<ul id="8eaoi"></ul> 課程收益:
1) 改變目前有關數據挖掘理論與實踐脫節的課程現狀， 從企業全方位、多層次的角度、以實戰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實戰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) 現代企業的中高層如何理解數據化運營（營銷、客戶關系管理、競爭戰略），如何有效在本企業推進數據化運營戰略？
6) 企業的數據分析專業人員如何有效提升自己的數據應用專業能力；
7) 現代企業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如何面對大數據的挑戰？
9) 數據分析和數據挖掘在企業現代實踐中，可以做什么，不能做什么？如何在企業經營中揚長避短，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里有效復制和成功落地開花？
11) 互聯網內外、國內外、行業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、財務效果分析、給我們的啟示）。
課程大綱:
本課程共分為4個模塊，穿插課堂教學和實際案例演示討論，培訓時間共2個工作日（12個小時）完成，不包括答疑 (Q&A) 時間。
模塊1 – 大數據時代的企業數據化運營戰略和戰術（3小時）
1) 現代企業競爭面臨的挑戰
2) 大數據時代的企業的選擇
3) 數據化運營的前世今生
4) “ 企業數據化運營”是什么？
5) “企業數據化運營”全景鳥瞰
6) “企業數據化運營”戰略中組織架構和具體角色？
7) 企業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，一個新型的職業和專業，app）
15）精細化運營平臺的案例
16）決策支持（有企業自身的數據，更有行業的宏觀數據；有微觀的深入分析挖掘，更有宏觀的統計和調研）
17）互聯網 ：
18）互聯網思維的本質
19）從IT到DT
20）工業4.0與大數據分析挖掘
模塊2 – 業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) 業務人員與數據分析人員的定位和分工
3) 數據分析的出發點和基礎
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實戰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) 建模實戰中常見的思考核心點
7) 業務是核心、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（業務是核心，思路是重點，技術是輔佐）（淘寶電商的基本業務模式和業務背景，一個行之有效的運營流程，貫穿其中的“訂計劃，選目標，監控核心指標，及時反饋修正，最終達成目標）（結合數據化運營的閉環之兩個圖片，打造爆款腦力圖詳解，重點在于前期的行業分析，細分市場切入，通過數據分析（核心字段比較）選定競爭對手（商品）和我自身的爆款，銷售目標分解，每日落實，每天監控實時效果和對手核心指標，出現問題不僅能及時發覺更要能及時落地到責任人處理，最終30天-45天完成爆款任務）
10) 大膽假設，小心求證
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，到如何優化，到落地應用的監控、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
