【课程目标】

本课程从实际的商业问题出发，对数据分析及数据挖掘技术进行了全面的介绍，通过从大量的企业经营数据中分析潜在的客户特征，挖掘客户行为特点，实现精准营销，帮助运营团队深入理解业务运作，支持业务策略制定以及运营决策。

通过本课程的学习，达到如下目的：

1、  了解大数据基础知识，学会数据分析的基本过程。

2、  学会数据分析的框架和思路，掌握常用数据分析方法，掌握Excel软件应用操作。

3、  熟悉数据挖掘的标准过程，掌握常用的数据挖掘方法。

4、  熟悉数据分析及数据挖掘工具，掌握SPSS软件应用操作。

5、  熟练使用图表制作工具，掌握图表美化原则，正确使用图表来表达观点。

6、  掌握数据分析报告的写作技巧及要点，全面正确地呈现分析结果。

【授课对象】

系统支撑、市场营销部、运营分析部相关技术及应用人员

【授课方式】

理论精讲 + 案例演练 + 实际业务问题分析 + Excel实践操作 + SPSS实践操作

本课程突出数据分析的实际应用，结合行业的典型应用特点，围绕实际的商业问题，进行大数据的收集与处理、数据分析与挖掘，以及数据呈现与报告撰写，全过程演练操作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。

【课程大纲】

第一部分：  解构大数据 --- 大数据的战略与大数据思维

1、 大数据时代已经来临

2、 大数据的三维理解

Ø  理论+技术+实践

3、 大数据的4V特征

Ø  大规模（Volume）

Ø  多样性（Variety）

Ø  高速度（Velocity）

Ø  价值性（Value）

4、 大数据战略——定位决定你的地位

Ø  数据即资产

Ø  “数据化运营”转变为“运营数据”

Ø  “搜索引擎”转变为“推荐引擎”

5、 大数据思维——思路决定你的出路

Ø  定量思维，一切皆可量化

Ø  相关思维，一切皆有联系

Ø  实验思维，一切皆可尝试

Ø  全样本思维，大数据的简单计算胜过小数据的复杂计算

Ø  个性化思维，以消费者为中心

Ø  融合思维，全平台大数据帮助你的数据需要整合

6、 大数据的核心价值——发现规律和预测

7、 大数据在各行业的解决方案

Ø  金融业

Ø  旅游业

Ø  零售业

Ø  电信业

8、 大数据分析与经营决策

9、 大数据的实现技术

Ø  云计算与大数据

Ø  大数据技术简介

Ø  HADOOP生态系统简介

第二部分、大数据营销的概述

1、 大数据时代带来对传统营销的挑战

2、 大数据营销的特点

Ø  时效性

Ø  个性化

Ø  关联性

3、 大数据时代的新营销模式

Ø  如何选择互联网的营销模式——微博营销、网页营销等

Ø  客户关系管理CRM——“旧貌焕发新颜”

Ø  精确营销——装上了GPS，实现“精确打击”

4、 如何在海量数据中整合数据，形成你对消费者的独特洞察力

Ø  客户的群体特征——“人以群分”，找准你的准客户

Ø  大数据用户画像——互联网时代不再“是否是狗”

