數據分析與商業(yè)預測

第1章　引言與概念

第2章　數據分析的流程

第3章　明確要解決的問題

3.1 問題從哪來？

  3.2 如何確定我們的主要問題？（二八分析法）

  3.3 決定問題的因素有哪些？（頭腦風暴法，魚骨圖分析法）

第4章　提升需求預測準確率的十大利器

4.1  歷史銷售數據的清洗

4.2  在數據聚集的高層次上做預測然后分解

4.3  使用終端銷售數據做預測

4.4  正確使用自上而下，自下而上和中間開花的預測方式

4.5  發(fā)現并剝離有特殊需求模式的SKU

4.6  正確使用最適合的預測模型

4.7  建立完善的需求預測管理流程

4.8  正確理解需求預測沖突的成因建立激勵性而非懲罰性的考核機制

4.9  專業(yè)需求預測職能的配備

4.10 爭取高層支持

第5章　歷史銷售數據的收集與清洗

  5.1 從系統(tǒng)導數據，遇到過哪些問題？

     5.1.1 日期數據不能直接用

     5.1.2 數值為什么不能直接求和？

     5.1.3 姓名一樣，但是無法vlookup

     5.1.4 有重復值怎么辦？

     5.1.5 缺失值怎么處理？

     5.1.6 極值（最大值/最小值）怎么處理？

  5.2 從表單收集數據，遇到過哪些問題？

     5.2.1 收回來的數據表格，格式不統(tǒng)一怎么處理？

     5.2.2 數據表格能不能分權限來限制？

     5.2.3 幾十張表格，如何快速的合并到一張大表里？

  5.3 數據收集小工具推薦

      5.3.1 一鍵去空行/空列

5.3.2 一鍵合并多個文件等等

第6章　數據分析

6.1 數據的描述性經營

  6.1.1  均值，中位數，眾數，方差，標準差等

6.2 數據的匯總經營

   6.2.1 多工作表的數據為什么匯總很麻煩？

   6.2.2 多工作表的數據匯總該如何解決？

   6.2.3 數據透視表能做什么？

   6.2.4 數據透視表的值字段設置：快速的求和、計數、百分比、累加百分比

   6.2.5 如何實現透視表的順序和報表順序一致？自定義序列排序

6.3 數據匯總出來后，該如何分析？

6.3.1 四大基本分析方法：對比、分類、分布、相關

6.3.2 對比/分類/分布/相關分析法：定義、原則、標準

6.3.2 中高級分析方法：

結構分析法、ABC分析法

矩陣關聯分析法

綜合評價分析法

回歸分析法

預測/趨勢分析法等等

6.3.3常用的數據挖掘方法

假設檢驗

信度分析

列聯表分析

方差分析

聚類分析

因子分析法

多維分析法等等

第7章　數據結果的解讀

7.1 明確指標的計算法則

7.2 選擇一個基點，一個參照系

7.3 關注異常值

7.4 基于目的，轉動數據魔方，各種轉化

7.5 相互驗證，大膽假設，多方求證

7.6 把握趨勢或者規(guī)律

7.7 歸納總結，數清理明

第8章　用圖表表達，讓圖表說話

8.1  常用圖形介紹

8.2  熱力圖介紹

8.3  雷達圖介紹

8.4  柏拉圖介紹

8.5  其他常用圖形的演化

8.6  圖表美化的技巧：動態(tài)圖、商業(yè)圖等介紹

8.7  每種分析方法的常用圖形總結

第9章　數據分析與商業(yè)預測

9.1 預測責任者與支持者

9.1.1  預測的組織流程

9.2 不同的預測模型各自的優(yōu)缺點

9.3 多元回歸分析：如何分析多個因素對目標值的影響程度，包含

9.3.1 如何建立多變量業(yè)務預測模型

9.3.2 如何評估業(yè)務模型的有效性

9.3.3 企業(yè)外部變量（例如經濟宏觀數據）的選擇和過濾

9.4 回歸分析演練：如何量化分析廣告的效果

9.5 定性預測法

9.6 時間序列平滑預測

9.7 曲線趨勢預測

9.8周權重預測法

9.9 組合預測

第10章 數據分析與企業(yè)經營

10.1 數據分析與采購庫存相結合

10.1.1 安全存量三種設定方法

10.1.2 庫存量降低五大方法

10.1.3 預測模型介紹