大数据建模与分析挖据课程大纲
时
间
内容提要授课详细内容实践训练
第一天业界主流的
数据仓库工
具和大数据
分析挖掘工
具
1.业界主流的基于Hadoop和Spark的大数据分析挖掘项目
解决方案
2.业界数据仓库与数据分析挖掘平台软件工具
3.Hadoop数据仓库工具Hive
4.Spark实时数据仓库工具SparkSQL
5.Hadoop数据分析挖掘工具Mahout
6.Spark机器学习与数据分析挖掘工具MLlib
7.大数据分析挖掘项目的实施步骤
配置数据仓库工具
Hadoop Hive和
SparkSQL
部署数据分析挖掘
工具Hadoop Mahout
和Spark MLlib
大数据分析
挖掘项目的
数据集成操
作训练
1.日志数据解析和导入导出到数据仓库的操作训练
2.从原始搜索数据集中抽取、集成数据，整理后形成规范
的数据仓库
3.数据分析挖掘模块从大型的集中式数据仓库中访问数
据，一个数据仓库面向一个主题，构建两个数据仓库
4.同一个数据仓库中的事实表数据，可以给多个不同类型
的分析挖掘任务调用
5.去除噪声
项目数据集加载
ETL到Hadoop Hive
数据仓库并建立多
维模型
基于Hadoop
的大型数据
仓库管理平
台—HIVE数
据仓库集群
的多维分析
建模应用实
践
6.基于Hadoop的大型分布式数据仓库在行业中的数据仓库
应用案例
7.Hive数据仓库集群的平台体系结构、核心技术剖析
8.Hive Server的工作原理、机制与应用
9.Hive数据仓库集群的安装部署与配置优化
10.Hive应用开发技巧
11.Hive SQL剖析与应用实践
12.Hive数据仓库表与表分区、表操作、数据导入导出、客
户端操作技巧
13.Hive数据仓库报表设计
14.将原始的日志数据集，经过整理后，加载至Hadoop + Hive
数据仓库集群中，用于共享访问
利用HIVE构建大型
数据仓库项目的操
作训练实践
Spark大数据
分析挖掘平
台实践操作
训练
15.Spark大数据分析挖掘平台的部署配置
16.Spark数据分析库MLlib的开发部署
17.Spark数据分析挖掘示例操作，从Hive表中读取数据并
在分布式内存中运行
第二天聚类分析建
模与挖掘算
法的实现原
理和技术应
用
18.聚类分析建模与算法原理及其在Spark MLlib中的实现
与应用，包括：
a)Canopy聚类（canopy clustering）
b)K均值算法（K-means clustering）
c)模糊K均值（Fuzzy K-means clustering）
d)EM聚类，即期望最大化聚类（Expectation
Maximization）
e)以上算法在Spark MLib中的实现原理和实际场景中
的应用案例。
19.Spark聚类分析算法程序示例
基于Spark MLlib
的聚类分析算法，实
现日志数据集中的
用户聚类
分类分析建
模与挖掘算
法的实现原
理和技术应
用
20.分类分析建模与算法原理及其在Spark MLlib中的实现
与应用，包括：
f)Spark决策树算法实现
g)逻辑回归算法（logistics regression）
h)贝叶斯算法（Bayesian与Cbeyes）
i)支持向量机（Support vector machine）
j)以上算法在Spark MLlib中的实现原理和实际场景中
的应用案例。
21.Spark客户资料分析与给用户贴标签的程序示例
22.Spark实现给商品贴标签的程序示例
23.Spark实现用户行为的自动标签和深度技术
基于Spark MLlib
的分类分析算法模
型与应用操作
关联分析建
模与挖掘算
法的实现原
理和技术应
用
24.预测、推荐分析建模与算法原理及其在Spark MLlib中
的实现与应用，包括：
k)Spark频繁模式挖掘算法（parallel FP Growth
Algorithm）应用
l)Spark关联规则挖掘（Apriori）算法及其应用
m)以上算法在Spark MLib中的实现原理和实际场景中
的应用案例。
25.Spark关联分析程序示例
基于Spark MLlib
的关联分析操作
第三天推荐分析挖
掘模型与算
法技术应用
26.推荐算法原理及其在Spark MLlib中的实现与应用，包
括：
a)Spark协同过滤算法程序示例
b)Item-based协同过滤与推荐
c)User-based协同过滤与推荐
d)交叉销售推荐模型及其实现
推荐分析实现步骤
与操作（重点）
回归分析模
型与预测算
法
27.利用线性回归（多元回归）实现访问量预测
28.利用非线性回归预测成交量和访问量的关系
29.基于R+Spark实现回归分析模型及其应用操作
30.Spark回归程序实现异常点检测的程序示例
回归分析预测操作
例子
图关系建模与分析挖掘及其链接分析和社交分析操作31.利用Spark GraphX实现网页链接分析，计算网页重要性
排名
32.实现信息传播的社交关系传递分析，互联网用户的行为
关系分析任务的操作训练
图数据的分析挖掘
操作，实现微博数据
集的社交网络建模
与关系分析
神经网络与深度学习算法模型及其应用实践33.神经网络算法Neural Network的实现方法和挖掘模型应
用
34.基于人工神经网络的深度学习的训练过程
a)传统神经网络的训练方法
b)Deep Learning的训练方法
35.深度学习的常用模型和方法
a)CNN（Convolutional Neural Network）卷积神经网
络
b)RNN（Recurrent Neural Network）循环神经网络模
型
c)Restricted Boltzmann Machine(RBM)限制波尔兹曼
机
36.基于Spark的深度学习算法模型库的应用程序示例
基于Spark或
TensorFlow神经网
络深度学习库实现
文本与图片数据挖
掘
项目实践37.日志分析系统与日志挖掘项目实践
a)Hadoop，Spark，ELK技术构建日志数据仓库
b)互联网微博日志分析系统项目
