財(cái)務(wù)大數(shù)據(jù)分析與可視化課件 項(xiàng)目1 商務(wù)智能基礎(chǔ)

商務(wù)智能基礎(chǔ)項(xiàng)目一添加標(biāo)題在此PART01添加相關(guān)標(biāo)題文字添加相關(guān)標(biāo)題文字相關(guān)標(biāo)題文字學(xué)習(xí)目標(biāo)汪剛制作添加標(biāo)題在此PART01添加相關(guān)標(biāo)題文字添加相關(guān)標(biāo)題文字相關(guān)標(biāo)題文字項(xiàng)目導(dǎo)圖汪剛制作情境案例

2015年前后，中國(guó)民生銀行（以下簡(jiǎn)稱“民生銀行”）“阿拉丁”平臺(tái)誕生，它是信息管理部提供的一個(gè)海量數(shù)據(jù)查詢、展示、交互、分析的整體解決方案?！鞍⒗　逼脚_(tái)上線以來(lái)，分行業(yè)務(wù)人員基于此平臺(tái)產(chǎn)生了很多有價(jià)值的經(jīng)典案例“阿拉丁”平臺(tái)上線后，一線財(cái)務(wù)人員通過(guò)Smartbi分析工具將轉(zhuǎn)賬交易情況做了一個(gè)簡(jiǎn)單的歸類(lèi)，發(fā)現(xiàn)有些客戶存在一個(gè)很有意思的情況，就是每個(gè)月定期往其他銀行賬號(hào)上轉(zhuǎn)錢(qián)，而且轉(zhuǎn)賬金額基本差不多。經(jīng)過(guò)抽樣了解發(fā)現(xiàn)，這些客戶都是中小企業(yè)的會(huì)計(jì)，他們每月定期通過(guò)民生銀行給自己的員工發(fā)工資。業(yè)務(wù)人員通過(guò)數(shù)據(jù)分析和挖掘，積極開(kāi)展精準(zhǔn)營(yíng)銷(xiāo)，為銀行帶來(lái)了大量工資卡客戶。這些都是業(yè)務(wù)人員通過(guò)開(kāi)放的“阿拉丁”平臺(tái)接觸到數(shù)據(jù)之后，利用自身的業(yè)務(wù)經(jīng)驗(yàn)，再結(jié)合數(shù)據(jù)工具創(chuàng)造出的價(jià)值。目前，“阿拉丁”平臺(tái)已經(jīng)為民生銀行培養(yǎng)了近千人規(guī)模的數(shù)據(jù)分析挖掘團(tuán)隊(duì)，使得更多一線業(yè)務(wù)人員貢獻(xiàn)業(yè)務(wù)經(jīng)驗(yàn)，形成了更大的數(shù)據(jù)分析產(chǎn)品群落，最終獲得效益的提升。案例來(lái)源：中國(guó)民生銀行和Smartbi官方網(wǎng)站。汪剛制作1商業(yè)智能基礎(chǔ)2數(shù)據(jù)類(lèi)型和財(cái)務(wù)大數(shù)據(jù)3常見(jiàn)數(shù)據(jù)分析模型4主目錄4常見(jiàn)數(shù)據(jù)分析方法汪剛制作45可視化基礎(chǔ)商業(yè)智能基礎(chǔ)任務(wù)一汪剛制作子任務(wù)一商業(yè)智能的定義提出：Gartner的分析師

HowardDresner1996年提出商業(yè)智能描述了一系列的概念和方法，應(yīng)用基于數(shù)據(jù)的分析系統(tǒng)輔助商業(yè)決策的制定。商業(yè)智能技術(shù)為企業(yè)提供了迅速收集、分析數(shù)據(jù)的技術(shù)和方法，把這些數(shù)據(jù)轉(zhuǎn)化為有用的信息，提高企業(yè)決策的質(zhì)量。汪剛制作子任務(wù)一商業(yè)智能的定義企業(yè)界：Microsoft認(rèn)為：商業(yè)智能是任何嘗試獲取、分析企業(yè)數(shù)據(jù)以便更清楚地了解市場(chǎng)和顧客，改進(jìn)企業(yè)流程，更有效地參與競(jìng)爭(zhēng)的過(guò)程。商業(yè)智能是下列軟件工具的集合：終端用戶查詢和報(bào)告工具、在線分析處理工具、數(shù)據(jù)挖掘軟件、數(shù)據(jù)集市、數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品和主管信息系統(tǒng)。