課程背景：
隨著國家“新基建”戰略的提出，數位化轉型已被提上各行各業的議事日程，如何順應數位化轉型趨勢，熟練運用資料工具和方法成為員工在企業數位化落地過程中的必備能力，但是，根據場景選擇合適的工具， 採用適當的方法對資料進行處理，為決策提供支援，從而提高工作管理的效率和效益，是企業員工亟待解決的問題。
如何在數位化轉型中培養和形成資料思維，並運用相應的資料工具和方法，幫助員工高效、準確地收集資料，根據需求拆解資料，多角度分析資料，基於資料做出科學決策，做出有說服力的呈現，是本課程探討的資料思維的培養。
課程收益
熟悉資料的定義、分類和相關要素;
了解資料思維，掌握資料思維培養方法;
掌握資料從採集到拆解再到分析決策的閉環處理
掌握使用資料分析結果的技巧，以有效地呈現它們。
課程時長：2天，每天6小時。
課程目標：各行業基層管理人員（行政、技術等管理人員）。
課程方法：案例+互動+測試+思考+實踐+討論+工具。
課程大綱
第一說培養資料思維
一、資料化工作管理的本質
1.主要有四種型別的資料。
2.讓資料不言自明 - 深入研究生成資料的上下文。
3.熱點資料方向 - 資料畫像。
2. 建立資料思維框架
1.資料思維的起源。
了解資料思維
1）資料思維的三個境界：不計數、有數字、控制数字。
資料思維與大資料思維的關係主要從三個方面來區分
倖存者偏差案例：應該在哪裡新增盔甲（注意防止倖存者偏差）。
a**性。 b數理邏輯。
c 關鍵績效指標。
資料思維訓練的四個方向
方向一：提公升數位化感受。
方向二：建立均值回歸原理。
方向三：把握資料感。
方向四：建立資料模型。
培養資料思維的五個步驟
第 1 步：提問（收集問題）。
第 2 步：拆卸（分解問題）。
第 3 步：解決（分析問題）。
第 4 步：尋求（制定計畫）。
第 5 步：現在（報告演示）。
箱：**醫生。
箱：如何調查汽車超速。
互動 1： 交友平台如何服務客戶？
互動 2： 你這樣吃披薩賠錢嗎？
測試： 你的數商是多少？
想：某城市一年的外賣數量？
部分二. 二.第二說“問”——高效並且準確資料收集方法
1. 測量是資料收集的核心
1.掌握測量方法。
2.提高測量可靠性。
3.保持測量有效性（三個關鍵）——相關性、結構性、完整性。
箱資料分析報告的信度和效度分析。
2. 抽樣方法是資料收集的關鍵
1.配額樣本和概率樣本。
2.選擇樣本數量。
3.使用非概率樣本。
3. 使用資料收集工具 - 問卷調查
1.問卷設計的三個原則。
2.圖形比例比例用於比例（比例檢視）的設計。
實踐：這個針對特定使用者的問卷應該如何設計？
結構化問卷的設計和使用
1）問卷檢視。
2）結構設計要點：分層設計、精準變換、選鍵。
結構化設計流程
確定總體主題方向 分解主題 將主題轉化為問題。
實踐：如何為業內人士設計結構化問卷？
4.隨機對照試驗的設計要點——Fisher 方法。
箱： 隨機對照實驗 – 如何驗證哪種肥料有效？
討論：電飯煲實驗的漏洞在
部分三說“拆遷”——思維導圖按需分解資料
1.思維導圖拆解資料
1.思維導圖工具背後的重要思想。
案例一：橫向思維。
案例二：垂直思維。
2.思維導圖使用的結構。
二、思維導圖變形的邏輯樹，讓細分資料可以被我使用
邏輯樹是如何形成的
1）自上而下。
2）自下而上。
2.遵循MECE原則。
工具：邏輯樹檢視。
實踐：如果使用邏輯樹分析建模來形成橋接方案？
第 4 講：“解決方案”。- 資料分析以找到根本原因
1. 資料分類思維
1.人像思維：準確分類物體，尋找規律。
2.不同維度的分類和分析。
案例一：業務資料分類。
案例二：使用者資料的分類。
案例 3：對應用資料進行多維度拆解，評估推廣效果。
2.資料比較（與誰比較以及如何比較）。
箱該雜誌的效力得到了提高。
實踐：如何解讀週報。
3. 資料假設分析的過程
1.麥肯錫聖經：大膽假設並仔細驗證。
2.流程拆解分析：提出假設、收集證據並得出結論。
箱誰是小偷？
4.尋找因果關係
1.相關。
2.優先次序。
3.非第三原則。
4.從相關性到因果關係。
箱：辛普森悖論。
部分五說“看分析資料作為決策依據
1.掌握概率決策方法
箱： 獎金應該如何分配？
實踐：： 攜帶病毒的概率是多少？
2. 用於分析決策的帕累託圖
工具：帕累託圖檢視。
箱停電決策結果統計分析。
實踐：使用現有資料在帕累託圖上做出決策。
3. 用於分析和決策的矩陣圖
工具：矩陣圖檢視。
箱如何選擇合適的人。
實踐：使用矩陣圖分析購車決策。
四、大資料分析與決策方法
1.聚類方法工具。
2.決策樹。
3.回歸方法。
部分六說“呈現”——完美的資料呈現，增強說服力
Life Pi的資料視覺化場景。
1. 基於Excel的傳統資料視覺化方法
1.餅圖。
2.直方圖。
3.折線圖。
二. 二.第二先進的資料視覺化方法
1.虛線和線性資料的視覺化。
2.組合資料視覺化。
3.玫瑰圖資料視覺化。
4.關係資料視覺化。
5.基於地圖的資料視覺化。
3、資料定向操作方法介紹
展示：視覺化經典圖表。
資料方向性問題操作案例：
1）挪用平均數。
2）忽略規模。
3）短期波動和長期影響。
4）忽略變化的原因。
5）交換概念。
6）定義不一致。
7）混淆物件。
8）基數轉換。