38.推荐系统项目实践
a)电影数据分析与个性化推荐关联分析项目
项目数据集和详细
的实验指导手册由
讲师提供
培训总结39.项目方案的课堂讨论，讨论实际业务中的分析需求，剖
析各个环节的难点、痛点、瓶颈，启发出解决之道；完
成讲师布置的项目案例，巩固学过的大数据分析挖掘处
理平台技术知识以及应用技能
讨论交流
两个完整的项目任务和实践案例（重点）1.日志分析建模与日志挖掘项目实践
a)Hadoop，Spark，并结合ELK技术构建日志分析系统和日
志数据仓库
b)互联网微博日志分析系统项目
2.推荐系统项目实践
a)电影数据分析与个性化推荐关联分析项目
b)电商购物篮分析项目
Hadoop，Spark，可结合Oryx分布式集群在个性化推荐和
精准营销项目。
项目的阶段性步骤
贯穿到三天的培训
过程中，第三天完
成整个项目的原型
联系方式 55618576@https://www.docsj.com/doc/109901181.html,
PowerBI数据分析与数据可视化-教学大纲
《Power BI数据分析基础教程》教学大纲 学时：32 代码： 适用专业：计算机及应用相关专业 制定： 审核： 批准： 一、课程的地位、性质和任务 数据分析是普通大中专院校计算机科学与技术专业的一门重要的专业基础课。通过本课程的学习，使学生能够在已有的计算机基础知识基础上，对数据分析有一个系统的、全面的了解；在系统理解和掌握Power BI数据分析基本原理的基础上，具有设计和开发数据分析报表的基本能力。 数据分析是一门实践性非常强的学科，它要求学生在理解和掌握Power BI数据分析基本功能的基础上，充分利用实验课程，动手完成实际数据分析和报表设计。 二、课程教学基本要求 1.课程教学以Power BI数据分析方法为主，在教学过程中让学生掌握Power BI数据分析报表设计的本原理和方法。 2.要求在教学过程中合理安排理论课时和实验课时，让学生有充分的使用在计算机上练习理论课程中学到的Power BI数据分析技巧和方法。 三、课程的内容 第1章初识Power BI 掌握Power BI Desktop安装方法，了解Power BI Desktop的界面，学会使用Power BI文档。 第2章获取数据 了解数据连接模式，掌握连接到文件、数据库以及Web数据。 第3章查询编辑器 了解查询编辑器，掌握基础查询操作、数据转换、添加列、追加查询以及合并查询。 第4章数据分析表达式
了解DAX基础，掌握DAX函数。 第5章数据视图和管理关系 掌握数据视图的基本操作，掌握关系的管理操作。 第6章报表 掌握报表基本操作、视觉对象基本操作、钻取、数据分组、使用视觉对象数据以及报表主题。 第7章可视化效果 学会使用简单对象和内置视觉对象 第8章 Power BI服务 学会注册Power BI服务、在Desktop中使用Power BI服务以及在移动设备中使用Power BI，掌握Power BI服务中的报表操作以及仪表板 第9章社科研究数据分析 掌握获取社科研究数据和社科研究数据分析 四、理论和实验课时分配表 五、考核办法 1．考试采用统一命题，包括笔试和上机考试，考试时间分别为120分钟。课程成绩=（笔试成绩+上机考试成绩）/2
数据分析算法与模型一附答案
精品文档 数据分析算法与模型模拟题（一） 一、计算题（共4题，100分） 1、影响中国人口自然增长率的因素有很多，据分析主要因素可能有：（1）从宏观经济上看，经济整体增长是人口自然增长的基本源泉；（2）居民消费水平，它的高低可能会间接影响人口增长率。(3)文化程度，由于教育年限的高低，相应会转变人的传统观念，可能会间接影响人口自然增长率（4）人口分布，非农业与农业人口的比率也会对人口增长率有相应的影响。为了全面反映中国“人口自然增长率”的全貌，选择人口增长率作为被解释变量，以反映中国人口的增长；选择“国名收入”及“人均GDP”作为经济整体增长的代表；选择“居民消费价格指数增长率”作为居民消费水平的代表。暂不考虑文化程度及人口分布的影响。 从《中国统计年鉴》收集到以下数据（见表1）： 表1 中国人口增长率及相关数据 人口自然增长率国民总收入居民消费价格指数增长人均GDP 年份（元）率（（亿元） CPI（%。））% 1366 15037 1988 15.73 18.8 1519 1989 18 17001 15.04 1644 18718 1990 14.39 3.1 1893 21826 3.4 1991 12.98 2311 26937 11.6 6.4 1992 2998 35260 14.7 11.45 1993 4044 48108 1994 24.1 11.21 5046 17.1 10.55 59811 1995 5846 70142 1996 10.42 8.3 6420 10.06 1997 2.8 78061 -0.8 1998 9.14 83024 6796 8.18 7159 1999 88479 -1.4 7858 2000 0.4 7.58 98000 精品文档． 精品文档
金融数据分析师的岗位职责.doc
金融数据分析师的岗位职责 金融数据分析师负责为公司处理客户的相关工作，并协助经理的工作事务。下面是我为您精心整理的金融数据分析师的岗位职责。 金融数据分析师的岗位职责1 职责： 1.定期整理交易数据，向上级领导账户分析结果; 2.按照要求进行技术和基本面规律的分析，进行数据的搜集及整理; 3.严格执行公司各项制度，配合部门领导有关工作; 4.负责为客户提供完善的理财计划及信息咨询; 5.遵守公司的各项管理制度，承办领导交办的其他工作。 要求： 1、对金融经济知识感兴趣，希望踏足金融圈的; 2、有无经验亦可，金融专业以及具有操作经验者优先考虑; 3、有较强的学习能力，公司提供完善免费的交易培训; 4、有求知欲，有集体荣誉感，有上进心，有赚钱的信心和欲望; 5、有冷静的头脑与不被别人影响的判断力，能够坚持己见。 金融数据分析师的岗位职责2 职责： 1、负责为客户提供专业的投资理财、外汇信息分析研究;
