 对应分析法

……

3. 数据采集和指标体系建立

（1）采集原则

包括逻辑完备、可获得、不重叠等原则，关于不重叠一般要做相关分析甚至是典型相关分析做检验。

（2）采集方法和步骤

包括采用层次分析法等确定收集维度、数据变形、数据相关检验、权重确定等。

（3）指标体系的建立

一般采用手工指标体系和软件自动评估这两种方式，这两种方式都需要客观规范地选择数据指标，手工指标体系要做到权重设置合理、指标结果具有可比性（即处在基本同一数据区域），有时需要反复测试。

案例：浙江某互联网企业的数据采集和指标体系建立

课堂讨论：指标体系中的“加”与“乘”

4. 数据整理

数据整理的包括数据纠错、数据填充补齐、数据汇总（非常复杂）以及数据

变形、数据转换等多个环节，其目的是做好数据分析前的准备工作，将数据处理干净，以进行后续的分析工作。

（1）数据纠错

包括两种形式的错误，一是本身数据就有错，例如格式错误、空白等，二是数据逻辑上的错误或者异常。

（2）数据填充补齐

将数据中的空白填充补齐，这里面可能会涉及到复杂的业务逻辑。

（3）数据的汇总

根据分析目标的不同，分为按照时间序列的汇总、按照客户id的汇总等等。

（4）数据变形

为了便于后续对比分析，经常需要对于数据进行变形，例如对于不同数量级的数据，将其变形到[0,1]的范围内。

（5）数据转换

在数据分析中，经常存在两种形式的数据转换：连续变量离散化以及定性数据定量化。

5. 数据描述

数据描述指对销售数据进行描述统计，采用多种指标和方法揭示数据的概况，为后续分析做好准备工作。描述的指标有求和、计数、平均值、中位数、众数、方差（标准差）、变异系数、峰度、偏度、占比、累计占比、同比、环比等。

（1）整体状况描述

（2）营销数据“七个百分比”

（3）多列对比

—这是应培训学员的要求所做的多列对比的小工具，非常方便，可以一次性地输出多列之间平均值、总数、中位数、变异系数、二八系数等的对比。

案例：期货数据中“众数”指标的运用

讨论： 中位数和平均值的异同

6. 异常值分析

异常值是数据中脱离正常变化轨道的数据，也是数据分析中需要重点关注的数据。通常采用如下方法分析异常值：

（1）散点图

（2）面板散点图

采用面板的方式实现多个散点图的观察，高效直观。

（3）条件格式

（4）三倍标准差方法

案例：中国移动某省公司利用“三倍标准差法”捕捉业务异常值

7. 相关分析

（1）相关分析原理

（2）EXCEL“数据分析”模块安装及介绍

（3）操作及输出说明

（4）大型相关矩阵和条件格式的组合使用

（5）用相关分析做数据扫描的逻辑

案例：上海某药企利用商务数据分析“头对头”的竞争关系

案例：阿里巴巴利用相关分析功能来梳理市场竞争态势

案例：上海某制造型企业利用“相关分析”来分析物料运输成本并制定合理化对策

8. 客户细分

单独一个数据，往往因为数据异常或者偶然性等原因，从来很难发现明显的结论，分组不仅仅让分析变得简单，而且能够发现简单对比所无法获得的结论。

（1）单指标的分类

（2）多指标的分类

多指标的分组，可以用来做市场细分、客户分群等，采用聚类实现。

案例：上海某消费品调研的受访者分类

案例讨论：最佳聚类分类总数的确定

9. 捆绑销售分析

关联分析可以分析销售过程中某些相关的因素之间的关联性，例如购买A的同时是否购买了B，购买A的用户中有多少概率购买了B。

（1）相关概念

支持度、置信度、提升度

（2）关联分析算法的使用

案例：上海某食品企业进行产品配送的关联度分析

课堂讨论：工业品数据做捆绑销售的数据准备

10. 营销资源筹划与调配

营销资源总是有限的，例如资金、广宣品等，如何在种种影响因素的限制之下，使得营销资源效果最大化，是重要的营销管理问题。

（1）规划求解概念

（2）相关操作和说明

案例：杭州某集团公司进行广宣品的调配分析

案例：上海某大型集团公司进行平时工资和年终奖数额的平衡度分析

11. 迭代抓取数据特征

适用于对于有相关行为的数据特征的描述，例如在销售方面，如果我们对具有相关特征（年龄、性别、归属地、之前消费特征）的消费者的消费行为比较感兴趣，我们可以用这一算法找到具有某一消费行为的消费者的特征，例如该消费者的性别、年龄等的组合特征。

再例如4S店有各种车型的销售数据，4S店就关心购买某种车型的消费者的具体特征是什么。

（1）算法描述

（2）算法执行和输出

12. 营销数据预测

数据预测是营销数据分析的重要组成部分，我们介绍几种常用的数据分析技术：

（1）模拟运算表

（2）添加趋势线

（3）手工数组方式实现

（4）批量自动实现

案例：上海某企业对于房屋资产租赁价格的逐步回归分析

13. 数据呈现技术

分析做得好，还要图画得好，数据呈现技术在营销数据分析中显得尤其重要：

（1）Excel绘图的基本线型

（2）Excel绘图的高级图形

包括堆积柱状图、复合饼图、半圆图等。

（3）图形呈现的高级技巧

包括辅助列、错位、数据标签的应用、分色等功能。

14. Power BI工具

PowerBI是微软推出的商业智能套件，由于其能支持大数据、无需VBA编程就能够实现数据快速汇总以及数据呈现效果比较丰富等，获得了广大用户的欢迎：

（1）PowerBI部件简介

（2）用power query快速汇总数据

（3）用power pivot支持大数据分析

（4）用power view实现仪表盘

15. 数据分析报告撰写

（1）分析报告的架构

（2）分析报告的逻辑

（3）分析报告的表现形式

（4）分析报告的文笔

案例：优秀分析报告和工作PPT赏析

16. 互动

现场讨论课程中的问题，并就学员的实际工作问题进行解答。