数据分析与商业预测（2天）
第1章 引言与概念 第2章 数据分析的流程 第3章 明确要解决的问题
第4章 提升需求预测准确率的十大利器 4.1 历史销售数据的清洗
4.2 在数据聚集的高层次上做预测然后分解 4.3 使用终端销售数据做预测
4.4 正确使用自上而下，自下而上和中间开花的预测方式 4.5 发现并剥离有特殊需求模式的SKU 4.6 正确使用最适合的预测模型 4.7 建立完善的需求预测管理流程
4.8 正确理解需求预测冲突的成因建立激励性而非惩罚性的考核机制 4.9 专业需求预测职能的配备 4.10 争取高层支持
第5章 历史销售数据的收集与清洗
5.1 从系统导数据，遇到过哪些问题？
5.1.1 日期数据不能直接用 5.1.2 数值为什么不能直接求和？ 5.1.3 姓名一样，但是无法vlookup 5.1.4 有重复值怎么办？
5.1.5 缺失值怎么处理？
5.1.6 极值（最大值/最小值）怎么处理？ 5.2 从表单收集数据，遇到过哪些问题？
5.2.1 收回来的数据表格，格式不统一怎么处理？ 5.2.2 数据表格能不能分权限来限制？
5.2.3 几十张表格，如何快速的合并到一张大表里？ 5.3 数据收集小工具推荐 5.3.1 一键去空行/空列 5.3.2 一键合并多个文件等等 第6章 数据分析与商业预测 6.1 预测责任者与支持者 6.1.1 预测的组织流程
6.2 不同的预测模型各自的优缺点 6.3 数据的描述性统计
6.3.1 均值，中位数，众数，方差，标准差等
6.4 多元回归分析：如何分析多个因素对目标值的影响程度，包含 6.4.1 如何建立多变量业务预测模型 6.4.2 如何评估业务模型的有效性
6.4.3 企业外部变量（例如经济宏观数据）的选择和过滤 6.5 回归分析演练：如何量化分析广告的效果 6.6 定性预测法 6.7 时间序列平滑预测
6.8 曲线趋势预测 6.9周权重预测法 6.10 组合预测
6.11通过市场调查/信息回馈提高订单预测准确率三大做法 第7章 数据分析与企业经营 7.1 数据分析与生产库存相结合 7.1.1 安全存量三种设定方法 7.1.2 库存量降低五大方法 7.1.3 预测模型介绍 7.2 数据分析与招聘相结合
7.2.1生产每个月的计划、设备稼动率、3-5个产品的良率 、每个产品的每小时的人均生产数等数据采集 7.2.2预测模型介绍 7.3 数据分析与销售相结合
数据分析与商业预测
