你的位置： 首页 > 内训课首页 > 市场营销 > 课程详情
课程介绍 评价详情(0)
课程收益：
通过本次培训中实际案例的分享，了解数据管理、数据应用的各种经验教训（别人花费上百亿学费买来的经验啊！），深刻理解大数据对金融行业发展的意义，发掘客户精确营销和精细运营的价值。通过本次培训中实际案例的分享，了解数据管理的各种经验教训，深刻理解大数据意义，发掘客户精确营销和服务的价值，及时识别运营金融风险，提供企业精细管理能力。
课程背景：
2014-2015年，中国的营销者正面临着一个极具挑战的经济时局，金融行业面临大数据的巨大冲击，然而他们也有机会通过撬动海量数据的杠杆来获取巨额收益。2014年中国有8.75亿的互联网用户、在移动电话用户中的渗透率达到67.8%，这就产生了消费、金融、交往、搜索等行为的海量大数据。阿里推出的支付宝等互联网金融产品，还有P2P等新小额贷模式，都对传统金融行业带来了前所未有的挑战。这些挑战的背后，谁先掌控大数据，谁就能获取巨大的经济价值。
在蓬勃发展的中国市场环境中，大数据所带来的机遇前所未有，这将是中国市场的营销者们预期取得大回报的最佳时机。营销者必须知道如何透过数据库的挖掘与分析，让手中的数据与信息发挥最大的价值，通过有效整合、分析线上和线下数据，提高与客户、潜在客户互动的精准度
本讲座通过金融行业和互联网、电信行业的客户分析实际案例，展现数据分析技术在客户营销、企业管理等方面的应用价值，阐述大数据不可阻挡的潮流趋势。
标准课时：2天（6H/天）
培训目标：
互联网大数据时代，互联网产生了更多的大数据，通过对客户的重新认识和精确营销，提升金融企业的核心竞争能力，更新企业运营、管理的新理念。
了解大数据的基本概念和特点，及大数据处理的基本技术，包括：云计算、数据仓库、数据挖掘、元数据等基本内容。解决数据质量的方法和经验，数据管理的组织机构设置等。
描绘客户画像，学习金融行业客户欺诈识别分析模型，客户细分、客户交叉营销等基本案例，增强客户离网挽留能力，基于客户喜好推荐其所需产品，预测市场舆情，金融产品标签分析，客户内容标签分析。同时，也将学习大数据应用于金融企业的各个领域，如：营销渠道选择、产品优化建议、中小企业贷款风险评估，反洗钱分析等内容。
课程内容：
一、互联网时代的“大数据、大机遇”：
1.概述
1)大数据概念和特点
2)大数据需要哪些技术支撑
3)大数据能够带来哪些新应用？
4）互联网时代产生的金融大数据内容
5）大数据如何改写金融行业？
2.大数据时代带来对传统营销的挑战
1)大数据如何成为资产？
2)大数据如何体现精确营销
3)大数据的价值
4）互联网大数据对于金融企业的价值
3.大数据时代的新营销模式
1)互联网的营销模式——微博营销、微信营销、网页营销等
2)CRM——“旧貌焕发新颜”
3)精确营销——装上了GPS，实现“精确打击”
4）金融行业的客户营销——喜好、产品、内容
【示例】淘宝支付宝大数据分析案例分享
4.如何在海量数据中整合线上、线下数据，形成你对消费者的独特洞察力
1)知道客户的各个属性——互联网时代不再“是否是狗”
2)客户的群体特征——“人以群分”
3）如何识别客户欺诈的潜在风险？
5.如何建立全渠道数据平台，拓展营销渠道，提高营销效率
1)客户接触渠道分类
2)电话、QQ、微博——全方位覆盖
3)如果进行广告的精确投放？
4)金融产品营销渠道的拓展
6.大数据的实现架构和体系
1)HADOOP技术了
2)MAP/REDUCE算法
3)非结构化数据分析的特点
4）数据仓库技术
5）数据的ETL过程描述
6）数据挖掘概述
【示例】腾讯“广点通”（精准广告）大数据应用案例
二、大数据下客户的“透视”：
1、客户是“上帝”，如何找到“上帝”？
1）上帝是什么样子？
上帝是什么视图？
2）客户是什么样子？
金融客户是什么视图？有什么样的客户标签？
3）提供哪些产品？
金融产品是什么视图？有什么产品标签？
4）如何建立客户和产品间的关系？
为合适的客户，找到合适的产品
2、我们对自己的客户（“上帝”）了解多少？
1）客户会有什么特点？
客户的基本特征（如：不同产品的年龄分布）
客户的群体特征（如：不同年龄群体关注点有哪些？）
【示例】客户细分模型案例
现代营销模式的基础，以现有产品为基础，寻找群体客户适合的产品和服务。
客户的交往圈子（如：股民圈子关注哪些金融产品？）
【示例】金融行业/电信行业客户交往圈分析案例
