以数据拨开业务谜团、实现高质量决策
主讲：卢海波老师
【课程背景】
数据是产品团队非常宝贵的资源，也是产品经理开展业务的重要工具，产品经理在使用数据进行决策时，经常遇到以下6大痛点问题：
1、 采集缺陷：数据覆盖范围与采集存在缺失，数据与线下物理世界不匹配、远离实际情况；
2、 数据孤岛：数据分散在各个系统，缺少One ID或者统一场景串联，难以形成合力；
3、 信息过载：大量的噪音数据对决策形成干扰，在浩如烟海的数据指标中难以找到关键所在；
4、 分析不足：混淆相关性与因果关系、幸存者偏差、统计歧视等；
5、 工具低效：过度依赖图表等单一工具，对热力图、漏斗分析、时空展现等工具运营不足；
6、 数据迷信：过度依赖数据，一切决策均围绕数据进行，或者过度排斥数据；
本门课程即围绕以上痛点问题展开，通过系统化的设计，尝试解决上述问题。
【课程特色】
1、 实战引领：辅线为经典方法理论和工具，主线由各种实战场景贯穿
2、 高频互动：以各种互动方式将数据分析与决策的各种手段落地、帮助参训学员迅速上手。
3、 系统输出：系统化输出整体逻辑与实践手段
4、 案例驱动：通过正面与反面案例比对，营造反差，刺激学员更快形成肌肉记忆
【课程收益】
1、认知升级：以升维方式，从全局角度掌握低数据助力产品经理决策的方法。
2、方法提升：掌握一批系统化输出的方法。
【课程对象】
产品总监、团队的骨干产品经理、与产品团队业务有关联的相关友军
【课程时长】
1天（6小时/天）
【课程大纲】
第一个模块：重新理解与认识数据对决策能力的作用
1、 若想将数据对决策能力的作用发挥到最大化，需要做到：
l 深刻理解“数据质量”的内涵
l 围绕“特征工程”分析数据
l 建立数据价值网络
l 围绕价值网络对数据分级
工具：
1、 时空要素三分法
2、 特征工程构建模型
3、 数据价值网络集装箱
4、 数据分级框架
案例：
1、 辽沈战役之胡家窝棚战斗
2、 志愿军的7天攻势
3、 阿里巴巴2007年上市的时间点
实战：
1、围绕客户的一款实际产品、构建特征工程和数据价值网络
第二个模块：规避数据质量缺陷、解决数据孤岛、提升决策能力
1、 数据质量缺陷与孤岛式数据会直接影响产品经理决策能力，可以通过如下方式规避：
l 分析数据质量、找出真因
l 多元校验数据质量
l 替代方式提升数据质量
l 多场景挖掘数据关联价值、解决One-ID
工具：
1、 埋点设计四原则模型：场景化、完整性、可回溯、抓关键
2、 One-ID三步法：身份关联-行为关联-场景关联
3、 替代式数据质量提升工具
4、 产品运营-数据校验扁担法
案例：
1、 腾讯位置服务-大客流产品案例
2、 北极圈驯鹿模型案例-捕获与反捕获
实战：
1、为客户的一款实际产品设计数据替代方式
第三个模块：有效突破信息过载与分析不足、提升决策能力
1、以下手段专门解决数据决策中的信息过载与分析不足问题
l 建立数据萃取提纯系统降噪
l 建立数据-根因分析总谱提升穿透力
工具：
1、 数据-业务漏斗模型
2、 数据-客户场景绑定法
3、 数据-产品结构推断法
4、 数据-成本关联分析法
5、 数据综合分析框架
6、 因果推断卡
案例：
1、 某电商平台的数据降噪提纯案例
2、 经典的“幸存者偏差”案例
实战：
1、在客户的日常业务中，常见的数据陷阱有哪些？如何规避？
第四个模块：应对工具低效与数据迷信问题
1、 以下尝试通过如下路径来应对工具低效与数据迷信、从而进一步提升决策力：
l 以分析工具优化来提升工具效率
l 建立定量分析与定性分析平衡点
l 常态化的决策预研与复盘
工具：
1、 AI数据分析智能体：Chatexcel等
2、 双轨决策机制
3、 轻量版数据灰度测试破除数据迷信
案例：
1、 Nike裁撤创新部门案例
2、 某平台数据提效案例
实战：
1、 以一款客户实际产品为例，尝试解决数据工具提效问题
第五个模块：全场总结、Q&A
