一、数据分析基础—流程步骤篇

1. 数据决策的三个关键环节

(1) 业务数据化：将业务问题转化为数据问题

(2) 数据信息化：提取数据中的业务规律信息

(3) 信息策略化：基于规律形成业务应对策略

2. 数据分析的六步曲

(1) 步骤1：明确目的--理清思路

(2) 步骤2：数据收集—理清思路

(3) 步骤3：数据预处理—寻找答案

(4) 步骤4：数据分析--寻找答案

(5) 步骤5：数据展示--观点表达

(6) 步骤6：报表撰写--观点表达

二、数据分析框架—业务模型篇

1. 数据分析思路来源于业务模型

2. 分析框架来源于业务模型

(1) 商业目标（粗粒度）

(2) 分析维度/关键步骤

(3) 业务问题（细粒度）

(4) 涉及数据/关键指标

3. 常用的业务模型：PEST/5W2H/SWOT/PDCA/AARRR…

案例：搭建精准营销的分析框架(6R)

(1) 如何寻找目标客户群

(2) 如何匹配合适的产品

(3) 如何确定推荐的最佳时机

(4) 如何判断合理的价格

案例：搭建用户购买行为分析框架(5W2H)

三、探索性分析法—统计分析篇

问题：数据分析方法的种类？分析方法的不同应用场景？

1. 业务分析的三个阶段

(1) 现状分析：通过企业运营指标来发现规律及短板

(2) 原因分析：查找数据相关性，探寻目标影响因素

(3) 预测分析：合理配置资源，预判业务未来的趋势

2. 常用的数据分析方法五大种类

3. 统计分析基础（类别指标）

4. 描述性分析法（现状分析）

(1) 对比分析（查看数据差距，发现事物变化）

演练：分析理财产品受欢迎情况及贡献大小

演练：用户消费水平差异分析，提取优质客户特征

(2) 分布分析（查看数据分布，探索业务层次）

案例：银行用户的消费层次/消费档次分析

演练：客户年龄分布/收入分布分析

(3) 结构分析（查看指标构成，评估结构合理性）

案例：收入结构分析/成本结构分析

案例：动态结构分析

(4) 趋势分析（查看变化趋势，了解季节周期性）

案例：营业厅客流量规律与排班

案例：用户活跃时间规律/产品销量的淡旺季分析

演练：产品订单的季节周期性规律

5. 相关性分析（原因分析）

(1) 相关分析（衡量两变量间的相关程度，三种相关系数）

(2) 方差分析（判断影响目标变量的关键要素，适用场景）

(3) 卡方检验（从多个维度的数据指标分析）

演练：不同客户的产品偏好分析

演练：银行用户违约的影响因素分析

四、用户风险识别—异常数据篇

1. 反欺诈识别的重点内容

(1) 如何识别异常数据

(2) 如何查找影响因素

(3) 如何提取欺诈用户的特征

(4) 如何预测用户的欺诈行为

2. 异常数据的定义

3. 异常数据的检测方法

(1) 基于统计法：标准差法、四分位距法、离群点检测算法

(2) 基于机器学习：回归、聚类等

4. 异常数据处理方法

演练：各种异常数据识别

五、影响因素分析—根因分析篇

问题：如何做原因分析？比如价格是否可用于产品销量？影响用户违约的关键因素是什么？

1. 数据预处理vs特征工程

2. 常用特征选择方法

(1) 相关分析、方差分析、卡方检验

3. 相关分析（衡量两数据型变量的线性相关性）

(1) 相关分析简介

(2) 相关分析的应用场景

(3) 相关分析的种类

① 简单相关分析

② 偏相关分析

③ 距离相关分析

(4) 相关系数的三种计算公式

① Pearson相关系数

② Spearman相关系数

③ Kendall相关系数

(5) 相关分析的假设检验

(6) 相关分析的四个基本步骤

演练：营销费用会影响销售额吗？影响程度如何量化？

演练：哪些因素与产品销量有显著的相关性

演练：影响用户消费水平的因素会有哪些

(7) 偏相关分析

① 偏相关原理：排除不可控因素后的两变量的相关性

② 偏相关系数的计算公式

③ 偏相关分析的适用场景

4. 方差分析（衡量类别变量与数值变量间的相关性）

(1) 方差分析的应用场景

(2) 方差分析的三个种类

① 单因素方差分析

② 多因素方差分析

③ 协方差分析

(3) 单因素方差分析的原理

(4) 方差分析的四个步骤

(5) 解读方差分析结果的两个要点

案例：摆放位置与销量有关吗

演练：客户学历对消费水平的影响分析

(6) 多因素方差分析原理

(7) 多因素方差分析的作用

(8) 多因素方差结果的解读

案例：广告形式、地区对销售额的影响因素分析

演练：销售员的性别、技能级别对销量有影响吗

(9) 协方差分析原理

(10) 协方差分析的适用场景

演练：排除用户收入，其余哪些因素对销量有显著影响？

5. 列联分析/卡方检验（两类别变量的相关性分析）

(1) 交叉表与列联表：计数值与期望值

(2) 卡方检验的原理

(3) 卡方检验的几个计算公式

(4) 列联表分析的适用场景

案例：产品类型对客户流失的影响分析

案例：用户学历对产品类型偏好的影响分析

研讨：行业/规模对风控的影响分析