2、负责公司外汇业务分析及上市报表管理; 3、负责对外汇行业的信息管理系统进行业务系统分析; 4、负责对外汇进行业务管理和分析，提出优化管理流程的策略或建议; 5、负责跟踪宏观经济发展动态，寻找投资机会; 6、配合销售人员进行市场营销和客户培训。 岗位要求： 1、中专及以上学历，经济、金融等相关专业; 2、具有金融分析投资经验，有分析师执业资格者优先; 3、具有丰富的金融基础理论知识，善于进行行业研究和挖掘; 4、熟悉外汇股票公司决策流程和各个交易管理系统; 5、具有较强的逻辑思维能力、创新和钻研精神; 6、具有很强的文字表达能力和金融分析能力; 7、具有很强的工作责任心和团队精神 金融数据分析师的岗位职责3 职责： 1、协助分析师搜集行业相关信息，为相关需求者提供更准确的信息。 2、协助部门经理完善部门管理制度。 3、协助数据分析师进行演讲讲座，定期为需求者讲解金融二级市场最新趋势，以及对需求者进行交易分析 4、对基本面、技术面进行分析研究，给出行情走势分析和判
数据分析建模简介
数据分析建模简介 观察和实验是科学家探究自然的主要方法，但如果你有数据，那么如何让这些数据开口说话呢？数据用现代人的话说即信息，信息的挖掘与分析也是建模的一个重要方法。 1．科学史上最有名的数据分析例子 开普勒三定律 数据来源：第谷?布拉赫（1546-1601,丹麦人），观察力极强的天文学家，一辈子（20年）观察记录了750颗行星资料，位置误差不超过0.67°。 观测数据可以视为实验模型。 数据处理：开普勒（1571-1630，德国人），身体瘦弱、近视又散光，不适合观天，但有一个非常聪明的数学头脑、坚韧的性格（甚至有些固执）和坚强的信念（宇宙是一个和谐的整体），花了16年（1596-1612）研究第谷的观测数据，得到了开普勒三定律。 开普勒三定律则为唯象模型。 2．数据分析法 2.1 思想 采用数理统计方法（如回归分析、聚类分析等）或插值方法或曲线拟合方法，对已知离散数据建模。 适用范围：系统的结构性质不大清楚，无法从理论分析中得到系统的规律，也不便于类比，但有若干能表征系统规律、描述系统状态的数据可利用。 2.2 数据分析法 2.2.1 基础知识 （1）数据也称观测值，是实验、测量、观察、调查等的结果，常以数量的形式给出； （2）数据分析（data analysis）是指分析数据的技术和理论； （3）数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律；
（4）作用：在实用中，它可帮助人们作判断，以采取适当行动。 （5）实际问题所涉及的数据分为： ①受到随机性影响（随机现象）的数据； ②不受随机性影响（确定现象）的数据； ③难以确定性质的数据（如灰色数据）。 （6）数理统计学是一门以收集和分析随机数据为内容的学科，目的是对数据所来自的总体作出判断，总体有一定的概率模型，推断的结论也往往一概率的形式表达（如产品检验合格率）。 （7）探索性数据分析是在尽量少的先验假定下处理数据，以表格、摘要、图示等直观的手段，探索数据的结构及检测对于某种指定模型是否有重大偏离。它可以作为进一步分析的基础，也可以对数据作出非正式的解释。 实验者常常据此扩充或修改其实验方案（作图法也该法的重要方法，如饼图、直方图、条形图、走势图或插值法、曲线（面）拟合法等）。 2.2.2 典型的数据分析工作步骤 第一步：探索性数据分析 目的：通过作图、造表、用各种形式的方程拟合、计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。 第二步：模型选定分析 目的：在探索性分析的基础上，提出一类或几类可能的模型（如进一步确定拟合多项式（方程）的次数和各项的系数）。 第三步：推断分析 目的：通常用数理统计或其它方法对所选定的模型或估计的可靠程度或精确程度作出推断（如统计学中的假设检验、参数估计、统计推断）。3．建模中的概率统计方法 现实世界存在确定性现象和随机现象，研究随机现象主要由随机数学来承担，随机数学包括十几个分支，但主要有概率论、数理统计、试验设计、贝叶
16种常用数据分析方法
一、描述统计描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策 树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W 检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数（如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数卩与已知的某一总体均数卩0 （常为理论值或标准值）有无差别； B 配对样本t 检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t 检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10 以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。 四、列联表分析用于分析离散变量或定型变量之间是否存在相关。对于二维表，可进行卡 方检验，对于三维表，可作Mentel-Hanszel 分层分析列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以
数据分析与处理-课程教学大纲
《数据分析与处理》课程教学大纲 一、课程基本信息 1．课程代码： 2．课程名称：数据分析与处理 3．课程英文名称： 4．课程类型：CC 5．授课对象：电子商务本科 6．开课单位：信息技术与商务管理系 7．教学时间安排：第2学期 8．先修课程：信息技术基础 9．并行课程： 10．后修课程：数据库原理与应用，动态网站设计基础，电子商务网站建设与管理，电子商务综合实训 11．学时安排： 二、课程教学目标及教学任务 （一）教学目标 1．教学目标的总体概括 既要能够掌握EXCEL的整体概念和基本操作步骤，又要掌握EXCEL在数据分析与处理方面的具体应用。 2．教学目标列表