客户的内容消费特征（如：客户喜好哪些内容？喜欢那些金融产品？）
基于大数据，换个角度规划产品和服务。
2）大数据时代营销的方法
营销方法论和知识库（分析问题的知识库和方法树）
互联网时代的营销：“大数据、微营销”（细节营销）
营销的渠道规划：实时营销和事件营销
【示例】美剧《纸牌屋》的大数据营销；
3）企业管理方面的情况
及时发现企业真实的情况（哪些运营的关键指标KPI？）
像人体一样，如何及时发现病症？（关键指标KPI的波动范围？）
【示例】：电信企业的数码仪表盘，展示企业的KPI；如何通过手机彩信及时展现KPI给领导。
【示例】百度大数据产品（司南、精算、预测等）应用介绍
3、如何“帮客户买产品，而不是推销其不需要的产品”
1）如何进行客户的“X光透视”？
（客户的统一视图包含哪些信息？哪些是关键属性？）
如何发现客户的真实需求？（服务与骚扰的区别）
【示例】：金融行业客户的内容标签展示
2）内部产品的科学选配
（如何提供专家般量化的分析，为用户提供最优的内部产品？
如：金融行业计算出最适合用户模式的理财产品进行选择）
【示例】：为客户定制最合适的资费：经过数据精算后，告诉客户，A产品比B产品更适合张三。
3）竞争对手产品的对比
与竞争对手间的产品差异化区隔
自己产品的优势和弱点（如何提供量化的分析结果？）
【示例】：竞争对手的“客户回归”分析案例
4）销售过程的处理
销售时机的把握销售语术的把握
4、大数据营销的作用和价值
1）数据和知识是人的本质特征
2）大脑是人与动物的差别
3）“事半功倍”是捷径
4）从“拼刺刀”到“信息战”；
【示例】：某人关系图
5、金融行业如何识别欺诈客户
1）客户的行为和内容数据
2）欺诈客户的行为特点
3）欺诈客户数据挖掘模型
4）发洗钱识别模型
5）实时识别、实时预防
【示例】金融行业欺诈客户识别案例（基于客户行为数据分析）
6、客户的征信模型
1)客户征信的内容
2)客户征信应用领域
3)央行与阿里的客户征信差异
4)客户征信计算模型
【示例】阿里的蚂蚁信用分案例
三、基础数据的收集和分析
1、数据的种类
1）客户数据内容（金融客户的基本资料）
2）产品数据内容（产品的编码）
3）营销数据内容（交易记录的保存）
4）服务数据内容（客户服务数据的保存）
5）金融数据的特点：（交易型数据少、价值密度高等）
2、数据的存放方法
1）数据的清洗、转换和加载
2）存放在数据库/数据仓库
3）数据的基本分析工具EXCEL等
4）数据仓库的基本原理
5）HADOOP数据中心的基本原理
3、数据的基本整理
1）数据的归类存放（建模型）
2）数据的基本加工
4、数据挖掘技术
1）数据的基本汇总
2）数据中的“金子”：从石头中淘金子
3）数据挖掘：“啤酒和尿布”的故事
4）数据挖掘过程
5）数据挖掘算法介绍
包括：关联分析、聚类分析、决策树分析、孤立点分析等算法
【示例】：客户挽留案例剖析（数据挖掘中分类算法）
6）高级的数据挖掘工具SAS和SPSS等
【示例】：通过SAS工具识别客户欺诈案例
5、数据质量的基本保障
1）指标的口径描述和统一
2）后期补数据成本是前提收集数据成本的15倍
3）“差之毫厘谬以千里”
6、数据的安全管控
1）4A权限管控
2）数据的加密等多种技术
3）系统的“城防图”：
【示例】：某企业的数据仓库安全案例
四、客户的分析/认知
1、客户的定义和范畴
用户和客户的区别
客户是否要进行细分，如校园客户、家庭客户、集团客户、小微企业客户等
2、关于客户的基本“信息”（管中窥豹）
身份证信息行为爱好信息衍生信息
客户资料信息透露的内容分析
【示例】客户基本信息分析示例
3、客户的基本属性标签（如对儿童家庭投放儿童保险产品等）
增值服务等方面，让服务更加贴近客户
如何爬取客户的内容信息
【示例】互联网客户“内容爬取”示例
4、客户的喜好（“不怕没缺点，就怕没爱好”）
经常出没的地方（高尔夫场、酒吧街、电影院等）
通过前台的观察和后台的询问等获取的知识
【示例】通过网页浏览内容分析，获取用户的内容信息
5、客户的细化分群
客户分群的依据（物以类聚、人以群分）
数据挖掘技术应用客户分群的方法：
【示例】：淘宝客户分群案例
6、客户的知识库
实时调出符合条件的客户群体来
【示例】：金融/电信行业客户知识库举例
7、客户的“交叉营销”
如何识别家庭客户/集团客户？
如何针对家庭客户/集团客户进行营销？
【示例】：保险行业家庭客户交叉营销案例
8、客户的“再挖掘”（UPSELL/CROSSSELL）
