一、数字化转型背景下的数据应用

1. 数据技术：构建“感知-思考-响应-反馈优化”闭环构建

2. 数据应用的四个层级

(1) 用数据发现问题

(2) 用数据探索规律

(3) 用数据发现未来

(4) 用数据发现规范（范式）

二、如何培养数字化时代下的数据思维

1. 数据思维的塑造及培养方法

(1) 量化思维：如何用数据丈量一切？

(2) 对比分析：如何发现“数据陷阱”？

案例：某金融公司业绩下滑，如何用数据应用的四个层次提升业绩

案例：如何快速预估竞品的营收？

案例：饿了么外卖常见数据指标正常与异常波动原因分析

三、如何实现数字化转型的有效思考

1. 咨询式思考框架如何快速解决问题？

(1) 研究策略型、解决方案型、分析原因型思考框架步骤及用途详解

(2) 构建“行动指导”框架，并制定一款产品的核心经营要点及中长期规划

案例：沃尔玛20年6月业绩下滑原因分析全流程详解

案例：如何对天猫全年佣金收入KPI进行完整性拆解

四、数字化转型下如何自我诊断

1. 从一场新零售的数字化转型看IT如何变革

(1) 技术架构调整

(2) 人才赋能及培养

(3) 如何打造学习型文化

五、如何实现数字化转型下的业务驱动

1. 做好业务衔接的“四步梳理法”

(1) 如何用用户意识梳理需求

(2) 如何用清单革命梳理流程

(3) 如何用三板斧梳理关系

(4) 如何用戴明环梳理执行

案例：某商业银行数字化转型全流程解析

案例：网易数分团队如何用四步梳理法节省80%需求处理时间

六、如何用分析方法快速解决问题

1. 常见分析方法的实际运用

(1) 数据推导：归纳、演绎分析

(2) 数据处理：留存、聚类分析

(3) 数据挖掘：归因、预测分析

七、如何有效输出数据化策略

1. 有效策略的特点及实现步骤

(1) 数据化策略和日常报告的异同

(2) 从数据分析到数据策略

(3) 数据策略的价值及用途

(4) 输出有效策略的具体步骤

案例：如何从复杂变量中找到影响获客渠道的主因

案例：如何精准预测双十一的销量

案例：某电商用户流失策略输出

案例：某商业银行系统研发策略输出全流程