Oracle認(rèn)為：商業(yè)智能是一種商務(wù)戰(zhàn)略，能夠持續(xù)不斷地對(duì)企業(yè)經(jīng)營(yíng)理念、組織結(jié)構(gòu)和業(yè)務(wù)流程進(jìn)行重組，實(shí)現(xiàn)以顧客為中心的自動(dòng)化管理。SAP認(rèn)為：商業(yè)智能是收集、存儲(chǔ)、分析和訪問(wèn)數(shù)據(jù)以幫助企業(yè)更好決策的技術(shù)。IBM認(rèn)為：商業(yè)智能是一系列技術(shù)支持的簡(jiǎn)化信息收集、分析的策略集合。IDC認(rèn)為：商務(wù)智能是下列軟件工具的集合終端用戶查詢和報(bào)告工具，在線分析處理工具，數(shù)據(jù)挖掘軟件，數(shù)據(jù)，集市數(shù)據(jù)倉(cāng)庫(kù)，產(chǎn)品和主管信息系統(tǒng)。帆軟認(rèn)為：商業(yè)智能是利用數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)可視化與分析技術(shù)，將指定的數(shù)據(jù)轉(zhuǎn)化為信息和知識(shí)的解決方案，其價(jià)值體現(xiàn)為滿足企業(yè)不同人群對(duì)數(shù)據(jù)查詢、分析和探索的需求，使企業(yè)實(shí)現(xiàn)對(duì)業(yè)務(wù)的監(jiān)測(cè)和洞察，從而支撐企業(yè)管理決策，提升企業(yè)管理水平，提高企業(yè)業(yè)務(wù)運(yùn)營(yíng)效率，改進(jìn)優(yōu)化企業(yè)業(yè)務(wù)。汪剛制作子任務(wù)一商業(yè)智能的定義定義：商業(yè)智能是融合了先進(jìn)信息技術(shù)與創(chuàng)新管理理念的結(jié)合體，集成了企業(yè)內(nèi)外的數(shù)據(jù)，加工處理并從中提取能夠創(chuàng)造商業(yè)價(jià)值的信息和知識(shí)，面向企業(yè)戰(zhàn)略并服務(wù)于管理層、業(yè)務(wù)層，指導(dǎo)企業(yè)經(jīng)營(yíng)決策，提升企業(yè)競(jìng)爭(zhēng)力；商業(yè)智能不僅是指一套技術(shù)，更是一套完整的解決方案；商業(yè)智能的本質(zhì)就是數(shù)據(jù)智能。汪剛制作子任務(wù)二商業(yè)智能的系統(tǒng)構(gòu)架汪剛制作子任務(wù)二商業(yè)智能的系統(tǒng)構(gòu)架數(shù)據(jù)獲取層從數(shù)據(jù)來(lái)源看企業(yè)內(nèi)部：財(cái)務(wù)系統(tǒng)、采購(gòu)系統(tǒng)、銷(xiāo)售系統(tǒng)、生產(chǎn)系統(tǒng)等ERP系統(tǒng)的數(shù)據(jù)、辦公自動(dòng)化OA的數(shù)據(jù)等；企業(yè)外部：政策數(shù)據(jù)、市場(chǎng)數(shù)據(jù)、行業(yè)數(shù)據(jù)、競(jìng)爭(zhēng)對(duì)手的數(shù)據(jù)、各類(lèi)統(tǒng)計(jì)數(shù)據(jù)等；從數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)上看結(jié)構(gòu)化數(shù)據(jù)：以二維表格形式存儲(chǔ)的數(shù)據(jù)；非機(jī)構(gòu)化數(shù)據(jù)：所有格式的辦公文檔、文本、圖片、音頻和視頻文件等；從數(shù)據(jù)存儲(chǔ)形式上看分為.xls文件、.txt文件、.csv文件、各類(lèi)數(shù)據(jù)庫(kù)文件等；BI系統(tǒng)獲取數(shù)據(jù)后，還要經(jīng)過(guò)數(shù)據(jù)清洗即ETL(Extract-Transform-Load)操作。