客户群中的“种子/关键”客户客户的交往圈分析
基于客户交往圈，进行客户“再挖掘”
【示例】：客户交往圈中“关键客户”识别案例
9、客户的生命周期管理
客户的生命周期数据分析渗透到客户的生命周期全过程
【示例】客户生命周期中数据挖掘应用展示
10、客户的实时欺诈监控
客户的信誉打分；
实时分析设计与实现；
【示例】：基于客户行为的实时监控分析
五、金融产品的分析/认知
1、产品的定义和范畴
金融产品、保险产品、理财产品、股票产品等
2、关于产品的基本“信息”
产品的使用客户特征分析
产品的关联特征分析
【示例】产品关联分析案例
3、产品的基本属性标签
产品基本内容
产品增值内容
【示例】增值产品的潜在客户分析案例
4、竞争对手的竞品分析
竞争对手的同类产品分析
竞品产品量化对比分析
【示例】为客户定制“产品”
5、产品的潜在客户分析
产品潜在用户的特征分析
【示例】：“猜你喜欢”案例介绍
6、产品的“交叉营销”
如何识别客户喜好的产品？
如何进行客户交叉营销？
【示例】：金融行业产品交叉营销案例（金融的啤酒和尿布）
7、产品的升级、改造
产品改进数据获取
产品改进创新设计
【示例】小米手机的大数据营销案例
六、如何为合适的用户提供合适的产品？
1、营销的目的：为合适的用户提供合适的产品
除了“激情营销”，更需要“理性营销”；
真正满足客户需求才能构建长久的营销关系；
客户的真实需求如何？
2、如何发现合适的用户
谁是合适的客户？标准有哪些？客户的担心、顾虑是什么？
3、如何提供合适的产品
从现有的产品客户中寻找目标客户特征
【示例】：电信行业客户“手机阅读报”针对性营销案例示例
4、营销案的设计和评估
如何吸引用户？如何让用户选择产品？
营销与广告的差异；
营销案的设计（吸引眼球）；
营销案的评估
5、营销的过程和细节
类似CRM系统的营销流程管理
营销活动的实时性提升
【示例】：某餐饮行业CRM营销案例
6、营销的渠道选择
客户是否喜欢外呼电话，还是短信？还是网上营业厅？
【示例】：用户偏好渠道分析的案例
7、如何避免对客户的过渡打扰
限制每月的外呼次数；
通过网站等渠道进行营销和广告；
8、客户的挽留和延伸销售
识别真正有价值的客户；
【示例】：客户价值评估介绍
尽量让客户进入更高级别，避免降级：（行业的价格战，将钻石卡用户打成了金卡；金卡用户打成了银卡）
七、企业的“智慧运营”
1、企业量化管理概述：
企业的量化指标；
企业的量化管理内容；
【示例】企业基于GIS信息的网格指标监控
2、企业成本分析：
成本数据获取；
成本分析内容；
【示例】某企业人工成本分析案例
3、企业价值链管控分析
企业上下游企业分析；
【示例】某企业渠道欺诈分析；
4、企业的异常运营控制
异常KPI指标的及时告警；
异常的基本影响因素分析
【示例】某企业KPI异常监控和分析案例
5、金融企业的风险控制
互联网舆情监控；
客户（企业）的360度大数据收集；
客户（企业）的360度风险评估；
【示例】企业风险评估案例
6、网贷平台的P2P风险评估
P2P的冲击和挑战；
P2P的风险评估数据及方法；
【示例】P2P风险评估案例
八、如何编写漂亮的分析报告（既有漂亮里子，也要有漂亮面子）
1、数据是基础
2、分析报告是展现形式
3、分析报告的思路
4、分析报告的方法
示例：分析报告演示
九、数据的质量问题
（数据仓库项目的60%精力是在解决数据质量问题）
1、数据质量的问题表现
接通率的量化依据数据转换成为成功订单几率的描述
示例：数据质量的问题分布图
2、数据质量的根源在哪里
业务管理的标准化指标的口径一致性问题
3、数据质量的管理模式
理清数据的来龙去脉列出数据的监控点
4、数据质量的量化评估方法
数据质量的评估标准
【示例】：数据质量的评估指标
十、总结和展望
段方老师简介
中国移动集团总部大数据专家、数据仓库项目经理
多家培训机构及大学总裁班特邀讲师
十几年专注于大数据的研究与推广
段方博士承担了国内最大电信运营商的数据仓库和大数据中心的设计和建设、运营工作，积累了15年的大数据领域的实际工作经验。带领相关的团队，从系统创建到系统运营，开发了很多大数据领域的各种应用。积累了国内唯一的大数据在大企业建设、运营的经验。其前后主持设计的文档，有150余册、1200多万字。涉及大数据系统的数据模型、数据接口、系统架构、质量管控、业务应用、系统安全等各个领域。