（二）课程培养能力体系
（三）课程培养目标与课程内容映射表 见附件《数据库原理与应用课程培养目标与课程内容对应mapping图》。 （四）教学任务 实验报告：实验目的明确，实验内容完整，实验步骤正确，实验结论真实、准确，优秀学生能总结出系统的实验注意事项。 作业：作业内容正确，资料翔实，论证充分、有力，优秀学生能够提出鲜明的个人观点，同一问题能够给出简洁明了的答案，具有一定的创新性。 三、各单元教学内容及基本要求 第一部分数据的输入与编辑（2学时（讲课）+2学时课堂练习= 4课时） 教学内容： 1、数据输入的一般操作 2、特殊数据的快捷输入 3、有规律数据的序列输入法 4、设置有效性对输入数据审核 5、下拉式列表选择输入的设计 6、数据的编辑操作 教学重难点： 1、设置有效性对输入数据审核 2、下拉式列表选择输入的设计 教学目标： 1、掌握Excel基本的概念 2、掌握单元格及单元格区域简单数据的输入 3、掌握下拉式列表选择输入的设计 第二部分单元格数据的格式设置（1（讲课）+1（课堂练习）= 4课时） 教学内容： 1、单元格格式的一般设置 2、各种内置数字格式的使用 3、自定义数字格式的应用 4、条件格式化的应用 教学重难点： 1、自定义数字格式的应用
金融数据分析师的工作职责描述
金融数据分析师的工作职责描述 金融数据分析师负责为客户提供理财咨询、建议服务，制定相应的投资组合和策略。下面是为您精心整理的金融数据分析师的工作职责描述。 金融数据分析师的工作职责描述1 职责： 1、利用相关软件进行金融数据的收集整理，汇总数据; 2、进行基本面规律的分析和技术层面的深度分析; 3、把握各种种别的分析方法，定期对金融市场定向研究; 4、遵守公司的各项治理制度，承办领导交办的其他工作; 任职要求： 1、全日制经济、金融、财务等相关专业本科以上学历，有相关经验者可放宽至大专; 2、熟悉金融投资或二级市场具备从事相关工作经验者优先考虑; 3、有较强的团队领导和决策能力; 4、清楚的逻辑思维能力、较强的语言表达能力和文字能力; 5、外向型，出色的人际沟通和交往能力、较强的团队合作意识和敬业精神; 6、上述能力优秀者，可适当放宽任职硬性指标。 金融数据分析师的工作职责描述2 职责
1、对货币市场金融数据进行量化分析，并推动研究成果的信息化、互联网化，直至贸易落地; 2、对市场、行业、公司运营等提供贸易智能分析，输出可视化分析报告，为战略决策提供支持; 3、发表研究成果或分析评论，配合公司的推广及培训等工作。 任职要求 1、金融、经济、数学、统计等相关专业硕士及以上学历; 2、拥有扎实的经济理论基础及数理统计功底; 3、熟练使用MATLAB、R、Python等一个或多个语言进行量化建模，拥有行业大数据分析和机器学习项目经验者优先; 4、拥有BI分析工具使用经验者优先(如tableau等); 5、具有很强的逻辑思考能力，善于解决开放式题目; 6、为人真诚踏实，做事靠谱认真，对研究工作布满热情，具备良好的沟通协调能力和团队合作意识，愿意为团队共同发展而努力。 金融数据分析师的工作职责描述3 职责： 1、对金融经济知识感爱好，希看踏足金融圈的; 2、有无经验亦可，金融专业以及具有操纵经验者优先考虑; 3、有较强的学习能力，公司提供完善免费的投资培训; 4、有求知欲，有集体荣誉感，有上进心，有赚钱的信心和欲看; 5、有冷静的头脑与不被别人影响的判定力，能够坚持己见。 岗位职责：
数据分析与建模实验报告
学生学号实验课成绩 学生实验报告书 实验课程名称数据分析与建模 开课学院 指导教师姓名 学生姓名 学生专业班级 2015 —2016 学年第 1 学期
实验报告填写规范 1、实验是培养学生动手能力、分析解决问题能力的重要环节；实验报告是反映实验教学水 平与质量的重要依据。为加强实验过程管理，改革实验成绩考核方法，改善实验教学效果，提高学生质量，特制定本实验报告书写规范。 2、本规范适用于管理学院实验课程。 3、每门实验课程一般会包括许多实验项目，除非常简单的验证演示性实验项目可以不写实 验报告外，其他实验项目均应按本格式完成实验报告。在课程全部实验项目完成后，应按学生姓名将各实验项目实验报告装订成册，构成该实验课程总报告，并给出实验课程成绩。 4、学生必须依据实验指导书或老师的指导，提前预习实验目的、实验基本原理及方法，了 解实验内容及方法，在完成以上实验预习的前提下进行实验。教师将在实验过程中抽查学生预习情况。 5、学生应在做完实验后三天内完成实验报告，交指导教师评阅。 6、教师应及时评阅学生的实验报告并给出各实验项目成绩，同时要认真完整保存实验报 告。在完成所有实验项目后，教师应将批改好的各项目实验报告汇总、装订，交课程承担单位（实验中心或实验室）保管存档。
画出图形 由图x=4时，y最大等于1760000 (2)求关于所做的15%假设的灵敏性 粗分析： 假设C=1000 即给定r y=f(x)=(1500-100x)1000(1+rx)=-100000rx^2+1500000rx-100000x+1500000 求导，f’(x)=-200000rx+1500000r-100000,令f’(x)=0,可得相应x值，x=(15r-1)/2r Excel画出相应图形
剖析大数据分析方法论的几种理论模型