ETL是將業(yè)務(wù)系統(tǒng)的數(shù)據(jù)經(jīng)過(guò)抽取、轉(zhuǎn)換之后加載到數(shù)據(jù)倉(cāng)庫(kù)的過(guò)程；子任務(wù)二商業(yè)智能的系統(tǒng)構(gòu)架數(shù)據(jù)管理層數(shù)據(jù)倉(cāng)庫(kù)，英文名稱為DataWarehouse，可簡(jiǎn)寫(xiě)為DW。數(shù)據(jù)倉(cāng)庫(kù)是面向主題的，數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)是按照一定的主題域進(jìn)行組織；數(shù)據(jù)倉(cāng)庫(kù)是集成的，數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)有來(lái)自于分散的操作型數(shù)據(jù)，將所需數(shù)據(jù)從原來(lái)的數(shù)據(jù)中抽取出來(lái)，進(jìn)行加工與集成，統(tǒng)一與綜合之后才能進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)；數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)主要供企業(yè)決策分析之用，所涉及的數(shù)據(jù)操作主要是數(shù)據(jù)查詢；數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)通常包含歷史信息；元數(shù)據(jù)（MetaData）是關(guān)于數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)，指在數(shù)據(jù)倉(cāng)庫(kù)建設(shè)過(guò)程中所產(chǎn)生的有關(guān)數(shù)據(jù)源定義，目標(biāo)定義，轉(zhuǎn)換規(guī)則等相關(guān)的關(guān)鍵數(shù)據(jù)；元數(shù)據(jù)還包含關(guān)于數(shù)據(jù)含義的商業(yè)信息，所有這些信息都應(yīng)當(dāng)妥善保存，并很好地管理。為數(shù)據(jù)倉(cāng)庫(kù)的發(fā)展和使用提供方便。汪剛制作子任務(wù)二商業(yè)智能的系統(tǒng)構(gòu)架數(shù)據(jù)分析層聯(lián)機(jī)分析處理：OLAP(OnlineAnalyticalProcessing)

OLAP是以海量數(shù)據(jù)為基礎(chǔ)的復(fù)雜分析技術(shù)；它支持各級(jí)管理決策人員從不同的角度、快速靈活地對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行復(fù)雜查詢和多維分析處理，并且能以直觀易懂的形式將查詢和分析結(jié)果展現(xiàn)給決策人員；OLAP使用的邏輯數(shù)據(jù)模型為多維數(shù)據(jù)模型；OLAP是驗(yàn)證型的分析工具；數(shù)據(jù)挖掘：DM（Datamining）數(shù)據(jù)挖掘是從海量數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又可能有用的信息和知識(shí)的過(guò)程；數(shù)據(jù)挖掘的數(shù)據(jù)有多種來(lái)源，包括數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)庫(kù)或其他數(shù)據(jù)源；數(shù)據(jù)挖掘是預(yù)測(cè)型的分析工具；汪剛制作子任務(wù)二商業(yè)智能的系統(tǒng)構(gòu)架數(shù)據(jù)展示層數(shù)據(jù)展示層主要是通過(guò)可視化技術(shù)將分析內(nèi)容以各種圖表的方式展示出來(lái)；供企業(yè)決策人員、管理人員、分析人員、業(yè)務(wù)人員等相關(guān)人員進(jìn)行洞察和決策；可視化技術(shù)是以計(jì)算機(jī)圖形學(xué)、以圖像處理技術(shù)為基礎(chǔ)，將數(shù)據(jù)轉(zhuǎn)換為圖形或圖像形式，顯示到屏幕上，并進(jìn)行交互處理的理論方法和技術(shù)。