受邀为多场大型专业论坛会议进行主题发言，多次获得好评，演讲经验丰富。先后给各种行业（电信行业、金融行业、制造行业、服务行业、零售行业等）进行过各种培训，累计数百次。
教育经历：
2002――2005（博士后学历）：北京大学信息科学技术学院博士后工作
1998——2001（博士学位）：北京邮电大学电子工程系攻读博士学位
1995——1998（硕士学位）：北京邮电大学智能网国家重点实验室 计算机应用专业
主讲课程：
《大数据时代企业的精细化运营和管理》
《大数据在制造业精细管理应用》
《大数据在金融行业的应用和案例》
《互联网和电信行业大数据案例分享》
《呼叫中心系统大数据分析》
《大数据时代的精确营销与服务运营》
《大数据中数据挖掘及案例（含CRISP-DM）》
《大数据处理技术架构及通过数据分析用户行为》
《大数据环境下企业转型与创新》
授课风格：
理智型教学，将理论性、实践性与趣味性相结合,讲解深入浅出，分析、论证时思路清晰。
工作经历：
1.主持设计并完成了电信行业最大的大数据中心系统（截至到2015年中达到18000TB存储容量，累计投资120亿元）
充分参考了互联网行业BAT（百度、阿里、腾讯）和谷歌等互联网企业的大数据建设案例，在电信行业主持设计并建设了国内最大的大数据中心（18PB）。基于HADOOP云计算架构，结合数据仓库系统，构建了混搭的大数据中心系统，完成了互联网内容爬去、客户内容喜好分析、客户数据业务营销、社会渠道欺诈、GIS网格量化、客户投诉分析等各种应用。提升了企业对外数据服务管理能力，增强了企业“数据变现”的水平。
2.主持设计并完成了世界上最大的数据仓库系统建设
结合某电信运营商的实际情况，创制性地提出了分级式数据仓库理论，本人主持设计并建设了某电信运营商的“经营分析系统”，前后投资了80多亿人民币，建成了目前国际最大容量的数据仓库系统。实现了客户离网分析、客户细分分群、客户价值评估、数据业务产品喜好分析、一线经理贴身支撑、客户渠道分析、供应链分析、员工量化薪酬管理、营销成本分析等。提升了企业内部量化管理水平，确保客户精准营销能力，降低企业运营成本。
3.带动了国内数据仓库和大数据产业的发展
通过本人主持和设计的最大的数据仓库系统，填补了国内在数据仓库领域技术和应用的很多空白，通过十余年的努力，带动了国内一批数据仓库领域的厂商和研究力量，对国内数据仓库行业的发展起到了积极的推动作用。同时，通过HADOOP云计算技术的研发和推广，探索了云计算如何在大型企业落地的方式、方法，总结了大量的实际案例，推动了大数据在非互联网企业的经营研究。
4.学术上取得了一些成绩
依据提出的“分级式数据仓库理论”。
5.组织了某电信运营商在数据仓库领域和云计算领域的队伍
带动某电信运营商的相关员工，通过多次的培训，逐步组织了各省公司的技术骨干团队，对系统的维护、新业务的开发和工程项目的管理等方面，积累了宝贵的经验。
6.与国内外进行了积极的交流
通过举办几次数据仓库技术论坛，与国内外的厂商进行了广泛的技术交流。先后与VODAPHONE 、AT&T、VERIZION等多家国外运营商就数据仓库的建设和使用进行了充分的交流，并赴部分国外运营商进行了实地的考察工作。
与BAT等互联网企业进行了充分的调研和交流，熟悉BAT大数据的架构和应用情况。详细分析、比较过互联网企业和传统企业在大数据应用领域的各自优势，给出了实际的咨询方案。
出版著作：
2005年出版了电信行业第一本数据仓库专著《数据仓库技术及其在电信领域中的应用》和《数据仓库基础》（电子工业出版社出版）两本书籍。前后在各种技术媒体发表了几十篇各种文章，有的文章被SCI检索收录。
2015年将完成《大数据&大分析》和《大数据的互联网思维》两本书籍的编写和出版工作。
部分曾服务客户：
中国人民银行、汇丰投资、金泰化成投资、中国电力建设集团、中国石油吉林公司、北京海淀区政府、首都信息发展公司、信息产业部、北京中交集团、重庆北汽、北京移动、成都移动、遂宁移动、山东移动、惠州移动、上海奉贤区电信、中山移动、佛山移动、深圳移动、上海联通、国信公司、中国吉通、深圳金立手机、杭州苏宁电器、威斯特时尚购物、武汉工贸、富邦科技、兰芯数据定向传媒、新农翔饲料、盛世达医疗设备、唐郎商旅网、亿童文教股份、泰康人寿、用友集团、青牛公司、上海交大EMBA班、浙江大学EMBA班、武汉大学EMBA班、
本课程名称： 金融行业大数据精准营销及精细化管理
查看更多：市场营销内训课
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%
