<ul id="8eaoi"></ul> 所屬領域
通用管理 > 管理技能
適合行業
銀行證券行業 生產制造行業 政府機關部門 教育培訓行業 通信行業
課程背景
隨著管理的精細化，數據成為管理中越來越重要的元素，“沒有數據、沒有改進、沒有管理”的概念深入人心，數據統計與分析是企業管理的基本內容，進而出現了數據挖掘與分析的全新概念。 然而遺憾的是，數據處理工作或者以其晦澀乃至可怕的統計學背景變得面目可憎、或者因分析不當或效率低下變得可有可無、或者因浩如煙海的信息變得失去方向、或者因脫離行業實際變得無法落地、或者因無法及時正確使用軟件而變得重點失當。 因此如何使數據處理變得中肯、可比、準確、時效、可靠、清晰成關注的重心，這不但需要對數據分析的深刻理解，而且需要對企業管理和行業知識有足夠的經驗、對統計學能抓住重點、對相關軟件熟練操作、對講解方式能做到深入淺出——這不但是對老師的全面要求，也是學員學習的收獲。 數據分析能力的提高除了需要掌握數據挖掘的理論和常見套路之外，電腦軟件的有效使用也頗為關鍵。然而遺憾的是，軟件的使用目的本來是提高效率，但可惜結果往往適得其反，比如作為廣泛使用的辦公軟件MS Excel，實際中經常存在較多的不合理使用方法，使得制作效率低下、界面雜亂、移植困難，增加了工作負擔; &統計表明，一般人掌握的Excel功能不到總數的20%，這不但使軟件的使用事倍功半，而且造成了對Excel的畏難情緒，導致整體改善緩慢、負擔沉重，有違軟件使用的本意; 這些問題看似簡單，但解決起來需要結合文檔用途、操作技巧、宣講手法、心理分析等知識，還需要一定的大局觀和工業經驗，圓滿的解決并非易事; 顯然相關的培訓必不可少——成功的數據挖掘與分析培訓不但可以提高日常工作的績效、而且可以深化企業管理的精細化，這一切在信息時代顯得尤為重要!
課程目標
學習數據挖掘的理念 熟悉常見的處理套路 掌握常用軟件的使用 解決學員的具體問題 提高相關的工作績效 本課程解決的典型具體問題列舉—— 1、如何策劃營銷數據調查并進行置信度分析 2、如何進行商業數據指標設定 3、如何利用數據進行商業競爭分析 4、如何讓構建利于分析的數據流 5、數據處理規范，認識一維表的重要性 6、識別哪些數據是真實的、哪些數據可能是編造的 7、回歸，通過歷史數據歸納出業務發展的精確數學模型 8、預測，通過已有數據得出下一個業務周期最可能的數據表現 9、如何從眾多指標中找出關鍵點 10、如何中影響指標的眾多因子中找到最重要的 11、如何正確分析競爭對手數據 12、如何進行統計學上有效的抽樣調查 13、如何利用Excel的軟件進行高效數據挖掘 14、如何快速制作數據分析報告
課程時長
兩天
適合對象
管理人員、業務骨干、數據分析人員
課程大綱
第一部分：
量化和統計的重要性
統一基礎知識
誤差
離散數據和連續數據
數據的居中指標和分散指標
正態分布
大數定律和中心極限定律
CP和CPK
數據展示基本指標
LE，水平指標
T，趨勢指標
C，競爭指標
I，整合
第二部分：
數據挖掘的概念
數據挖掘的原則
數據挖掘的基礎動作
搜集
整理
分析
評估
第三部分：
典型工具和應用
規范處理數據
一維表和多維表
層別法、聚類
數據透視表
散布圖、關聯規則和預測
直方圖和判讀
高級處理技術
矩陣數據分析法
單變量求解
規劃求解
第四部分：
數據呈現技巧
圖表類型的選擇
高效圖表展現
第五部分：
常見的數據處理軟件
Excel
minitab
其他相關軟件
第六部分：
數據報告的類型和做法
數據報告的設計原則
數據報告的需求管理
數據報告的組成元素
素材組織FAB技巧
第七部分：
名稱和數組公式
地址
格式設定
文件格式
條件格式
規范制作的重要性
數據交換
智能標簽
數據安全
局部保護
公式保護
工作薄保護
第八部分：
公式的構成和常見錯誤
函數概況
重點函數介紹
公式綜合應用
第九部分：
創建圖表
圖表參數
重點圖表類型介紹
高級篩選
分類匯總
窗體和控件
第十部分：
課程小結
答疑
課程標簽：質量管理 | Office辦公