它涉及計(jì)算機(jī)視覺(jué)圖像處理，計(jì)算機(jī)輔助設(shè)計(jì)，計(jì)算機(jī)圖形學(xué)等多個(gè)領(lǐng)域，并逐漸成為一種研究數(shù)據(jù)表示數(shù)據(jù)，綜合處理決策分析的問(wèn)題的綜合技術(shù)；數(shù)據(jù)分析的內(nèi)容包括利潤(rùn)分析、收入分析、成本分析、資產(chǎn)分析、運(yùn)營(yíng)分析、投融資分析等。企業(yè)數(shù)據(jù)分析需要展示哪些指標(biāo)和內(nèi)容，與企業(yè)戰(zhàn)略、經(jīng)營(yíng)管理需要有密切關(guān)系。汪剛制作子任務(wù)三商業(yè)智能的價(jià)值增強(qiáng)業(yè)務(wù)洞察能力優(yōu)化企業(yè)營(yíng)銷(xiāo)策略提高市場(chǎng)響應(yīng)能力加強(qiáng)風(fēng)險(xiǎn)管理能力改善客戶關(guān)系管理汪剛制作子任務(wù)三商業(yè)智能的價(jià)值啤酒和尿布的故事這是發(fā)生在美國(guó)沃爾瑪連鎖超市的真實(shí)案例，并一直為商家所津津樂(lè)道。沃爾瑪擁有世界上最大的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，為了能夠準(zhǔn)確了解顧客在其門(mén)店的購(gòu)買(mǎi)習(xí)慣，沃爾瑪對(duì)其顧客的購(gòu)物行為進(jìn)行購(gòu)物籃分析。沃爾瑪數(shù)據(jù)倉(cāng)庫(kù)里集中了其各門(mén)店的詳細(xì)原始交易數(shù)據(jù)。在這些原始交易數(shù)據(jù)的基礎(chǔ)上，沃爾瑪利用數(shù)據(jù)挖掘方法對(duì)這些數(shù)據(jù)進(jìn)行分析和挖掘。一個(gè)意外的發(fā)現(xiàn)是："跟尿布一起購(gòu)買(mǎi)最多的商品竟是啤酒！經(jīng)過(guò)大量實(shí)際調(diào)查和分析，揭示了一個(gè)隱藏在"尿布與啤酒"背后的美國(guó)人的一種行為模式：在美國(guó)，一些年輕的父親下班后經(jīng)常要到超市去買(mǎi)嬰兒尿布，而他們中有30%～40%的人同時(shí)也為自己買(mǎi)一些啤酒。產(chǎn)生這一現(xiàn)象的原因是：美國(guó)的太太們常叮囑她們的丈夫下班后為小孩買(mǎi)尿布，而丈夫們?cè)谫I(mǎi)尿布后又隨手帶回了他們喜歡的啤酒。這是著名的“啤酒和尿布的故事”，沃爾瑪正式根據(jù)這一發(fā)現(xiàn)，及時(shí)調(diào)整營(yíng)銷(xiāo)策略，在尿布旁邊擺放啤酒，從而大大增加了兩種商品的銷(xiāo)售收入。汪剛制作子任務(wù)五商業(yè)智能核心技術(shù)汪剛制作1、數(shù)據(jù)抽?。‥-Extract）目的：與決策相關(guān)的數(shù)據(jù)；考慮：（1）確定源數(shù)據(jù)及其含義；（2）進(jìn)行數(shù)據(jù)抽取，確定訪問(wèn)哪些數(shù)據(jù)庫(kù)、文件和表；（3）確定抽取頻率；（4）確定抽取數(shù)據(jù)保存的位置；（5）無(wú)法抽取時(shí)的異常處理；2、數(shù)據(jù)轉(zhuǎn)換（T-Transform）目的：數(shù)據(jù)分析需要的、完整的、準(zhǔn)確的目標(biāo)數(shù)據(jù)；方法：（1）缺失值的處理；（2）錯(cuò)誤值的處理；（3）重復(fù)值的處理；（4）不一致性數(shù)據(jù)；3、數(shù)據(jù)加載（L-LOAD）目的：將清洗和轉(zhuǎn)換后的、符合數(shù)據(jù)分析要求的數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)中；方法：（1）直接追加；（2）全面覆蓋；ETL技術(shù)子任務(wù)四商業(yè)智能核心技術(shù)汪剛制作數(shù)據(jù)倉(cāng)庫(kù)技術(shù)概念模型010203邏輯模型物理模型子任務(wù)四商業(yè)智能核心技術(shù)汪剛制作數(shù)據(jù)倉(cāng)庫(kù)技術(shù)邏輯模型分類(lèi)：星型模型和雪花模型；構(gòu)成：事實(shí)表和維度表組成；星型模型：事實(shí)表可連接多種維度表，維度表只有一層。