日程Agenda
1.数据分析基础
（1）数据分析与挖掘的概念与差异
（2）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。
（3）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.数据分析与业务逻辑
（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）常见业务逻辑
a)如何对数据特征进行描述？
b)我的业务的特征是啥样的？
c)如何结合营销现状判断数据中的异常值？
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？
e)如果数据之间有影响，有没有重要程度的差异？
f)数据和指标如何分组？
g)如果影响指标比较多，如何处理？
h)我想知道数据之间的对应关系，如何处理？
i)如何考虑A事件对B事件的边际贡献率？
（3）分析思路
a)标识分析法；b)二八分析法；c)特征组合分析法；
d)排序分析法；e)对比分析法；f)分组分析法；
g)结构分析法；h)交叉分析法；i)对应分析法……

3.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）数据的七个百分比
（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。

4.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）条件格式 （3）三倍标准差

5.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
案例：上海某公路物流企业分析其营销指标间关系

6.聚类-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，可以用来做数据的细分等，采用聚类实现。
案例讨论：最佳聚类分类总数的确定

7.关联分析
关联分析可以分析数据中的某些特征同时出现以及次序出现的概率，其输出的结果经常用来做捆绑销售，例如客户购买了A产品之后是否购买了产品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

8.客户画像
客户画像是目前营销数据分析的热点问题之一，4S店的销售人员希望通过数据分析得到其客户的特征是什么，网店的经营者希望知道哪些特征组合的客户在投诉他们。
（1）算法描述 （2）算法执行和输出
案例：某网店利用数据分析影响客户购买的特征