麥肯錫報告指出，企業數字化轉型失敗率高達80%，原因不是技術和設備，而是認知誤區、組織適配。其中組織適配一方面要重構公司組織，另一方面就要培養員工的數據分析能力，本課程就是給中層員工講的數字化通識課，從而給組織賦能。同時也會破除中層的認知誤區，清楚地知道數字化能做什么，不能做什么。
具體而言本課程包括如下內容：
2 提升認知：通過各種維度的數據展現，可以幫你認知用戶、挖掘新用戶。
2 發現問題：通過數據可指導業務人員發現問題，從而解決問題。
2 評估效果：解決完畢后如何評估？這仍然用數據說話。
如何做到？ 我們不能單純地學習數據分析知識，而要結合業務、底層邏輯來學習，從而學以致用。同時要理解，數據分析是分析問題的一個環節，我們不僅僅要學習數據分析，還要學會系統思考。本課程就是圍繞這些邏輯構建的，從而全面提升數字能力。
而本課程的與其他課程不同之處在于：① 老師跨界服務過傳統企業、頭部互聯網企業、硬件、安全和網絡公司，因此可更好地運用數據分析經驗。 ② 延續了本人暢銷書的風格，即分模塊、分層級、分步驟地講解，且注重工作場景的細節呈現。
? 能將數據分析用在日常工作中
? 能避開常見的數據實施和調查誤區
? 能學會分解任務，確定正確的執行目標
? 學會用數據發現問題、增進認知和評估業績
? 能將互聯網的數據建模等經典方法用在工作中
銷售經理/總監，客服經理/總監, 運營經理/總監，技術總監，產品經理，項目經理，售前經理等一線管理人員
接地氣：以改變為目標，將工作方法一步步呈現出來。細致：不高談闊論，講解細致，深入淺出。專業：沉淀多年，總結了多個套理論體系，且不需要編程基礎。
2天（6小時/天）
1. 新時代下的管理和業務困惑
2. 數據分析如何解決這些困惑
案例：中小餐廳、中小制造企業、某上市教育公司
1. 常見的數據指標有哪些？
2. 選擇數據指標的基本原則
3. 什么是數據指標體系？
案例：金融公司、零售公司、內容行業
1. 明確業務問題：如何確定業務的價值、用戶的底層需求？
2. 明確業務指標：如何設定數字和非數字的KRO指標？
3. 進行業務設計：如何設計業務流程，并拆分數字指標？
4. 評估效果和提升認知：如何看數來提升業務認知，拆分細分人群？
5. 數據分析的能與不能：什么時候數據分析是錯誤的？
工具：A/B測試、用戶畫像、數據建模
案例：在線教育業務系統搭建
1. 對問題進行拆分和重組
工具：5W1H、邏輯樹分析法、庫伯的5類14項
案例：在線教育、電信公司、某中型企業
2. 定位數據的波動的原因
工具：對比、假設、相關度和群組分析法
案例：分析線下教育企業數據波動、復購率下降原因。
3. 銷售型企業的業務指標設定、營銷策略設定
工具：RFM、AARRR、漏斗分析方法
案例：餐飲企業個性化營銷、電商\電信企業個性化推薦
4. 企業大數據分析、策略制定
工具：決策樹、K近領法、線性回歸，數據建模、維度拆分
案例：機票推薦、金融風控、汽車/房產
1. 日常數據訪談如何做？
2. 數據調查的問卷設計？
3. 如何用互聯網獲得數據？