維度表和事實(shí)表必須有能夠關(guān)聯(lián)的字段。左圖中：采購(gòu)訂單表是事實(shí)表，包含企業(yè)實(shí)際的全部采購(gòu)訂單數(shù)據(jù)，通常記錄數(shù)很多；而日期表、商品表、物流表、供應(yīng)商表等都是維度表，其中的數(shù)據(jù)作為分析的維度，而且數(shù)據(jù)量不會(huì)很多；雪花模型：星型模型的擴(kuò)展，事實(shí)表的外部有多層維度表；子任務(wù)四商業(yè)智能核心技術(shù)汪剛制作聯(lián)機(jī)分析處理技術(shù)（OnlineAnalyticalProcessing，OLAP），多維數(shù)據(jù)分析數(shù)據(jù)立方體切片（Slice）切塊（Dice）鉆?。―rill-down）上卷（Roll-up）旋轉(zhuǎn)（Pivot）子任務(wù)五自助式商業(yè)智能分析工具分類(lèi)商業(yè)智能工具特點(diǎn)國(guó)外PowerBI微軟官方推出的可視化數(shù)據(jù)探索和交互式報(bào)告工具；PowerBI應(yīng)用包含：PowerBIDesktop、PowerBIOnline-Service、PowerBIMobile。其中桌面應(yīng)用程序PowerBIDesktop為免費(fèi)版；TableauTableau成立于2003年，是斯坦福大學(xué)一個(gè)計(jì)算機(jī)科學(xué)項(xiàng)目的成果；Tableau在2019年被Salesforce收購(gòu)，但使命不變：幫助人們查看并理解自己的數(shù)據(jù)；Tableau家族產(chǎn)品：TableauDesktop、TableauServer、TableauOnline、TableauPublic和TableauReader；國(guó)內(nèi)FineBIFineBI是帆軟軟件有限公司推出的一款商業(yè)智能(BusinessIntelligence)產(chǎn)品；FineBI的系統(tǒng)構(gòu)架包括四部分：（1）數(shù)據(jù)處理；（2）即時(shí)分析；（3）多維度分析；（4）Dashboard；SmartBISmartBI是思邁特軟件公司旗下產(chǎn)品。思邁特軟件成立于2011年，致力于為企業(yè)客戶提供一站式商業(yè)智能解決方案;其產(chǎn)品系列主要包括:（1）大數(shù)據(jù)分析平臺(tái);（2）數(shù)據(jù)化運(yùn)營(yíng)平臺(tái);（3）大數(shù)據(jù)挖掘平臺(tái);（4）SaaS分析云平臺(tái);汪剛制作數(shù)據(jù)類(lèi)型和財(cái)務(wù)大數(shù)據(jù)任務(wù)二汪剛制作數(shù)據(jù)類(lèi)型和財(cái)務(wù)大數(shù)據(jù)大數(shù)據(jù)維基百科：“大數(shù)據(jù)”(BigData)，或稱巨量數(shù)據(jù)、海量數(shù)據(jù)，指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無(wú)法通過(guò)人工在合理時(shí)間內(nèi)達(dá)到截取、管理、處理、并整理成為人類(lèi)所能解讀的信息；大數(shù)據(jù)具有4V特征:規(guī)模性(Volume)、高速性(Velocity)、多樣性(Variety)、價(jià)值性(Value)。根據(jù)IDC發(fā)布的《數(shù)字化世界，從邊緣到核心》白皮書(shū)，2018~2025年全球數(shù)據(jù)量將增長(zhǎng)5倍以上，IDC預(yù)測(cè)全球數(shù)據(jù)量將從2018年的33ZB增至2025年的175ZB。