4006-998-758
3000+课程任你选择
银行数据分析实战
研发学院 数据洞察 数据分析 快手 开课时间:2024-07-16
杨一溪

B轮AI创业公司COO

前快手产品总监(对标阿里P9+)

滴滴增长负责人(对标阿里P9)

美团高级产品专家(对标阿里P8)和航天五院嵌入式工程师

中央财经大学EMBA讲师,长江商学院讲师,EMBI国际营销认证高级讲师

全球产品经理大会、产品经理大会、全球技术创新大会特邀讲师及出品人

操盘4个日活过亿的产品

擅长数据分析、用户洞察、产品架构设计和AI,同时拥有C端和B端产品经验,企业培训5年经验。

 

项目经验:

l  国内外AI产品从0到1,1到10,10到100的体系化增长方式和产品PMF、商业模式选择,

l  快手DAU实现198%增长,参与央视春晚红包活动、奥运活动、快手新业务作为增长1号位搭建C侧用户

l  增长体系、内容体系,B侧的创作者激励体系,美团支付第一位产品经理并组建产品和运营团队,完成半年获取600万

l  商家用户,用户和商户分层以及运营策略,营销补贴、流量分发体系、金融场景化消费场景搭建..

l  在滴滴实现营销费用降低50%,交易额增加3倍的精细化运营策略等

l  出版《全域增长:从战略制定到战术执行》作者,支付宝VP、美团VP、腾讯VP、航天部院长等推荐

l  全球产品经理大会等6个大会特邀嘉宾并均被评选为最受欢迎讲师《全域增长:从战略制定到战术执行》被支付宝和美团VP、工行支行行长联名推荐

查看老师详情
课程内容

课程目标:

1.数据思维升级:提升核心团队不同角色数据思维能力

2.业务诊断:通过业务分析指标体系对核心经营指标、业务异常等进行分析阶段

3.数据体系建立:团队管理者上下同欲设计目标,员工拆解自己的OKR,一级指标到四级指标建立,针对数据发现问题并解决问题。

4.策略落地:增强高阶产品体系化和战略化业务增长能力


课程大纲:

一、数据洞察(3小时)

1. 如何找到北极星指标

1.1如何定义一个好指标,建立指标的误区(短期和长期)

案例:招行三阶段指标变化背后思考AUM-MAU-AUM+MAU

1.2评估北极星指标

(1)估算方式一:自上而下的北极星指标

(2)估算方式二:参照系法

(3)估算方式三:正向估算

2. 如何搭建数据指标体系,助力业务增长

数据指标的拆解思路,教你建设好一个好的质量评估体系和监控体系(从财务指标-业务指标-影响要素)

案例:银行信贷业务指标拆解

2.1分级评估体系

2.2指标体系常见的误区

带你读懂数据,找到业发力点

3. 案例:招商圆方平台数据分析平台构建四阶段以及背后思路

(1)第一阶段:搭建数据基础体系

(2)第二阶段:数据指标和组织体系打通

(3)第三阶段:问题排查和业务诊断

(4)第四阶段:智能决策

4. 洞察业务问题基础:归因体系(哪个业务哪个项目对业务的影响要素分析)和A/B实验能力

4.1 归因体系搭建

4.2 归因五部曲(用户识别-归因模型-归因方法-归因串联-归因周期

4.3 归因六方法以及应用场景

4.2 数据采集

明确埋点需求(想清楚)-形成需求文档(讲明白)

4.3 A/B实验

4.3.1 A/B实验测试的理论基础-假设验证

4.3.2设计A/B实验测试流程和三原则(流量分配、实验周期等)

4.3.4 A/B实验工具&A/B实验系统介绍

4.4数据可视化,汇报锦上添花

章节收益

案例

1.京东金融、字节A/B实验

2.银行数据数据采集实战

3.字节的归因体系框架设计

章节收益:

1.定义北极星指标

2.掌握三种合理估算北极星指标的方法

3.找到行业&竞品数据方法

4.监控&预警&业务洞察&业务决策数据产品搭建

5.掌握A/B实验的流程

6.保证A/B实验效果的三原则

7.归因体系搭建框架(提高员工积极性、价值汇报和业务问题及时发现基础)

案例:基于银行不同业务指标体系拆解的方法(个贷、手机银行、零售等)

成果:设计自己的数据指标体系并洞察增长方向


二、活用数据分析方法,应对不同业务场景实战:发现问题、原因找寻和问题预警)以及四大方法(3小时)

1. 分析结果,【发生了什么】的数据分析方法(描述性分析)

1.1 趋势分析

案例:招行留存分析、银行数据为什么涨跌

1.2 对比分析

案例:银行财富用户流失原因分析、流失原因定义以及召回用户价值评估、策略有效性分析(区分出产品、行业或者业务员的权重)

1.3 漏斗分析

案例1:银行信用卡

案例2:银行基于区域降低补贴

案例3:信贷体验量化:将主观的客户体验变为客观评价(影响面*影响深度)

1.4 提升问题本质探索的三座大山(定位错误、假设验证率和业务关联)

案例:成单率提升

案例:银行零售业务数据分析(优惠券使用率和ROI提升)

2. 业务预警(诊断类分析)

找到异常:西格玛分析和四分位差

3. 业务问题诊断,分析【为什么发生】的三大方法

3.1 细分分析&对比分析

3.2 潜在用户价值分析,路径分析(位数摁着

3.3 用户为什么会转化,归因分析

3.4 AI构建用户(流失概率分析、价值分析等)

4. 建模型三大方法和应用场景

场景一:预测发展趋势:线性回归

案例:建行用户交叉购买意愿分析

场景二:评估相似程度:K-means聚类

场景三:识别关键因子:logistic回归

5. 数据分析基础:用户画像(标签体系、用户分群和用户分层)

案例1:信用卡分群和标签体系

案例2:工行对公对私全业务标签体系建设

章节收益

1.掌握业务发生了什么描述性分析的四大方法

2.掌握业务预警诊断类的两大方法

3.掌握业务为什么发生的三大方法

4.建模型分析的三大方法以及三大应用场景

成果:设计自己业务监控和价值评估的指标体系、数据看板、数据体系 


返回上一级