剖析大数据分析方法论的几种理论模型 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。 作者：佚名来源：博易股份|2016-12-01 19:10 收藏 分享 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。 利用大数据分析的应用案例更加细化的说明做大数据分析方法中经常用到的几种理论模型。 以营销、管理等理论为指导，结合实际业务情况，搭建分析框架，这是进行大数据分析的首要因素。大数据分析方法论中经常用到的理论模型分为营销方面的理论模型和管理方面的理论模型。 管理方面的理论模型： ?PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等?PEST：主要用于行业分析 ?PEST：政治(Political)、经济(Economic)、社会(Social)和技术(Technological) ?P：构成政治环境的关键指标有，政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。?E：构成经济环境的关键指标有，GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。?S：构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
?T：构成技术环境的关键指标有：新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。 大数据分析的应用案例：吉利收购沃尔沃 大数据分析应用案例 5W2H分析法 何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much) 网游用户的购买行为： 逻辑树：可用于业务问题专题分析
Excel高效数据分析培训课程大纲
Excel高效数据分析培训课程大纲 【课程背景】 面对浩瀚的数据，如何提炼信息，把需要的信息快速展示给客户和领导？ 公司的经营状况和财务状况到底如何？预算执行情况到底如何？成本费用超支了吗？ 销售收入、成本、费用是否正常？是否出现了异常情况？如何简便发现异常费用流向和预警机制的建立？ 如何即时发现资金流、销售、财务中的问题？ 员工的构成分布情况如何？员工的流动情况如何？您是否为员工的不断离去伤透了脑筋而不知其原因？ 如何快速分析不同部门不同岗位等对公司的满意率，以便及时发现问题解决问题？ 为什么产品的不合格率持续高位？怎样快速发现问题？ 诸如此类的问题，等等，对任何一位管理者而言，是复杂而繁琐的，您想必一定很累、很烦了吧！ 您想要提高管理效率吗？想要进行科学的管理，而不是仅仅拍脑袋想问题、做决策吗？ 等等…… 本课程将教会您利用Excel快速制作各种统计分析报表的基本方法和大量实用技巧，还将使您的Excel 使用水平提升到一个新的层次，使您的分析报告更加有说服力，更加引人注目！ 【课程特点】 ●系统性：囊括利用Excel进行高效企业日常管理的各方面内容。 ●全面性：全面介绍了Excel工具的在企业日常管理中的典型应用，兼顾Excel使用方法技巧介绍和应用思路启发，注重点面结合。 ●实用性：注重Excel在管理中的实际应用，培训内容紧密结合实际案例。精选数十个源自企业管理过程中的典型案例，极具代表性和实用价值，反映了现实中企业需要解决的问题，具有更强的针对性。 ●示范性：注重强调动手实践，使每个学员有充分的动手机会，及时解决学习中的问题。在进行实例分析时一步一步地递进，清晰易懂，既便于您了解管理决策分析过程，又使读者真正掌握Excel的强大功能。 ●细致性：讲课认真、细致，辅导实验积极、耐心，使每个学员都能够掌握所讲的内容。 ●无忧性：完善的课后服务，随时与老师联系，及时帮助企业学员解决实际工作中遇到的问题和难题。 【课程目的】 ●帮您树立一种正确高效使用Excel的基本理念和思路 ●为您提供一套实用高效的Excel技能和方法 【培训对象】 ●企业的各类管理人员，包括财务总监、财务经理、会计经理、财务主管、预算主管、财务人员、会 计人员；销售总监、销售经理、销售主管、销售人员；生产经理、生产管理人员；人力资源经理、 人力资源主管；审计经理、审计主管；及其他相关管理人员等。 【课程大纲】 第1部分武装自己：快速掌握Excel公式和函数 逻辑更加清楚： 将复杂的数据逻辑判断和处理变得更加清楚和明了（逻辑判断函数的综合应用） 复杂变简单： 将繁琐的加减公式变得更为简洁和科学（各类求和汇总函数的灵活应用） 让数据无处遁形： 需要的数据迅速出现在您面前（功能强大的查找函数及其典型应用）
金融数据分析课程大纲
《金融数据分析》课程教学大纲 （Analyses of Financial Data） ----and Application of SPSS 一、课程说明 课程编码：225212101 课程总学时（理论总学时/实践总学时）51（34/17） 周学时（理论学时/实践学时）3（2/1） 学分: 2.5 开课学期: 5 1．课程类别与性质： 专业限修课程 2．适用专业与学时分配： 适用于信息与计算科学(金融服务方向)专业。 教学容与时间安排表
3．课程教学目的与要求： 学生通过本课程的学习，了解对金融数据进行统计分析的原理和过程，了解各种数据分析模型、统计分析方法的使用条件、应用场合、所需参数及模型的性质，能按照模型的要求输入基本数据合参数，进行运算和统计分析，掌握数据输入、数据分析、数据转换、选择和加权等技巧，掌握各种基本的统计分析模型的计算方法，能根据数据来源、数据类型和分析的目的要求选择适当的统计分析模型进行分析，能对输出结果能作出合理的解释和恰当的运用。 （2）教学要求 4．本门课程与其它课程关系： 本课程属于金融服务专业方向的限选课程，它的前期课程包括：概率论、应用统计、及相关的金融类课程与计算机及软件类课程。 5．推荐教材及参考书： 教材： 《数据统计分析----SPSS原理及应用》（高等学校教材），黄润龙，管于华编，高等教育，2010， 参考书： 《SPSS 18---数据分析基础与实践》，洪成编著，电子工业，2010， 《深入浅出数据分析》， Michael Milton著，芳译，电子工业，2010， 《金融时间序列分析》， Ruey S. Tsay著，家柱译，机械工业，2008， 6．课程教学方法与手段： 课堂理论教学与实验教学相结合，重视学生的理解与实际应用的操作能力。 7．课程考试方法与要求： 本课程是基本知识与实际数据分析相结合的课程，因此本课程考试分为二部分：第一部分由小组进行案例分析，主要是学生组织，论文答辩类型的小组分析；
互联网金融课程大纲
