|
培训目标:
|
- 从企业全方位、多层次的角度、以实战应用为导向的数据分析挖掘
- 理解并掌握在企业里进行数据化运营(营销、客户关系管理等等)的思考、布局、应用、提升;
- 理解数据化运营(营销、客户关系管理、竞争战略),
- 如何有效在本企业推进数据化运营战略?
- 现代企业的数据化运营实践中失败的主要原因是什么?如何避免这些前车之鉴;
- 身处大数据时代的现代企业如何面对大数据的挑战?
- 数据分析和数据挖掘在企业现代实践中,可以做什么,不能做什么?
- 如何在企业经营中扬长避短,用好数据挖掘的利器?
- 数据分析挖掘的成熟的经典的应用场景有哪些?
- 为什么这些经典的应用场景可以在我的企业里有效复制和成功落地开花?
- 互联网内外、国内外、行业内网成功的数据化运营的案例集锦与欣赏
|
培训对象:1)数据分析师、数据挖掘师
2)关心大数据挑战的企业高层、营销部经理(总监)、客户关系管理部门经理(总监)
3)数据分析项目经理、数据化运营项目经理
4)其它对数据分析和数据挖掘企业实践感兴趣的企业高层、中层管理者 |
学员基础:具有数据分析的一定经验,最好具有运营经验 |
授课方式: 定制课程 + 案例讲解
+ 小组讨论,60%案例讲解,40%实践演练 |
培训内容:2天 |
本课程共分为4个模块,穿插课堂教学和实际案例演示讨论。 |
主题 |
课程安排 |
大数据时代的企业数据化运营战略和战术
|
- 现代企业竞争面临的挑战
- 大数据时代的企业的选择
- 数据化运营的前世今生
- “企业数据化运营”是什么?
- “企业数据化运营”全景鸟瞰
- “企业数据化运营”战略中组织架构和具体角色?
- 企业化数据应用的典型场景和相关的分析挖掘技术概述
- 目标客户典型特征分析(客户画像)、客户360的全景指标体系
- 目标客户的预测响应模型(活跃用户流失预测模型实战跟踪分享)
- 运营群体的活跃度分析(指标定义)(精准营销的用户活跃度指标创建案例)
- 交叉销售模型
- 目标用户分层进化金字塔(B2B交易用户的分层模型实战案例)
- 商品推荐模型(个性化推荐,推荐算法)
- 数据产品(数据产品的目的,BAT的实践,一个新型的职业和专业,app)
- 精细化运营平台的案例
- 决策支持(有企业自身的数据,更有行业的宏观数据;有微观的深入分析挖掘,更有宏观的统计和调研)
|
数据分析与数据挖掘在企业实战中的主要方法论和主要技术分享 |
结合阿里的实践,讲解:
- SEMMA
- CRISP-DM
- Tom Khabaza挖掘九律
- 数据挖掘的主要成熟技术(回归、分类、聚类、时间序列、协同过滤、KNN、关联分析、
- 常见的数据处理技巧
- 建模实战中常见的思考核心点
- 业务是核心、思路是重点、技术是工具(辅助)
- 一个基本的方法论(HSCTODC)
- 大胆假设,小心求证
- 2080原则
- 结构化思考
- 即客观,也主观
- 如何利用手头工具对大量数据进行有效的分析挖掘(首先要看数据如何采集、处理、获取等前期的工作要准确、到位、有效;
- 数据分析的7个渐进的层次金字塔和分析师成长路径的金字塔;
- 每个层次都有实例举证;
- 数据化运营的落地应用
- 反馈和优化调节
|
电商内外、行业内外的经典案例赏析 |
- 电商行业的案例(我的亲历)
- 引导学员实际在R上操作体会有趣的聚类小项目(实际操作,体会)
- 引导学员实际在R上操作体会有趣的逻辑回归小项目(实际操作,体会)
- 主要强调:算法是简单的,挖掘建模是简单的,但是不简单的(耗时的)是思路的优化和数据的收集、清理、清洗、转换
|
我的企业如何进行数据化运营?
|
- 因地制宜、看菜下饭
- 企业数据化运营之路的典型成长图?
- 他山之石,可以攻玉(如何避免前人的教训)
- 学员互动,针对学员企业的实际问题,相互讨论,
- 谈谈我的思路或者经验
|
|
3956 次浏览 1188 次 |
|
其他人还看了课程 |
|
|