麥肯錫報告指出，企業數字化轉型失敗率高達80%，很大的原因就和認知、組織適配有關，而不是技術和設備。組織適配一方面要重構公司組織，另一方面就要培養擁有數字分析能力的員工，本課程就是給中層員工講的數據分析課，從而給組織賦能。
對于中層員工而言，數據分析能用來做什么？
2 提升認知：通過各種維度的數據展現，可以幫你認知用戶、挖掘新用戶。
2 發現問題：通過數據可指導業務人員發現問題，從而解決問題
2 評估效果：解決完畢后如何評估？這仍然用數據說話。
如何做到？ 我們不能單純地學習互聯網數據分析知識，而要結合業務、底層邏輯來學習，從而學以致用。同時應理解，數據分析是分析問題的一個環節，我們不僅僅需要學習數據分析，還要學會系統思考。本課程就是圍繞這些邏輯構建的。
而本課程的與其他課程不同之處在于：① 延續了本人暢銷書的風格，即分模塊、分層級、分步驟地講解，且注重工作場景的細節呈現。 ② 老師跨界服務過硬件、安全、傳統企業和頭部互聯網企業，因此可更好地運用數據分析經驗。
? 能將數據分析用在日常工作中
? 能避開常見的數據實施和調查誤區
? 能學會分解任務，確定正確的執行目標
? 學會用數據發現問題、增進認知和評估業績
? 能將互聯網的數據建模等經典方法用在工作中
1. 新時代下的管理和業務困惑
2. 數據分析如何解決這些困惑
1. 常見的數據指標有哪些？
2. 選擇數據指標的基本原則
3. 什么是數據指標體系？
1. 基礎邏輯分析方法：5W1H、邏輯樹分析法
2. 統計學分析方法：對比、假設、相關度和群組分析法
3. 互聯網分析方法：RFM、AARRR、漏斗分析方法
4. 統計學分析方法：決策樹、K近領法、線性回歸
5. 數據建模分析法：數據建模、維度拆分
1. 數據分析的能與不能
2. 如何明確業務問題？
3. 如何明確業務指標？
4. 如何分析業務原因？
5. 進行改善和評估效果
兩個工具：A/B測試和用戶畫像
1. 日常數據訪談如何做？
2. 數據調查的問卷設計？
3. 如何用互聯網獲得數據？
1、 教育行業的數據分析
2、 電商行業的數據分析
3、 運營商的數據分析
4、 地產行業的數據分析
5、 內容行業的數據分析
