課程背景：

隨著國家“新基建”戰略的提出，數字化轉型已經提上各個行業的日程，如何順應數字化轉型潮流，熟練運用數據工具方法已經成為企業數字化落地過程中員工必備能力，但是，根據場景選用適當的工具、運用適當的方法處理數據支撐決策從而提升工作管理的效率和效能，這是企業員工亟待解決的問題。

如何培養形成數據思維，運用相應的數據工具方法幫助員工在數字化轉型中能夠高效準確收集數據、根據需求拆解數據、多角度分析數據、基于數據進行科學決策和做出具備說服力的呈現，即是本課程要討論的數據思維的培養。

課程收益：

● 熟悉數據的定義、分類及相關要素；

● 理解數據思維并掌握數據思維培養方法；

● 掌握數據從收集到拆解，再到分析和決策的閉環處理；

● 掌握靈活運用數據分析結果進行高效呈現技巧。

課程時間：2天，6小時/天

課程對象：各行業基層管理人員（行政、技術等方面管理人員）

課程方式：案例+互動+測試+思考+練習+討論+工具

課程大綱

第一講：培養數據思維

一、數據化工作管理的本質

1. 數據的四大類型

2. 讓數據說話—挖掘數據產生的背景

3. 熱點數據方向—數據畫像

二、建立數據思維的框架

1. 數據思維的起源

2. 理解數據思維

1）數據思維的三種境界：沒數、有數、馭數

2）三方面區分數據思維和大數據思維的關系

幸存者偏差案例：應該在什么地方加裝裝甲（注意防止幸存者偏差）

a預測性

b數學邏輯性

c KPI性

3）數據思維培養的四種方向

方向一：提升數字型感覺

方向二：建立平均回歸原則

方向三：把握數據感覺

方向四：建立數據模型

4）數據思維培養五個步驟

第一步：問（收集問題）

第二步：拆（分解問題）

第三步：解（分析問題）

第四步：謀（制定方案）

第五步：現（匯報呈現）

案例：斯諾醫生

案例：汽車超速怎么調查

互動1：婚戀平臺如何為客戶服務的？

互動2：這樣吃Pizza虧了嗎？

測試：您的數商值是多少？

思考：某個城市一年的外賣數量？

第二講：“問”——高效且精準的數據收集方法

一、測量是數據收集的核心

1. 掌握測量方法

2. 提高測量信度

3. 保持測量效度（三個關鍵）—關聯性、結構化、完備性

案例：某數據分析報告的信度效度分析

二、抽樣方法是數據收集的關鍵

1. 配額樣本和概率樣本

2. 選擇樣本量大小

3. 運用非概率樣本

三、運用數據收集工具-問卷

1. 問卷設計的三大原則

2. 圖尺度評量表的設計使用（評量表視圖）

練習：這個針對用戶的問卷該怎么設計？

3. 結構化問卷的設計使用

1）問卷視圖

2）結構化設計要點：分層設計、準確轉化、選擇關鍵

3）結構化設計流程

確定整體主題方向→分解主題→轉化主題為問題

練習：針對內部人員的結構化問卷該怎么設計？

4. 隨機對照實驗的設計要點—費希爾方法

案例：隨機對照實驗——如何驗證哪一種化肥有效？

討論：電飯煲實驗的漏洞在哪里？

第三講：“拆”——思維導圖按需分解數據

一、思維導圖拆解數據

1. 思維導圖工具背后的重要思維

案例1：水平思維

案例2：垂直思維

2. 思維導圖運用的結構化

二、思維導圖變形之邏輯樹，讓細分數據為我所用

1. 邏輯樹的形成方式

1）自頂向下

2）自底向上

2. 遵循MECE原則

工具：邏輯樹視圖

練習：如果利用邏輯樹分析建模形成過橋方案？

第四講：“解”——數據分析，尋找根源

一、數據分類思維

1. 畫像思維準確歸類對象尋找規律

2. 不同維度進行分類分析

案例1：商業數據分類

案例2：淘寶用戶數據分類

案例3：多維度拆解某app數據從而評估推廣效果

二、數據對比（和誰比、怎么比）

案例：雜志的效量提升

練習：如何解讀周報

三、數據假設分析的流程

1. 麥肯錫圣經：大膽假設，小心求證

2. 流程拆解分析：提出假設→收集證據→得出結論

案例：誰是小偷？

四、尋找因果關系

1. 相關性

2. 先后順序

3. 非第三原則

4. 從關聯到因果

案例：辛普森悖論

第五講：“謀”——以分析數據為決策依據

一、把握概率決策方法

案例：獎金應該怎么分配？

練習：分析攜帶病毒的概率是多大？

二、帕累托圖進行分析決策

工具：帕累托圖視圖

案例：停電統計分析決策結果

練習：利用現有數據進行帕累托圖的決策

三、矩陣圖進行分析決策

工具：矩陣圖視圖

案例：如何選拔合適人員

練習：利用矩陣圖進行買車決策分析

四、大數據分析決策方法

1. 聚類方法工具

2. 決策樹

3. 回歸方法

第六講：“現”——完美數據呈現提升說服力

視頻：少年派的數據可視化場景

一、基于Excel的數據可視化的傳統方法

1. 餅圖

2. 柱狀圖

3. 折線圖

4. 表格

二、數據可視化進階方法

1. 點線數據可視化

2. 組合數據可視化

3. 玫瑰圖數據可視化

4. 關系數據可視化

5. 基于地圖的數據可視化

三、數據的指向性操作方法介紹

展示：可視化經典圖

數據指向性問題操作案例：

1）盜用平均數

2）忽略規模

3）短期波動和長期效應

4）忽略變化原因

5）偷換概念

6）定義不一致

7）混淆對象

8）基數變換