你实际购买的价格
付款时最多可用0淘币抵扣0元现金
购买成功后，系统会给用户帐号返回的现金券
课程介绍 评价详情(0)
课程大纲
课程收益：
通过本次培训中实际案例的分享，了解数据管理、数据应用的各种经验教训（别人花费上百亿学费买来的经验啊！），深刻理解大数据对金融行业发展的意义，发掘客户精确营销和精细运营的价值。通过本次培训中实际案例的分享，了解数据管理的各种经验教训，深刻理解大数据意义，发掘客户精确营销和服务的价值，及时识别运营金融风险，提供企业精细管理能力。
课程背景：
2014-2015年，中国的营销者正面临着一个极具挑战的经济时局，金融行业面临大数据的巨大冲击，然而他们也有机会通过撬动海量数据的杠杆来获取巨额收益。2014年中国有8.75亿的互联网用户、在移动电话用户中的渗透率达到67.8%，这就产生了消费、金融、交往、搜索等行为的海量大数据。阿里推出的支付宝等互联网金融产品，还有P2P等新小额贷模式，都对传统金融行业带来了前所未有的挑战。这些挑战的背后，谁先掌控大数据，谁就能获取巨大的经济价值。
在蓬勃发展的中国市场环境中，大数据所带来的机遇前所未有，这将是中国市场的营销者们预期取得大回报的最佳时机。营销者必须知道如何透过数据库的挖掘与分析，让手中的数据与信息发挥最大的价值，通过有效整合、分析线上和线下数据，提高与客户、潜在客户互动的精准度
本讲座通过金融行业和互联网、电信行业的客户分析实际案例，展现数据分析技术在客户营销、企业管理等方面的应用价值，阐述大数据不可阻挡的潮流趋势。
标准课时：2天（6H/天）
培训目标：
互联网大数据时代，互联网产生了更多的大数据，通过对客户的重新认识和精确营销，提升金融企业的核心竞争能力，更新企业运营、管理的新理念。
了解大数据的基本概念和特点，及大数据处理的基本技术，包括：云计算、数据仓库、数据挖掘、元数据等基本内容。解决数据质量的方法和经验，数据管理的组织机构设置等。
描绘客户画像，学习金融行业客户欺诈识别分析模型，客户细分、客户交叉营销等基本案例，增强客户离网挽留能力，基于客户喜好推荐其所需产品，预测市场舆情，金融产品标签分析，客户内容标签分析。同时，也将学习大数据应用于金融企业的各个领域，如：营销渠道选择、产品优化建议、中小企业贷款风险评估，反洗钱分析等内容。
课程内容：
一、互联网时代的“大数据、大机遇”：
1.概述
1)大数据概念和特点
2)大数据需要哪些技术支撑
3)大数据能够带来哪些新应用？
4）互联网时代产生的金融大数据内容
5）大数据如何改写金融行业？
2.大数据时代带来对传统营销的挑战
1)大数据如何成为资产？
2)大数据如何体现精确营销
3)大数据的价值
4）互联网大数据对于金融企业的价值
3.大数据时代的新营销模式
1)互联网的营销模式——微博营销、微信营销、网页营销等
2)CRM——“旧貌焕发新颜”
3)精确营销——装上了GPS，实现“精确打击”
4）金融行业的客户营销——喜好、产品、内容
【示例】淘宝支付宝大数据分析案例分享
4.如何在海量数据中整合线上、线下数据，形成你对消费者的独特洞察力
1)知道客户的各个属性——互联网时代不再“是否是狗”
2)客户的群体特征——“人以群分”
3）如何识别客户欺诈的潜在风险？
5.如何建立全渠道数据平台，拓展营销渠道，提高营销效率
1)客户接触渠道分类
2)电话、QQ、微博——全方位覆盖
3)如果进行广告的精确投放？
4)金融产品营销渠道的拓展
6.大数据的实现架构和体系
1)HADOOP技术了
2)MAP/REDUCE算法
3)非结构化数据分析的特点
4）数据仓库技术
5）数据的ETL过程描述
6）数据挖掘概述
【示例】腾讯“广点通”（精准广告）大数据应用案例
二、大数据下客户的“透视”：
1、客户是“上帝”，如何找到“上帝”？
1）上帝是什么样子？
上帝是什么视图？
2）客户是什么样子？
金融客户是什么视图？有什么样的客户标签？
3）提供哪些产品？
金融产品是什么视图？有什么产品标签？
4）如何建立客户和产品间的关系？
为合适的客户，找到合适的产品
2、我们对自己的客户（“上帝”）了解多少？
1）客户会有什么特点？
客户的基本特征（如：不同产品的年龄分布）
客户的群体特征（如：不同年龄群体关注点有哪些？）
【示例】客户细分模型案例
现代营销模式的基础，以现有产品为基础，寻找群体客户适合的产品和服务。
客户的交往圈子（如：股民圈子关注哪些金融产品？）
