你的位置： 首页 > 内训课首页 > 职业素养 > 课程详情
课程介绍 评价详情(0)
主题
课程安排
A：大数据时代与数据化运营的机遇与挑战；
B：业务经理的数据意识和关键指标KPI的分解与落地
l 大数据战略，从国家到企业
l 大数据与“互联网+”和“工业4.0”
l 从IT 到DT
l 大数据时代数据平台的今昔对比（Hadoop技术框架和应用的通俗讲解）
l 现代企业竞争面临的挑战
l 数据化运营的前世今生
l “ 企业数据化运营”是什么？
l “企业数据化运营”全景鸟瞰
l “企业数据化运营”战略中组织架构和具体角色？
l “企业数据化运营”的关键和挑战
l “数据驱动型企业”的价值体系和核心文化
l 数据化运营的闭环性和持续优化性
l 关键指标的分解的原则和要点及淘宝案例、
l 指标分解的具体落地的产生方法、
l 城市经理的SWOT分析及竞争者洞察
l 如何收集竞争者情报、收集的信息范围
C：业务经理的数据化运营能力提升，运营的常见应用场景、项目类型、数据化运营的战略战术框架及实践反思
D：业务经理的数据化表达与沟通
l SEMMA
l CRISP-DM
l Tom Khabaza 挖掘九律
l 企业数据化运营的典型战略战术、场景和典型项目类型解析
l 目标客户典型特征分析（客户画像）、客户360的全景指标体系
l 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）
l 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）
l 汽车行业客户维系的营销框架及实施（本田汽车案例）
l 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）
l 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）
l 商品推荐模型（个性化推荐，推荐算法）
l 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）
l 精细化运营平台的案例
l 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）
l 数据化运营金字塔的BAT实践对照
l 数据化运营体系中，业务人员与分析师的分工合作，
l 业务经理的常见数据化分析思路清单（简单趋势、多维分解、漏斗转化、用户细分与RFM、A/B测试、2080原则）
l 关于团队的数据化运营执行力、
l 运营执行的全环节全流程（数据分析和模型远远不是全部，不同文案效果差异巨大）
l 企业数据化运营的金字塔、
l 企业的价值链全流程数据化应用（结合MT城市经理的Job duty）
l 数据挖掘的主要成熟技术（回归、分类、聚类、协同过滤、KNN、关联分析、随机森林、文本挖掘）
l 业务经理对数据模型可解释性的要求和评判（业务经理必须要求数据分析师提交的模型或者数据报告要有业务可解释性，什么是可解释性？为什么要强调可解释性？有哪些技术支持可解释性？业务经理是法官）
l “不懂业务就不要谈数据”（业务是核心、思路是重点、技术是工具）
l 参考数据分析师的专业成长阶梯、基本思维框架和结构化思维
l 一个基本的方法论（HSCTODC）
l 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。
l 一个合格的数据报告的框架和要件
l 高效简洁的汇报PPT写作套路和框架
本课程名称： 业务经理如何提升数据化思维意识和能力
查看更多：职业素养内训课
我要找内训供应商
授课内容与课纲相符0低0%
讲师授课水平0低0%
服务态度0低0%
课程介绍 评价详情(0)
培训受众:
课程收益:
另一方面，得到大量数据之后，从哪些数据入手，如何挖掘数据背后的原因是什么，如何制定相应的决策等等，思路不够清楚；
本课程根据我多年对各大企业业务经理的培训整理，形成业务经理数据化意识和能力的专题课程，可以有效提升业务经理的数据意识和数据分析能力，有效支持工作效率
课程大纲
主题
课程安排
A：大数据时代与数据化运营的机遇与挑战；
B：业务经理的数据意识和关键指标KPI的分解与落地
l 大数据战略，从国家到企业
l 大数据与“互联网+”和“工业4.0”
l 从IT 到DT
l 大数据时代数据平台的今昔对比（Hadoop技术框架和应用的通俗讲解）
l 现代企业竞争面临的挑战
l 数据化运营的前世今生
l “ 企业数据化运营”是什么？
l “企业数据化运营”全景鸟瞰
l “企业数据化运营”战略中组织架构和具体角色？
l “企业数据化运营”的关键和挑战
l “数据驱动型企业”的价值体系和核心文化
l 数据化运营的闭环性和持续优化性
l 关键指标的分解的原则和要点及淘宝案例、
l 指标分解的具体落地的产生方法、
l 城市经理的SWOT分析及竞争者洞察
l 如何收集竞争者情报、收集的信息范围
C：业务经理的数据化运营能力提升，运营的常见应用场景、项目类型、数据化运营的战略战术框架及实践反思
D：业务经理的数据化表达与沟通
l SEMMA
l CRISP-DM
l Tom Khabaza 挖掘九律
l 企业数据化运营的典型战略战术、场景和典型项目类型解析
l 目标客户典型特征分析（客户画像）、客户360的全景指标体系
l 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）
l 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）
l 汽车行业客户维系的营销框架及实施（本田汽车案例）
l 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）
l 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）
l 商品推荐模型（个性化推荐，推荐算法）
l 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）
l 精细化运营平台的案例
l 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）
l 数据化运营金字塔的BAT实践对照
l 数据化运营体系中，业务人员与分析师的分工合作，
l 业务经理的常见数据化分析思路清单（简单趋势、多维分解、漏斗转化、用户细分与RFM、A/B测试、2080原则）
l 关于团队的数据化运营执行力、
l 运营执行的全环节全流程（数据分析和模型远远不是全部，不同文案效果差异巨大）
l 企业数据化运营的金字塔、
l 企业的价值链全流程数据化应用（结合MT城市经理的Job duty）
l 数据挖掘的主要成熟技术（回归、分类、聚类、协同过滤、KNN、关联分析、随机森林、文本挖掘）
l 业务经理对数据模型可解释性的要求和评判（业务经理必须要求数据分析师提交的模型或者数据报告要有业务可解释性，什么是可解释性？为什么要强调可解释性？有哪些技术支持可解释性？业务经理是法官）
l “不懂业务就不要谈数据”（业务是核心、思路是重点、技术是工具）
l 参考数据分析师的专业成长阶梯、基本思维框架和结构化思维
l 一个基本的方法论（HSCTODC）
l 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。
l 一个合格的数据报告的框架和要件
l 高效简洁的汇报PPT写作套路和框架
培训师介绍
Ø 15年以上数据挖掘和分析经验，拥有海外及本土数据挖掘工作经验，熟悉挖掘模型搭建、价值链优化、市场型数据库营销战略规划设计，15年以上商业智能分析高级经验，15年数据分析和数据挖掘与建模应用经验；接受过系统的专业培训，多年负责阿里巴巴多条产品线的数据分析挖掘工作，对总体技术把关和分析课题进行框架设计、指导；
Ø 最近两年领导、参与、见证了东风集团及各子公司近两年来90%的大数据项目和数据化项目，对于汽车行业和制造业的大数据发展现状有切身的体会和感悟。
Ø 有较强的沟通、协调能力；工作认真细致，具亲和力与服务意识；处事具有一定的灵活性，能够承受工作压力。
Ø 2013年6月出版的个人专著《数据挖掘与数据化运营实战—思路、方法、技巧与应用》，出版五年来已经重印15次，受到读者和出版界好评，长居当当、京东等计算机技术类图书畅销榜。是公认的国内数据化运营的畅销书
本课程名称： 业务经理如何提升数据化思维意识和能力
查看更多：职业素养内训课