互联网金融课程大纲 【课程设置】 第一部分：P2P网贷分析和风险管理 网络贷款分析 1、网络贷款环境与行业分析 2、2、网贷评估方式概述 3、网贷评估的步骤 4、网贷评估的原则 5、定性指标评估的内容与方法 6、网络贷款分析与基于大数据的评估资料收集 7、网络贷款评估资料设计 8、不同行业领域的网络贷款评估 风险管理 1、新型整体化风险管理 2、现代风险管理框 3、风险管理的主要方法 4、市场风险、操作风险、信用风险管理 5、新信息技术下的风险管理 6、金融体系主要风险概览 7、金融创新环境下的风险管理 8、金融风险管控模式 9、互联网金融的模式及法律风险 10、互联网金融的风控架构 11、互联网金融的法律架构 12、投资者的风险控制与权益保护 13、互联网金融风险监管探索 14、互联网金融风险管控典型案例解析 第二部分：金融大数据工程师 金融大数据 大数据引领的行业变革 2、大数据在金融领域的应用现状 3、金融业在大数据时代面临的机遇和挑战 4、大数据环境下的金融模式创新 5、大数据与金融业务优化 6、大数据与自动化交易 7、金融产品运营与大数据应用 8、大数据在金融精准营销领域的应用 9、金融大数据资源及处理技术
10、大数据在金融客户关系管理中的应用 11、大数据环境下的金融网络舆情分析 12、基于大数据的金融风险管理模式 13、基于数据挖掘的风险评估 14、大数据时代背景下的金融机构战略转型 15、大数据时代下的金融人才培养 第三部分：网络征信与风险管理： 1、信用、征信与社会信用体系概述 2、征信法律法规解读 3、信用文化培育与失信惩戒机制 4、传统征信机构系统 5、网络征信机构兴起 6、金融征信评估方式概述 7、基于大数据的网络征信管理 8、网络征信调查实施步骤 9、网络征信报告 10、网络信用评定 11、基于网络征信的网络信贷 12、网络征信与第三方支付 13、金融脱媒的颠覆式创新与网络征信 14、网络不良信用征兆评估与处理 15、网络征信与信息安全 16、网络征信行业监督探索 第四部分：金融网络营销 1、传统网络营销概论 2、网络营销市场与机遇分析 3、金融网络营销环境解析 4、金融网络营销带动的产品服务变革 5、网络产品价格策略与在线分销渠道 6、金融网络营销战略和绩效考核指标 7、金融网络营销计划的步骤 8、金融网络营销计划的制定 9、数据驱动的金融网络营销调研 10、互联互通的金融消费行为 11、网络营销目标市场细分与差异化市场定位 12、金融网络营销计划的实施与评估 13、金融自有媒体与营销绩效 14、付费媒体的金融网络营销沟通 15、口碑媒体与金融网络声誉管理 16、金融客户关系管理的构成与开展原则 17、关系营销与一对一客户关系的建立 18、用户隐私保护与法律界定制定
《Python金融数据挖掘及其应用》教学大纲
《python金融数据挖掘及其应用》课程教学大纲 课程代码： 学分：5 学时：80（其中：讲课学时：60 实践或实验学时：20 ） 先修课程：数学分析、高等代数、概率统计、金融基础知识、Python程序设计基础 适用专业：信息与计算科学 建议教材：黄恒秋主编.Python金融数据分析与挖掘实战[M]. 北京：人民邮电出版社.2019. 开课系部：数学与计算机科学学院 一、课程的性质与任务 课程性质：专业方向选修课。 课程任务：大数据时代，数据成为决策最为重要的参考之一，数据分析行业迈入了一个全新的阶段。通过学习本课程，使得学生在掌握Python科学计算、数据处理、数据可视化、挖掘建模等基本技能基础上，进一步地扩展应用到较为复杂金融数据处理及挖掘分析任务上，最后进行量化投资实战检验。本课程为Python在金融量化投资领域的具体应用，也是Python 在金融行业应用最为广泛的领域之一，从而使得学生具备一定的行业应用背景及就业技能。 二、课程的基本内容及要求 本课程教学时数为80学时，5学分；实验20学时,1.25学分。 第七章基础案例 1.课程教学内容： （1）股票价格指数周收益率和月收益率的计算； （2）上市公司净利润增长率的计算； （3）股票价、量走势图绘制； （4）股票价格移动平均线的绘制； （5）沪深300指数走势预测； （6）基于主成分聚类的上市公司盈利能力分析。 2.课程的重点、难点： （1）重点：案例的实现思路、算法及程序具体实现； （2）难点：案例的实现算法、程序实现过程中各类数据结构的相互转换。 3.课程教学要求： （1）了解案例实现的基本思路； （2）理解案例实现的具体算法及程序实现，各种数据结构的相互转换并实现程序计算； （3）掌握案例实现的具体过程，包括思路、算法、数据处理、程序计算及结果展现。 第八章综合案例一：上市公司综合评价
数据分析和数据建模
数据分析和数据建模 大数据应用有几个方面，一个是效率提升，帮助企业提升数据处理效率，降低数据存储成本。另外一个是对业务作出指导，例如精准营销，反欺诈，风险管理以及业务提升。过去企业都是通过线下渠道接触客户，客户数据不全，只能利用财务数据进行业务运营分析，缺少围绕客户的个人数据，数据分析应用的领域集中在企业内部经营和财务分析。 大数据应用有几个方面，一个是效率提升，帮助企业提升数据处理效率，降低数据存储成本。另外一个是对业务作出指导，例如精准营销，反欺诈，风险管理以及业务提升。过去企业都是通过线下渠道接触客户，客户数据不全，只能利用财务数据进行业务运营分析，缺少围绕客户的个人数据，数据分析应用的领域集中在企业内部经营和财务分析。 数字时代到来之后，企业经营的各个阶段都可以被记录下来，产品销售的各个环节也被记录下来，客户的消费行为和网上行为都被采集下来。企业拥有了多维度的数据，包括产品销售数据、客户消费数据、客户行为数据、企业运营数据等。拥有数据之后，数据分析成为可能，企业成立了数据分析团队整理数据和建立模型，找到商品和客户之间的关联关系，商品之间关联关系，另外也找到了收入和客户之间的关联关系。典型的数据分析案例如沃尔玛啤酒和尿布、蛋挞和手电筒，Target的判断16岁少女怀孕都是这种关联关系的体现。