【示例】金融行业/电信行业客户交往圈分析案例
客户的内容消费特征（如：客户喜好哪些内容？喜欢那些金融产品？）
基于大数据，换个角度规划产品和服务。
2）大数据时代营销的方法
营销方法论和知识库（分析问题的知识库和方法树）
互联网时代的营销：“大数据、微营销”（细节营销）
营销的渠道规划：实时营销和事件营销
【示例】美剧《纸牌屋》的大数据营销；
3）企业管理方面的情况
及时发现企业真实的情况（哪些运营的关键指标KPI？）
像人体一样，如何及时发现病症？（关键指标KPI的波动范围？）
【示例】：电信企业的数码仪表盘，展示企业的KPI；如何通过手机彩信及时展现KPI给领导。
【示例】百度大数据产品（司南、精算、预测等）应用介绍
3、如何“帮客户买产品，而不是推销其不需要的产品”
1）如何进行客户的“X光透视”？
（客户的统一视图包含哪些信息？哪些是关键属性？）
如何发现客户的真实需求？（服务与骚扰的区别）
【示例】：金融行业客户的内容标签展示
2）内部产品的科学选配
（如何提供专家般量化的分析，为用户提供最优的内部产品？
如：金融行业计算出最适合用户模式的理财产品进行选择）
【示例】：为客户定制最合适的资费：经过数据精算后，告诉客户，A产品比B产品更适合张三。
3）竞争对手产品的对比
与竞争对手间的产品差异化区隔
自己产品的优势和弱点（如何提供量化的分析结果？）
【示例】：竞争对手的“客户回归”分析案例
4）销售过程的处理
销售时机的把握销售语术的把握
4、大数据营销的作用和价值
1）数据和知识是人的本质特征
2）大脑是人与动物的差别
3）“事半功倍”是捷径
4）从“拼刺刀”到“信息战”；
【示例】：某人关系图
5、金融行业如何识别欺诈客户
1）客户的行为和内容数据
2）欺诈客户的行为特点
3）欺诈客户数据挖掘模型
4）发洗钱识别模型
5）实时识别、实时预防
【示例】金融行业欺诈客户识别案例（基于客户行为数据分析）
6、客户的征信模型
1)客户征信的内容
2)客户征信应用领域
3)央行与阿里的客户征信差异
4)客户征信计算模型
【示例】阿里的蚂蚁信用分案例
三、基础数据的收集和分析
1、数据的种类
1）客户数据内容（金融客户的基本资料）
2）产品数据内容（产品的编码）
3）营销数据内容（交易记录的保存）
4）服务数据内容（客户服务数据的保存）
5）金融数据的特点：（交易型数据少、价值密度高等）
2、数据的存放方法
1）数据的清洗、转换和加载
2）存放在数据库/数据仓库
3）数据的基本分析工具EXCEL等
4）数据仓库的基本原理
5）HADOOP数据中心的基本原理
3、数据的基本整理
1）数据的归类存放（建模型）
2）数据的基本加工
4、数据挖掘技术
1）数据的基本汇总
2）数据中的“金子”：从石头中淘金子
3）数据挖掘：“啤酒和尿布”的故事
4）数据挖掘过程
5）数据挖掘算法介绍
包括：关联分析、聚类分析、决策树分析、孤立点分析等算法
【示例】：客户挽留案例剖析（数据挖掘中分类算法）
6）高级的数据挖掘工具SAS和SPSS等
【示例】：通过SAS工具识别客户欺诈案例
5、数据质量的基本保障
1）指标的口径描述和统一
2）后期补数据成本是前提收集数据成本的15倍
3）“差之毫厘谬以千里”
6、数据的安全管控
1）4A权限管控
2）数据的加密等多种技术
3）系统的“城防图”：
【示例】：某企业的数据仓库安全案例
四、客户的分析/认知
1、客户的定义和范畴
用户和客户的区别
客户是否要进行细分，如校园客户、家庭客户、集团客户、小微企业客户等
2、关于客户的基本“信息”（管中窥豹）
身份证信息行为爱好信息衍生信息
客户资料信息透露的内容分析
【示例】客户基本信息分析示例
3、客户的基本属性标签（如对儿童家庭投放儿童保险产品等）
增值服务等方面，让服务更加贴近客户
如何爬取客户的内容信息
【示例】互联网客户“内容爬取”示例
4、客户的喜好（“不怕没缺点，就怕没爱好”）
经常出没的地方（高尔夫场、酒吧街、电影院等）
通过前台的观察和后台的询问等获取的知识
【示例】通过网页浏览内容分析，获取用户的内容信息
5、客户的细化分群
客户分群的依据（物以类聚、人以群分）
数据挖掘技术应用客户分群的方法：
【示例】：淘宝客户分群案例
6、客户的知识库
实时调出符合条件的客户群体来
【示例】：金融/电信行业客户知识库举例
7、客户的“交叉营销”
如何识别家庭客户/集团客户？
如何针对家庭客户/集团客户进行营销？
【示例】：保险行业家庭客户交叉营销案例
