麦肯锡报告指出，企业数字化转型失败率高达80%，原因不是技术和设备，而是认知误区、组织适配。其中组织适配一方面要重构公司组织，另一方面就要培养员工的数据分析能力，本课程就是给中层员工讲的数字化通识课，从而给组织赋能。同时也会破除中层的认知误区，清楚地知道数字化能做什么，不能做什么。
具体而言本课程包括如下内容：
² 提升认知：通过各种维度的数据展现，可以帮你认知用户、挖掘新用户。
² 发现问题：通过数据可指导业务人员发现问题，从而解决问题。
² 评估效果：解决完毕后如何评估？这仍然用数据说话。
如何做到？ 我们不能单纯地学习数据分析知识，而要结合业务、底层逻辑来学习，从而学以致用。同时要理解，数据分析是分析问题的一个环节，我们不仅仅要学习数据分析，还要学会系统思考。本课程就是围绕这些逻辑构建的，从而全面提升数字能力。
而本课程的与其他课程不同之处在于：① 老师跨界服务过传统企业、头部互联网企业、硬件、安全和网络公司，因此可更好地运用数据分析经验。 ② 延续了本人畅销书的风格，即分模块、分层级、分步骤地讲解，且注重工作场景的细节呈现。
Ø 能将数据分析用在日常工作中
Ø 能避开常见的数据实施和调查误区
Ø 能学会分解任务，确定正确的执行目标
Ø 学会用数据发现问题、增进认知和评估业绩
Ø 能将互联网的数据建模等经典方法用在工作中
销售经理/总监，客服经理/总监, 运营经理/总监，技术总监，产品经理，项目经理，售前经理等一线管理人员
接地气：以改变为目标，将工作方法一步步呈现出来。细致：不高谈阔论，讲解细致，深入浅出。专业：沉淀多年，总结了多个套理论体系，且不需要编程基础。
2天（6小时/天）
1. 新时代下的管理和业务困惑
2. 数据分析如何解决这些困惑
案例：中小餐厅、中小制造企业、某上市教育公司
1. 常见的数据指标有哪些？
2. 选择数据指标的基本原则
3. 什么是数据指标体系？
案例：金融公司、零售公司、内容行业
1. 明确业务问题：如何确定业务的价值、用户的底层需求？
2. 明确业务指标：如何设定数字和非数字的KRO指标？
3. 进行业务设计：如何设计业务流程，并拆分数字指标？
4. 评估效果和提升认知：如何看数来提升业务认知，拆分细分人群？
5. 数据分析的能与不能：什么时候数据分析是错误的？
工具：A/B测试、用户画像、数据建模
案例：在线教育业务系统搭建
1. 对问题进行拆分和重组
工具：5W1H、逻辑树分析法、库伯的5类14项
案例：在线教育、电信公司、某中型企业
2. 定位数据的波动的原因
工具：对比、假设、相关度和群组分析法
案例：分析线下教育企业数据波动、复购率下降原因。
3. 销售型企业的业务指标设定、营销策略设定
工具：RFM、AARRR、漏斗分析方法
案例：餐饮企业个性化营销、电商\电信企业个性化推荐
4. 企业大数据分析、策略制定
工具：决策树、K近领法、线性回归，数据建模、维度拆分
案例：机票推荐、金融风控、汽车/房产
1. 日常数据访谈如何做？
2. 数据调查的问卷设计？
3. 如何用互联网获得数据？