关联分析是统计学应用最早的领域，早在1846年伦敦第二次霍乱期间，约翰医生利用霍乱地图找到了霍乱的传播途径，平息了伦敦霍乱，打败了霍乱源于空气污染说的精英，拯救了几万人的生命。伦敦霍乱平息过程中，约翰医生利用了频数分布分析，建立了霍乱地图，从死亡案例分布的密集程度上归纳出病人分布同水井的关系，从而推断出污染的水源是霍乱的主要传播途径，建议移除水井手柄，降低了霍乱发生的概率。 另外一个典型案例是第二次世界大战期间，统计分析学家改造轰炸机。英美联盟从1943年开始对德国的工业城市进行轰炸，但在1943年年底，轰炸机的损失率达到了英美联盟不能承受的程度。轰炸军司令部请来了统计学家，希望利用数据分析来改造轰炸机的结构，降低阵亡率，提高士兵生还率。统计学家利用大尺寸的飞机模型，详细记录了返航轰炸机的损伤情况。统计学家在飞机模型上将轰炸机受到攻击的部位用黑笔标注出来，两个月后，这些标注布满了机身，有的地方标注明显多于其他地方，例如机身和侧翼。有的地方的标注明显少于其他地方，例如驾驶室和发动机。统计学家让军火商来看这个模型，军火商认为应该加固受到更多攻击的地方，但是统计学家建议对标注少的地方进行加固，标注少的原因不是这些地方不容易被击中，而是被击中的这些地方的飞机，很多都没有返航。这些标注少的地方被击中是飞机坠毁的一个主要原因。军火商按照统计学家的建议进行了飞机加固，大大提高了轰炸机返航的比率。以二战著名的B-17轰炸机为例，其阵亡率由26%降到了7%，帮助美军节约了几亿美金，大大提高了士兵的生还率。 一数据分析中的角色和职责 数据分析团队应该在科技部门内部还在业务部门内部一直存在争议。在业务部门内部，对数据场景比较了解，容易找到数据变现的场景，数据分析对业务提升帮助较大，容易出成绩。但是弊端是仅仅对自己部门的业务数据了解，分析只是局限独立的业务单元之内，在数据获取的效率上，数据维度和数据视角方面缺乏全局观，数据的商业视野不大，对公司整体业务的推动发展有限。业务部门的数据分析团队缺少数据技术能力，无法利用最新的大数据计算和分析技术，来实现数
16种常用数据分析方法66337
一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。
A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如 何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。 对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析。列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以上的自变量和因变量相关； 3、偏相关：在某一现象与多种现象相关的场合，当假定其他变量不变时，其中两个变量之间的相关关系称为偏相关。 六、方差分析
金融数据分析-教学大纲
《金融数据分析》教学大纲 The Course Outline of Financial Data Analysis 课程编号：151222B 课程类型：专业选修课 总学时：32 讲课学时：16 实验（上机）学时：16 学分：2 适用对象：金融学（金融经济实验班） 先修课程：计量经济学、微观经济学、宏观经济学、概率论与数理统计、线性代数、微积分 Course Code: Course Type: Discipline Elective Course Periods: 32 Lecture: 16 Experiment (Computer): 16 Credits: 2 Applicable Subjects: Finance（Finance and Economics Experiment Class） Prerequisite Courses: Econometrics, Microeconomics, Macroeconomics, Probability and Statistics, Linear Algebra, Calculus 一、课程简介 本课程是面向金融学、经济学和管理学相关专业的高年级本科生开设的学科专业选修课程，主要介绍应用于金融数据分析中的经典计量方法，并注重培养学生的实际操作能力。 Financial data analysis is an elective course for advanced undergraduate students majored in finance, economics and management. In this course, we not only introduce basic econometric methods applied to financial data, but also train students’ practical skills of handling financial data.
数据模型与决策例题分析
数据、模型与决策 3 线性规划问题的计算机求解及应用举例 第7题 （1）线性规划模型 （2）线性规划模型代数式 公司所做决策的变量是每种原料合金的数量，因此引入决策变量 i x 表示第i 种原料合金的数量()1,2,3,4,5,6i =。 建立此问题的数学模型为：
（1）线性规划模型 （2）线性规划模型代数式 公司所做决策的变量是每种原料数，因此引入决策变量 x表示第i i 种原料数() i=。 1,2,3,4 建立此问题的数学模型为：
线性规划模型代数式 车间所做决策的变量是(1,2,3)i A i =机床生产(1,2)j B j =零件数，因此引入决策变量ij x 表示加工(1,2)j B j =零件使用的(1,2,3)i A i =机床台数。 建立此问题的数学模型为： （1）线性规划模型 （2）使用sumproduct 函数
