數據分析挖掘與數據化運營實戰(zhàn)

課程類別：	企業(yè)內訓
授課語言：	中文
授課顧問：	盧輝
審核時間：	我要報名2015-08-07 14:21:33

　　

　　課程背景

　　大數據時代，互聯網+時代，數據成為最重要的能源和生產力，廣大的傳統(tǒng)企業(yè)如何在這個大數據時代積極適應并擁抱大數據的挑戰(zhàn)，積極提升駕馭數據分析和數據化運營的能力，關系到企業(yè)的生存和發(fā)展。本課程《數據分析挖掘與數據化運營實戰(zhàn)》為大數據時代的傳統(tǒng)企業(yè)量身定制，助力您的數據化運營能力提升。

　　學習對象

　　1) 數據分析師、數據挖掘師

　　2) 關心大數據挑戰(zhàn)的企業(yè)高層、營銷部經理(總監(jiān))、客戶關系管理部門經理(總監(jiān))、

　　3) 數據分析項目經理、數據化運營項目經理

　　4) 其它對數據分析和數據挖掘企業(yè)實踐感興趣的企業(yè)高層、中層管理者

　　課程目標

　　1) 改變目前有關數據挖掘理論與實踐脫節(jié)的課程現狀， 從企業(yè)全方位、多層次的角度、以實戰(zhàn)應用為導向的數據分析挖掘專題培訓

　　2)使學員理解并掌握如何有效地在企業(yè)里進行數據化運營(營銷、客戶關系管理等等)的思考、布局、應用、提升;

　　3)掌握數據分析和數據挖掘在現代企業(yè)實戰(zhàn)應用中的一系列基本的行之有效的思路、方法、技巧;

　　4)學習和掌握在企業(yè)里從零開始，一步一步不斷提升數據收集和數據應用的視野、框架和能力;

　　5) 現代企業(yè)的中高層如何理解數據化運營(營銷、客戶關系管理、競爭戰(zhàn)略)，如何有效在本企業(yè)推進數據化運營戰(zhàn)略?

　　6) 企業(yè)的數據分析專業(yè)人員如何有效提升自己的數據應用專業(yè)能力;

　　7) 現代企業(yè)的數據化運營實踐中失敗的主要原因是什么?如何避免這些前車之鑒;

　　8) 身處大數據時代的現代企業(yè)如何面對大數據的挑戰(zhàn)?

　　9) 數據分析和數據挖掘在企業(yè)現代實踐中，可以做什么，不能做什么?如何在企業(yè)經營中揚長避短，用好數據挖掘的利器?

　　10)數據分析挖掘的成熟的經典的應用場景有哪些?為什么這些經典的應用場景可以在我的企業(yè)里有效復制和成功落地開花?

　　11)互聯網內外、國內外、行業(yè)內外成功的數據化運營的案例集錦與欣賞(具體的應用背景、過程細節(jié)、財務效果分析、給我們的啟示)。

　　課程內容

　　模塊1 大數據時代的企業(yè)數據化運營戰(zhàn)略和戰(zhàn)術(3小時)

　　1) 現代企業(yè)競爭面臨的挑戰(zhàn)

　　2) 大數據時代的企業(yè)的選擇

　　3) 數據化運營的前世今生

　　4) 企業(yè)數據化運營是什么?

　　5)企業(yè)數據化運營全景鳥瞰

　　6)企業(yè)數據化運營戰(zhàn)略中組織架構和具體角色?

　　7)企業(yè)數據化運營的典型場景和相關的分析挖掘技術概述

　　8)目標客戶典型特征分析(客戶畫像)、客戶360的全景指標體系

　　9)目標客戶的預測響應模型(活躍用戶流失預測模型實戰(zhàn)跟蹤分享)

　　10)運營群體的活躍度分析(指標定義)(精準營銷的用戶活躍度指標創(chuàng)建案例)

　　11)交叉銷售模型(條條大道通羅馬，多種算法回答同樣的問題，實際案例)

　　12)目標用戶分層進化金字塔(B2B交易用戶的分層模型實戰(zhàn)案例)

　　13)商品推薦模型(個性化推薦，推薦算法)

　　14)數據產品(數據產品的目的，BAT的實踐，一個新型的職業(yè)和專業(yè)，app)

　　15)精細化運營平臺的案例

　　16)決策支持(有企業(yè)自身的數據，更有行業(yè)的宏觀數據;有微觀的深入分析挖掘，更有宏觀的統(tǒng)計和調研)