8、客户的“再挖掘”（UPSELL/CROSSSELL）
客户群中的“种子/关键”客户客户的交往圈分析
基于客户交往圈，进行客户“再挖掘”
【示例】：客户交往圈中“关键客户”识别案例
9、客户的生命周期管理
客户的生命周期数据分析渗透到客户的生命周期全过程
【示例】客户生命周期中数据挖掘应用展示
10、客户的实时欺诈监控
客户的信誉打分；
实时分析设计与实现；
【示例】：基于客户行为的实时监控分析
五、金融产品的分析/认知
1、产品的定义和范畴
金融产品、保险产品、理财产品、股票产品等
2、关于产品的基本“信息”
产品的使用客户特征分析
产品的关联特征分析
【示例】产品关联分析案例
3、产品的基本属性标签
产品基本内容
产品增值内容
【示例】增值产品的潜在客户分析案例
4、竞争对手的竞品分析
竞争对手的同类产品分析
竞品产品量化对比分析
【示例】为客户定制“产品”
5、产品的潜在客户分析
产品潜在用户的特征分析
【示例】：“猜你喜欢”案例介绍
6、产品的“交叉营销”
如何识别客户喜好的产品？
如何进行客户交叉营销？
【示例】：金融行业产品交叉营销案例（金融的啤酒和尿布）
7、产品的升级、改造
产品改进数据获取
产品改进创新设计
【示例】小米手机的大数据营销案例
六、如何为合适的用户提供合适的产品？
1、营销的目的：为合适的用户提供合适的产品
除了“激情营销”，更需要“理性营销”；
真正满足客户需求才能构建长久的营销关系；
客户的真实需求如何？
2、如何发现合适的用户
谁是合适的客户？标准有哪些？客户的担心、顾虑是什么？
3、如何提供合适的产品
从现有的产品客户中寻找目标客户特征
【示例】：电信行业客户“手机阅读报”针对性营销案例示例
4、营销案的设计和评估
如何吸引用户？如何让用户选择产品？
营销与广告的差异；
营销案的设计（吸引眼球）；
营销案的评估
5、营销的过程和细节
类似CRM系统的营销流程管理
营销活动的实时性提升
【示例】：某餐饮行业CRM营销案例
6、营销的渠道选择
客户是否喜欢外呼电话，还是短信？还是网上营业厅？
【示例】：用户偏好渠道分析的案例
7、如何避免对客户的过渡打扰
限制每月的外呼次数；
通过网站等渠道进行营销和广告；
8、客户的挽留和延伸销售
识别真正有价值的客户；
【示例】：客户价值评估介绍
尽量让客户进入更高级别，避免降级：（行业的价格战，将钻石卡用户打成了金卡；金卡用户打成了银卡）
七、企业的“智慧运营”
1、企业量化管理概述：
企业的量化指标；
企业的量化管理内容；
【示例】企业基于GIS信息的网格指标监控
2、企业成本分析：
成本数据获取；
成本分析内容；
【示例】某企业人工成本分析案例
3、企业价值链管控分析
企业上下游企业分析；
【示例】某企业渠道欺诈分析；
4、企业的异常运营控制
异常KPI指标的及时告警；
异常的基本影响因素分析
【示例】某企业KPI异常监控和分析案例
5、金融企业的风险控制
互联网舆情监控；
客户（企业）的360度大数据收集；
客户（企业）的360度风险评估；
【示例】企业风险评估案例
6、网贷平台的P2P风险评估
P2P的冲击和挑战；
P2P的风险评估数据及方法；
【示例】P2P风险评估案例
八、如何编写漂亮的分析报告（既有漂亮里子，也要有漂亮面子）
1、数据是基础
2、分析报告是展现形式
3、分析报告的思路
4、分析报告的方法
示例：分析报告演示
九、数据的质量问题
（数据仓库项目的60%精力是在解决数据质量问题）
1、数据质量的问题表现
接通率的量化依据数据转换成为成功订单几率的描述
示例：数据质量的问题分布图
2、数据质量的根源在哪里
业务管理的标准化指标的口径一致性问题
3、数据质量的管理模式
理清数据的来龙去脉列出数据的监控点
4、数据质量的量化评估方法
数据质量的评估标准
【示例】：数据质量的评估指标
十、总结和展望
段方老师简介
中国移动集团总部大数据专家、数据仓库项目经理
多家培训机构及大学总裁班特邀讲师
十几年专注于大数据的研究与推广
段方博士承担了国内最大电信运营商的数据仓库和大数据中心的设计和建设、运营工作，积累了15年的大数据领域的实际工作经验。带领相关的团队，从系统创建到系统运营，开发了很多大数据领域的各种应用。积累了国内唯一的大数据在大企业建设、运营的经验。其前后主持设计的文档，有150余册、1200多万字。涉及大数据系统的数据模型、数据接口、系统架构、质量管控、业务应用、系统安全等各个领域。