汪剛制作子任務(wù)一數(shù)據(jù)類(lèi)型按結(jié)構(gòu)屬性分類(lèi)結(jié)構(gòu)化數(shù)據(jù)：二維表結(jié)構(gòu)（EXCEL、SQL數(shù)據(jù)庫(kù)）非結(jié)構(gòu)化數(shù)據(jù)：文本、音頻、視頻、網(wǎng)頁(yè)按連續(xù)性特征分類(lèi)連續(xù)型數(shù)據(jù)：身高、體重離散型數(shù)據(jù)：職稱、學(xué)歷按數(shù)據(jù)的測(cè)量尺度分類(lèi)定類(lèi)數(shù)據(jù)：類(lèi)別、無(wú)序；制造業(yè)、金融業(yè)；定序數(shù)據(jù)：類(lèi)別、有序；高中、本科、碩士、博士；定距數(shù)據(jù)：數(shù)值，無(wú)絕對(duì)零點(diǎn)，可加減、不可乘除；20℃比10℃高10℃；定比數(shù)據(jù)：數(shù)值，有絕對(duì)零點(diǎn)，可加減、可乘除；體重60公斤是30公斤的2倍；

小知識(shí)：MECE原則MECE原則（MutuallyExclusiveCollectivelyExhaustive），意思是“相互獨(dú)立，完全窮盡”，是麥肯錫咨詢顧問(wèn)芭芭拉·明托在《金字塔原理》中提出的一個(gè)思考工具。在分析問(wèn)題時(shí)，把整體層層分解為要素的過(guò)程中，要遵循“相互獨(dú)立，完全窮盡”的基本法則，確保每一層的要素之間“不重疊，不遺漏”。MECE原則是一種簡(jiǎn)潔有力的、透過(guò)結(jié)構(gòu)看世界的思考工具，是“結(jié)構(gòu)化思維”的基本功。SWOT分析、波特五力模型、波士頓矩陣、平衡計(jì)分卡等都是基于“結(jié)構(gòu)化思維”，建立在MECE原則基礎(chǔ)之上的戰(zhàn)略分析工具。汪剛制作子任務(wù)二財(cái)會(huì)大數(shù)據(jù)1、企業(yè)內(nèi)部ERP系統(tǒng)或會(huì)計(jì)信息系統(tǒng)中的財(cái)務(wù)、業(yè)務(wù)數(shù)據(jù)；用友ERP-U8系統(tǒng)、金蝶K3系統(tǒng)、SAP系統(tǒng)等；ACCESS數(shù)據(jù)庫(kù)、SOLSERVER數(shù)據(jù)庫(kù)、ORACLE數(shù)據(jù)庫(kù)、EXCEL文件；2、企業(yè)外部（1）結(jié)構(gòu)化數(shù)據(jù)來(lái)源國(guó)家統(tǒng)計(jì)局發(fā)布的宏觀經(jīng)濟(jì)數(shù)據(jù)：中國(guó)人民銀行發(fā)布的金融統(tǒng)計(jì)數(shù)據(jù)：財(cái)政部定期公布的財(cái)政數(shù)據(jù)：證券市場(chǎng)交易信息：/market財(cái)經(jīng)網(wǎng)站公布的財(cái)務(wù)數(shù)據(jù)：/金融數(shù)據(jù)庫(kù)：Wind數(shù)據(jù)庫(kù)、銳思數(shù)據(jù)庫(kù)、CSMAR數(shù)據(jù)庫(kù)等（這些數(shù)據(jù)庫(kù)需購(gòu)買(mǎi)方可使用）（2）非結(jié)構(gòu)化數(shù)據(jù)來(lái)源上市公司公告信息：/交易所公告：/其他：行政法規(guī)、處罰公告、法律文書(shū)等；汪剛制作常見(jiàn)數(shù)據(jù)分析模型任務(wù)三汪剛制作明確分析思路汪剛制作子任務(wù)一SWOT分析企業(yè)戰(zhàn)略分析四部分內(nèi)部：優(yōu)勢(shì)（Strengths）；劣勢(shì)（Weaknesses）；外部：機(jī)會(huì)（Opportunities）；威脅（Threats）；策略：增長(zhǎng)型戰(zhàn)略扭轉(zhuǎn)型戰(zhàn)略防御型戰(zhàn)略多種經(jīng)營