　　17)互聯網+：

　　18)互聯網思維的本質

　　19)從IT到DT

　　20)工業(yè)4.0與大數據分析挖掘

　　模塊2 業(yè)務人員的數據分析意識和基本技能

　　1)運營人員的基本數據能力一覽

　　2)業(yè)務人員與數據分析人員的定位和分工

　　3) 數據分析的出發(fā)點和基礎

　　4) 數據化運營的核心

　　5) 細分的技巧

　　6)RFM細分方法

　　7 矩陣分析方法

　　8)挑選數據的原則

　　9)數據指標及其衍生

　　10)案例：通過一個線下店鋪kpi分解之后對應行動點的羅列，演示如何通過行動點的提升來最終提升kpi

　　模塊3 數據分析與數據挖掘在企業(yè)實戰(zhàn)中的主要方法論和主要技術分享(3.小時)

　　1)SEMMA

　　2)CRISP-DM

　　3)Tom Khabaza 挖掘九律

　　4)數據挖掘的主要成熟技術(回歸、分類、聚類、時間序列、協同過濾、KNN、關聯分析、

　　5)常見的數據處理技巧

　　6)建模實戰(zhàn)中常見的思考核心點

　　7)業(yè)務是核心、思路是重點、技術是工具(輔助)

　　8)一個基本的方法論(HSCTODC)

　　9)通過一個淘寶店鋪的運營實操流程，看網店的數據化運營(業(yè)務是核心，思路是重點，技術是輔佐)

　　11)2080原則

　　12)結構化思考

　　13)即客觀，也主觀

　　14)應客戶需求，重點深入分析一個實際案例(從需求提出，到分析思路，到模型技術介紹，到如何優(yōu)化，到落地應用的監(jiān)控、反饋、修正、提高)H層客戶流失預警挽留模型的項目實踐。

　　15) 應客戶需求，結合阿里的實踐，回答：如何利用手頭工具對大量數據進行有效的分析挖掘(首先要看數據如何采集、處理、獲取等前期的工作要準確、到位、有效;然后是數據分析的7個漸進的層次金字塔和分析師成長路徑的金字塔;每個層次都有實例舉證;接下來是數據化運營的落地應用環(huán)節(jié)，這里涉及到高層的認可和支持，企業(yè)全員的數據化運營的意識和氛圍，實施的監(jiān)控和效果指標跟蹤，反饋和優(yōu)化調節(jié)

　　模塊4 電商內外、行業(yè)內外的經典案例賞析

　　1)續(xù)簽數據化運營平臺的案例(續(xù)簽預測模型);

　　2)純自動在線續(xù)簽預測模型案例(純自動續(xù)簽模型及應用);

　　3)H層流失用戶預警挽留模型及落地應用閉環(huán)實踐;

　　4)2014海爾空調數據化營銷實戰(zhàn)案例討論;

　　5)2014招商銀行數據化運營案例討論;

　　6)淘寶電商流程優(yōu)化案例討論(應客戶需求)

　　7) 引導學員實際在R上操作體會有趣的聚類小項目(實際操作，體會)

　　9) 主要強調：算法是簡單的，挖掘建模是簡單的，但是不簡單的(耗時的)是思路的優(yōu)化和數據的收集、清理、清洗、轉換

　　備用模塊 :我的企業(yè)如何進行數據化運營?

　　1) 因地制宜、看菜下飯

　　2) 企業(yè)數據化運營之路的典型成長圖?

　　3) 他山之石，可以攻玉(如何避免前人的教訓)

　　4) 學員互動，針對學員企業(yè)的實際問題，相互討論，談談我的思路或者經驗

　　師資力量

　　盧輝

　　淘寶網數據挖掘與數據化運營專家，在傳統(tǒng)行業(yè)和互聯網電子商務行業(yè)從事數據挖掘在市場營銷、客戶關系管理、數據化運營實戰(zhàn)經歷近12年，以商務拓展(BD)經理、項目經理、市場營銷部經理、高級咨詢顧問、數據分析專家、數據挖掘專家的身份親歷了大量的數據庫營銷和數據化運營項目實踐。在淘寶主要從事數據化運營的數據挖掘規(guī)劃、項目管理、實施。2013年6月機械工業(yè)出版社出版的個人專著《數據挖掘與數據化運營實戰(zhàn);思路、方法、技巧與應用》在不到兩年時間里已經被出版社重印了7次，在各大圖書網站上穩(wěn)居相關類目書籍暢銷榜前列。