（1）线性规划模型 （2）线性规划模型代数式 公司所做决策可用网络配送图表示（如下图），图中节点123,,v v v 表示1、2、3三个工厂，节点4v 表示配送中心，节点567,,v v v 表示1、2、3三个仓库。每一条有向弧表示一条可能的运输路线，并给出了相应的单位运输成本，对运输量有限制的路线的最大运输能力也同时给出。 网络配送模型 引入变量ij f 表示由i v 经过路线(),i j v v 运输到j v 的产品属。问题的目
标是总运输成本最小化：
（1）线性规划模型 （2）线性规划模型代数式 医院所做决策的变量是每时段开始上班的人数，因此引入决策变量i x 表示第i 个时段上班的人数()1,2,3,4,5,6i =。 建立此问题的数学模型为：
大数据商务分析与应用-教学大纲
大数据商务分析与应用》教学大纲 课程编号： 071133B 课程类型：□通识教育必修课 □专业必修课 □学科基础课 总学 时： 48 讲课学时： 32 学 分： 3 适用对象：信息管理与信息系统专业（电子商务） 先修课程： 面向对象程序设计与开发，数据库原理与应用，统计学，商务智 能与数据挖掘 、教学目标 商务数据特别是大数据的挖掘、 分析和利用， 已经成为当前大型企业之间竞 争的重要工具和手段。 本课程主要学习大数据商务分析的相关原理、 方法和技术， 根据实际业务需求，基于一种大数据商务分析开发工具如 Python 对相应的业务 数据进行处理、分析和应用。 通过本课程学习，使学生了解大数据的采集、传输、处理、分析和应用的相 关技术，掌握 Python 的基础语言知识、 大数据分析和应用技术， 能够基于 Python 进行数据采集、 处理、分析和应用开发工作。 鉴于商务数据分析已经成为电子商 务运营和网络营销中重要的工具和手段， 因此该课程是电子商务专业培养方案的 重要组成部分，是先修课程“统计学”和“商务智能与数据挖掘”的实战延续， 并可为同期进行的专业必修课“电子商务运营管理”打下良好技术基础。 二、教学内容及其与毕业要求的对应关系 （一）教学内容 □通识教育选修课 专业选修课 实验（上机）学时： 16
本课程主要教学内容是在学生掌握基本的统计学、数据挖掘等基本原理和算法后，学习基于Python 编程语言的基本语法、一般应用开发方法和常用的数据分析和数据挖掘方法等。具体包括：Python 基础知识，Python 数据分析工具，数据探索，数据预处理，挖掘建模，案例分析等。 （二）教学方法和手段 根据教学目标，拟采用的教学方法有：课堂讲解基本概念和核心知识，讲授和讨论相结合领会知识要点，案例教学训练解决问题的能力，最后借助Python 开发环境软件让学生进行上机操作和具体实践。 （三）实践教学环节要求 根据教学进度和要求布置相应的小作业，通过上机实践。每一章都有对应的上机内容，如Python 开发环境配置与入门程序开发、各章节开发例程等。建议自学时安装和配置这些软件进行自学，完成书上案例的内容。通过上机学习本课程的理论，掌握基于Python 语言和工具的数据分析方法。 （四）学习要求 为有效学习本课程，要求学生首先具备数据库、面向对象程序设计与开发等方面的基本知识，熟练掌握面向数理统计与数据挖掘等方面的完整专业知识。 自学时应该熟读大纲，提纲挈领地掌握Python 数据分析的内容，随后按照大纲熟读教材，并通过课后思考和上机实践进行多角度和多层次的反复学习。 （五）与毕业要求的关系 随着大数据时代的到来，大型企业、政府和机构逐渐积累了大量的业务数据，基于互联网技术和大数据分析手段挖掘商务和业务应用的价值，逐渐成为电子商务运作和企业竞争的必要组成部分，也是未来发展的必然趋势。因此，学习和掌握大数据的商务分析方法、技术及相关应用，不仅是当前电子商务产业发展的需要，还是适应未来大型组织运营和竞争的基本要求，也是电子商务专业培养的基本要求。 （五）教学中应注意的问题由于数理统计原理和数据仓库与数据挖掘技术原理是该课
业绩数据分析模型(终审稿)
业绩数据分析模型 TPMK standardization office【 TPMK5AB- TPMK08- TPMK2C- TPMK18】
营销总经理的业绩数据分析模型－－营销总经理的工作模型（一） 前言 营销总经理这个职位压力大而且没有安全 感——天气变化、竞品动态、本品产品质量、 公司的战略方向、费用投入、经销商的突然变 化、行业动荡、上游采购成本等等诸多因素影 响业绩。营销行业没有常胜将军，但是这个行业以成败论英雄。 营销总经理这个职位事情多而且杂乱琐碎：营销总经理要遥控管理庞大的营销团队，服务于全国几千万家经销商和终端。工作千头万绪，哪怕每天干25个小时，工作还是俄罗斯方块一样堆积。 压力和杂务干扰之下，就容易迷失，做营销总经理需要热情、能力、经验、更需要固化的可复制的工作模型，帮助自己脱身庶务，联系市场实际，提升管理绩效。 营销总经理工作模型一：数据分析模型 一、营销总经理数据分析流程概述 数据分析好像“业绩体检报告”，告诉营销总经理哪里有问题。营销总经理要每天按照固定的数据分析模型对当日发货量、累计业绩进度、发货客户数、
发货品项数、产品结构、区域结构等关键指标进行全方位多维次的实时监控。随时关注整体业绩达成的数量和质量。 如果公司整体业绩分析没问题就下延看区域业绩有没问题，没问题就结束分析。如果公司整体业绩有问题；就要思考有没有特殊原因——比如：天气下雨造成三天发货量下滑，天晴后业绩会恢复。公司上半月集中力量乡镇市场压货，所以低价产品业绩上升高价产品业绩下滑是计划内正常现象。如果没有特殊原因，确实属于业绩异常，就要立刻从这个指标着手深度分析：通常是从产品、区域、客户三条主线来研究。发现问题产品（哪个产品需要重点管理）、发现问题区域（哪个区域需要重点巡查）、发现问题客户（哪个重点零售ka系统重点经销商的业绩不正常）。除非问题非常严重，一般营销总经理的数据分析下延到直接下级（大区或者省区层面）即可，然后要求问题区域的大区经理做出解释，拿出整改方案。大区省区经理再做区域内数据分析，寻找问题产品、问题片区和问题经销商。 数据分析得出结论就找到了管理重点，接下来营销总经理要采取针对性有的放失的管理动作——比如立刻去巡检重点问题区域、要求问题区域限期改善、更改当月的促销投入或者产品价格、设立新的工作任务（比如乡镇铺货）等等，整个分析流程图示如下：