(yíng)戰(zhàn)略汪剛制作子任務(wù)二PEST分析外部宏觀環(huán)境分析四部分：政治（Political）經(jīng)濟(jì)（Economic）社會(huì)（Social）技術(shù)（Technological）汪剛制作子任務(wù)三波特五力分析模型外部微觀環(huán)境分析邁克爾·波特（MichaelPorter）于20世紀(jì)80年代初提出五種基本競(jìng)爭(zhēng)力量：供應(yīng)商的議價(jià)能力；購(gòu)買(mǎi)者的議價(jià)能力；潛在競(jìng)爭(zhēng)者進(jìn)入的能力；替代品的替代能力；行業(yè)內(nèi)競(jìng)爭(zhēng)者現(xiàn)在的競(jìng)爭(zhēng)能力；汪剛制作子任務(wù)四4Ps模型市場(chǎng)營(yíng)銷(xiāo)分析杰羅姆·麥卡錫（McCarthy）于1960年在其《基礎(chǔ)營(yíng)銷(xiāo)》總結(jié)了營(yíng)銷(xiāo)組合要素四要素：產(chǎn)品（Product）；價(jià)格（Price）；渠道（Place）；促銷(xiāo)（Promotion）；汪剛制作子任務(wù)五5W2H模型客戶行為分析、業(yè)務(wù)問(wèn)題專(zhuān)題分析，營(yíng)銷(xiāo)活動(dòng)等；時(shí)間、地點(diǎn)、人物、事件、原因、方式方法、程度7個(gè)要素：為什么（Why）；什么事（What）；誰(shuí)（Who）；什么時(shí)候（When）；什么地方（Where）；如何做（How）；什么價(jià)格（Howmuch）；汪剛制作子任務(wù)六RFM模型客戶綜合評(píng)價(jià)；RFM模型三個(gè)維度：R（Recency）：最近一次消費(fèi)；F（Frequency）：消費(fèi)頻率；M（Monetary）：消費(fèi)金額；計(jì)算RFM值，評(píng)估用戶價(jià)值汪剛制作子任務(wù)七AARRR模型客戶生命周期；DaveMcClure2007提出的，核心就是AARRR漏斗模型；五個(gè)階段Acquisition[獲取]；Activation[激活]；Retention[存留]；Revenue[收益]；Referral[推薦]；汪剛制作子任務(wù)八邏輯樹(shù)模型分析問(wèn)題、解決問(wèn)題的重要方法；邏輯樹(shù)又稱為問(wèn)題數(shù)，演繹樹(shù)或者分解樹(shù)；麥肯錫提出；作用：一是邏輯樹(shù)能理清思路，避免進(jìn)行重復(fù)和無(wú)關(guān)的思考；二是能保證解決問(wèn)題過(guò)程的完整性；三是邏輯樹(shù)能將工作細(xì)分，確定各部分的優(yōu)先順序，把責(zé)任明確到具體單位；汪剛制作常見(jiàn)數(shù)據(jù)分析方法任務(wù)四汪剛制作汪剛制作常見(jiàn)數(shù)據(jù)分析方法1.基礎(chǔ)分析法（1）對(duì)比分析法時(shí)間標(biāo)準(zhǔn)目標(biāo)標(biāo)準(zhǔn)企業(yè)標(biāo)準(zhǔn)行業(yè)標(biāo)準(zhǔn)（2）結(jié)構(gòu)分析法（3）描述分析法（4）分組分析法（5）多維分析法（6）預(yù)測(cè)分析法（7）象限分析法汪剛制作常見(jiàn)數(shù)據(jù)分析方法2.高級(jí)分析法描述性統(tǒng)計(jì)分析；相關(guān)分析；回歸分析；時(shí)間序列分析；假設(shè)檢驗(yàn)；方差分析；可視化技術(shù)基礎(chǔ)任務(wù)五汪剛制作數(shù)據(jù)可視化定義人類(lèi)從外界獲取信息83%來(lái)自視覺(jué)，11%來(lái)自聽(tīng)覺(jué)，6%來(lái)自其他；數(shù)據(jù)可視化，就是將工作中處理的各類(lèi)數(shù)據(jù)映射為視覺(jué)模式，來(lái)探索、解釋隱藏在數(shù)據(jù)背后的信息，在保證信息傳遞的基礎(chǔ)上尋求美感，用數(shù)