受邀为多场大型专业论坛会议进行主题发言，多次获得好评，演讲经验丰富。先后给各种行业（电信行业、金融行业、制造行业、服务行业、零售行业等）进行过各种培训，累计数百次。
教育经历：
2002――2005（博士后学历）：北京大学信息科学技术学院博士后工作
1998——2001（博士学位）：北京邮电大学电子工程系攻读博士学位
1995——1998（硕士学位）：北京邮电大学智能网国家重点实验室 计算机应用专业
主讲课程：
《大数据时代企业的精细化运营和管理》
《大数据在制造业精细管理应用》
《大数据在金融行业的应用和案例》
《互联网和电信行业大数据案例分享》
《呼叫中心系统大数据分析》
《大数据时代的精确营销与服务运营》
《大数据中数据挖掘及案例（含CRISP-DM）》
《大数据处理技术架构及通过数据分析用户行为》
《大数据环境下企业转型与创新》
授课风格：
理智型教学，将理论性、实践性与趣味性相结合,讲解深入浅出，分析、论证时思路清晰。
工作经历：
1.主持设计并完成了电信行业最大的大数据中心系统（截至到2015年中达到18000TB存储容量，累计投资120亿元）
充分参考了互联网行业BAT（百度、阿里、腾讯）和谷歌等互联网企业的大数据建设案例，在电信行业主持设计并建设了国内最大的大数据中心（18PB）。基于HADOOP云计算架构，结合数据仓库系统，构建了混搭的大数据中心系统，完成了互联网内容爬去、客户内容喜好分析、客户数据业务营销、社会渠道欺诈、GIS网格量化、客户投诉分析等各种应用。提升了企业对外数据服务管理能力，增强了企业“数据变现”的水平。
2.主持设计并完成了世界上最大的数据仓库系统建设
结合某电信运营商的实际情况，创制性地提出了分级式数据仓库理论，本人主持设计并建设了某电信运营商的“经营分析系统”，前后投资了80多亿人民币，建成了目前国际最大容量的数据仓库系统。实现了客户离网分析、客户细分分群、客户价值评估、数据业务产品喜好分析、一线经理贴身支撑、客户渠道分析、供应链分析、员工量化薪酬管理、营销成本分析等。提升了企业内部量化管理水平，确保客户精准营销能力，降低企业运营成本。
3.带动了国内数据仓库和大数据产业的发展
通过本人主持和设计的最大的数据仓库系统，填补了国内在数据仓库领域技术和应用的很多空白，通过十余年的努力，带动了国内一批数据仓库领域的厂商和研究力量，对国内数据仓库行业的发展起到了积极的推动作用。同时，通过HADOOP云计算技术的研发和推广，探索了云计算如何在大型企业落地的方式、方法，总结了大量的实际案例，推动了大数据在非互联网企业的经营研究。
4.学术上取得了一些成绩
依据提出的“分级式数据仓库理论”。
5.组织了某电信运营商在数据仓库领域和云计算领域的队伍
带动某电信运营商的相关员工，通过多次的培训，逐步组织了各省公司的技术骨干团队，对系统的维护、新业务的开发和工程项目的管理等方面，积累了宝贵的经验。
6.与国内外进行了积极的交流
通过举办几次数据仓库技术论坛，与国内外的厂商进行了广泛的技术交流。先后与VODAPHONE 、AT&T、VERIZION等多家国外运营商就数据仓库的建设和使用进行了充分的交流，并赴部分国外运营商进行了实地的考察工作。
与BAT等互联网企业进行了充分的调研和交流，熟悉BAT大数据的架构和应用情况。详细分析、比较过互联网企业和传统企业在大数据应用领域的各自优势，给出了实际的咨询方案。
出版著作：
2005年出版了电信行业第一本数据仓库专著《数据仓库技术及其在电信领域中的应用》和《数据仓库基础》（电子工业出版社出版）两本书籍。前后在各种技术媒体发表了几十篇各种文章，有的文章被SCI检索收录。
2015年将完成《大数据&大分析》和《大数据的互联网思维》两本书籍的编写和出版工作。
部分曾服务客户：
中国人民银行、汇丰投资、金泰化成投资、中国电力建设集团、中国石油吉林公司、北京海淀区政府、首都信息发展公司、信息产业部、北京中交集团、重庆北汽、北京移动、成都移动、遂宁移动、山东移动、惠州移动、上海奉贤区电信、中山移动、佛山移动、深圳移动、上海联通、国信公司、中国吉通、深圳金立手机、杭州苏宁电器、威斯特时尚购物、武汉工贸、富邦科技、兰芯数据定向传媒、新农翔饲料、盛世达医疗设备、唐郎商旅网、亿童文教股份、泰康人寿、用友集团、青牛公司、上海交大EMBA班、浙江大学EMBA班、武汉大学EMBA班、
本课程名称： 金融行业大数据精准营销及精细化管理
查看更多：市场营销内训课