现代企业数据化运营战略与战术

1) 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）、
2) 数据分析项目经理、数据化运营项目经理
3) 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

1) 改变目前有关数据挖掘理论与实践脱节的课程现状， 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专题培训
2) 使学员理解并掌握如何有效地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；
3) 掌握数据分析和数据挖掘在现代企业实战应用中的一系列基本的行之有效的思路、方法、技巧；
4) 学习和掌握在企业里从零开始，一步一步不断提升数据收集和数据应用的视野、框架和能力；
5) 现代企业的中高层如何理解数据化运营（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？
6) 企业的数据分析专业人员如何有效提升自己的数据应用专业能力；
7) 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；
8) 身处大数据时代的现代企业如何面对大数据的挑战？
9) 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？
10) 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？
11) 互联网内外、国内外、行业内外成功的数据化运营的案例集锦与欣赏（具体的应用背景、过程细节、财务效果分析、给我们的启示）。

1) 现代企业竞争面临的挑战
2) 大数据时代的企业的选择
3) 数据化运营的前世今生
4) “ 企业数据化运营”是什么？
5) “企业数据化运营”全景鸟瞰
6) “企业数据化运营”战略中组织架构和具体角色？
7) 企业数据化运营的典型场景和相关的分析挖掘技术概述
8) 目标客户典型特征分析（客户画像）、客户360的全景指标体系
9) 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）
10) 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）
11) 交叉销售模型（条条大道通罗马，多种算法回答同样的问题，实际案例）
12) 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）
13） 商品推荐模型（个性化推荐，推荐算法）
14）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）
15）精细化运营平台的案例
16）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）
17）互联网 ：
18）互联网思维的本质
19）从IT到DT
20）工业4.0与大数据分析挖掘

卢辉，淘宝网数据挖掘与数据化运营专家，在传统行业和互联网电子商务行业从事数据挖掘在市场营销、客户关系管理、数据化运营实战经历近12年，以商务拓展(BD)经理、项目经理、市场营销部经理、高级咨询顾问、数据分析专家、数据挖掘专家的身份亲历了大量的数据库营销和数据化运营项目实践。在淘宝主要从事数据化运营的数据挖掘规划、项目管理、实施。2013年6月机械工业出版社出版的个人专著《数据挖掘与数据化运营实战—思路、方法、技巧与应用》在不到两年时间里已经被出版社重印了7次，在各大图书网站上稳居相关类目书籍畅销榜前列。

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，培训时间共2个工作日（12个小时）完成，不包括答疑 (Q&A) 时间。

模块1 – 大数据时代的企业数据化运营战略和战术（3小时）
1) 现代企业竞争面临的挑战
2) 大数据时代的企业的选择
3) 数据化运营的前世今生
4) “ 企业数据化运营”是什么？
5) “企业数据化运营”全景鸟瞰
6) “企业数据化运营”战略中组织架构和具体角色？
7) 企业数据化运营的典型场景和相关的分析挖掘技术概述
8) 目标客户典型特征分析（客户画像）、客户360的全景指标体系
9) 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）
10) 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）
11) 交叉销售模型（条条大道通罗马，多种算法回答同样的问题，实际案例）
12) 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）
13） 商品推荐模型（个性化推荐，推荐算法）
14）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）
15）精细化运营平台的案例
16）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）
17）互联网 ：
18）互联网思维的本质
19）从IT到DT
20）工业4.0与大数据分析挖掘

模块2 – 业务人员的数据分析意识和基本技能
1) 运营人员的基本数据能力一览
2) 业务人员与数据分析人员的定位和分工
3) 数据分析的出发点和基础
4) 数据化运营的核心
5) 细分的技巧
6） RFM细分方法
7） 矩阵分析方法
8) 挑选数据的原则
9) 数据指标及其衍生
10）案例：通过一个线下店铺kpi分解之后对应行动点的罗列，演示如何通过行动点的提升来最终提升kpi

模块3 – 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（3.小时）
1) SEMMA
2) CRISP-DM
3） Tom Khabaza 挖掘九律
4) 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、
5) 常见的数据处理技巧
6) 建模实战中常见的思考核心点
7) 业务是核心、思路是重点、技术是工具（辅助）
8) 一个基本的方法论（HSCTODC）
9) 通过一个淘宝店铺的运营实操流程，看网店的数据化运营（业务是核心，思路是重点，技术是辅佐）（淘宝电商的基本业务模式和业务背景，一个行之有效的运营流程，贯穿其中的“订计划，选目标，监控核心指标，及时反馈修正，最终达成目标）（结合数据化运营的闭环之两个图片，打造爆款脑力图详解，重点在于前期的行业分析，细分市场切入，通过数据分析（核心字段比较）选定竞争对手（商品）和我自身的爆款，销售目标分解，每日落实，每天监控实时效果和对手核心指标，出现问题不仅能及时发觉更要能及时落地到责任人处理，最终30天-45天完成爆款任务）
10) 大胆假设，小心求证
11) 2080原则
12) 结构化思考
13) 即客观，也主观
14）应客户需求，重点深入分析一个实际案例（从需求提出，到分析思路，到模型技术介绍，到如何优化，到落地应用的监控、反馈、修正、提高）H层客户流失预警挽留模型的项目实践。
15) 应客户需求，结合阿里的实践，回答：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；然后是数据分析的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；接下来是数据化运营的落地应用环节，这里涉及到高层的认可和支持，企业全员的数据化运营的意识和氛围，实施的监控和效果指标跟踪，反馈和优化调节

模块4 – 电商内外、行业内外的经典案例赏析
1) 续签数据化运营平台的案例（续签预测模型）；
2) 纯自动在线续签预测模型案例（纯自动续签模型及应用）；
3) H层流失用户预警挽留模型及落地应用闭环实践；
4) 2014海尔空调数据化营销实战案例讨论；
5) 2014招商银行数据化运营案例讨论；
6) 淘宝电商流程优化案例讨论（应客户需求）
7)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）
9) 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


备用模块 – 我的企业如何进行数据化运营？
1) 因地制宜、看菜下饭
2) 企业数据化运营之路的典型成长图？
3) 他山之石，可以攻玉（如何避免前人的教训）
4) 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