5、 如何建立全渠道数据平台，拓展营销渠道，提高营销效率

Ø  互联网时代渠道分类

Ø  如果进行广告的精确投放——广告受众分析

Ø  如何实现营销效果的验证——找到适合你的营销方式

6、 如何提升你的客户粘性

Ø  评估你的客户价值——让营销策略理丰富

Ø  如何建立客户响应模型——让你的促销更有效，增加回头客

Ø  精准推荐——让你的销量再创新高

7、 客户生存周期中的大数据应用

8、 数据分析与挖掘在通信行业的应用

Ø  客户市场细分与精准营销

Ø  客户流失预警与客户挽留

Ø  产品交叉销售与套餐捆绑

Ø  营销效果评估与广告投放

Ø  客户价值评估与忠诚度

Ø  销售趋势分析与销售预测

Ø  客户满意度分析与影响因素

第三部分：认识数据分析

1、 认识数据分析

Ø  什么是数据分析

Ø  数据分析的三大作用

Ø  数据分析的三大类型

2、 数据分析与挖掘在行业的应用

Ø  客户市场细分与精准营销

Ø  客户流失预警与客户挽留

Ø  产品交叉销售与套餐捆绑

Ø  营销效果评估与广告投放

Ø  客户价值评估与忠诚度

Ø  销售趋势分析与销售预测

Ø  客户满意度分析与影响因素

3、 数据分析的六步曲

Ø  步骤1：需求明确--理清思路

Ø  步骤2：数据收集—理清思路

Ø  步骤3：数据预处理--寻找答案

Ø  步骤4：数据分析--寻找答案

Ø  步骤5：数据展示--观点表达

Ø  步骤6：报表撰写--观点表达

案例演练：Excel数据导入练习

案例演练：Excel数据预处理练习

第四部分：数据分析方法篇

1、 基本数据分析方法

Ø  对比分析、分组分析、结构分析、平均分析、交叉分析

案例演练：数据统计应用（二维交叉表-透视表）

2、 综合数据分析方法

Ø  多维数据分析（综合评价法）

Ø  财务数据分析（杜邦分析法）

Ø  流失率与转化率分析（漏斗分析法）

Ø  产品策略分析（象限图分析法）

案例演练：品牌认知度分析

第五部分：数据分析方法论篇

1、 数据分析的思想与框架

2、 企业外部环境分析（PEST分析法）

案例演练：电信行业情况分析

3、 用户消费行为分析（5W2H分析法）

案例演练：用户消费行为分析（5W2H）

4、 公司整体经营情况分析（4P营销理论）

5、 业务问题专题分析（逻辑树分析法）

6、 用户使用行为研究（用户使用行为分析法）

第六部分：数据挖掘篇

1、 什么是数据挖掘

2、 数据挖掘的发展历程

3、 数据挖掘的标准流程（CRISP-DM）

Ø  商业理解

Ø  数据准备

Ø  数据理解

Ø  模型建立

Ø  模型评估

Ø  模型应用

4、 数据挖掘技术实践

Ø  SPSS基本操作：数据导入、计算变量、描述性统计

Ø  参数检验分析（样本均值检验）

案例演练：信用卡消费评估分析

案例演练：吸烟对胆固醇指标影响的评估

案例演练：促销效果评估

Ø  非参数检验分析（样本分布检验）

案例演练：产品合格率检验

案例演练：儿童身高差异检验

案例演练：制造工艺差异检验

案例演练：训练新方法有效性检验

案例演练：促销方式效果检验

案例演练：客户满意度差异检验

Ø  方差分析（影响因素分析）

案例演练：广告形式、地区对销量的影响因素分析

案例演练：饲料与生猪体重的影响分析

Ø  相关分析（相关程度计算）

案例演练：腰围与体重的相关分析

案例演练：家庭生活开支的相关分析

Ø  回归分析（预测分析）

案例演练：工资与工龄的关系分析

案例演练：客户购买预测分析

案例演练：品牌选择预测分析

Ø  时间序列分析（预测分析）

案例演练：电视机销量预测分析

案例演练：上海证券交易所综合指数收益率序列分析

案例演练：汽车销量预测分析

Ø  聚类分析（Clustering）

案例演练：小康指数划分

案例演练：裁判标准一致性分析

案例演练：商场服务奖项奖选择

Ø  分类分析（Classification）

案例演练：银行低信用客户特征分析

案例演练：电信行业客户流失预警与客户挽留

Ø  关联分析（Association）

案例演练：超市商品交叉销售与布局优化

Ø  RFM模型

案例演练：用户价值评估与促销名单

案例演练：重购用户特征分析

Ø  预测分析（回归分析）

案例演练：产品销量预测分析

第七部分：图表呈现篇

1、 图表类型与作用

2、 常用图形

Ø  柱状图（对比分析）

Ø  条形图（对比分析）

Ø  折线图（数据趋势分析）

Ø  饼图（产品组成分析）

Ø  雷达图（多重数据比较）

案例演练：图形绘制

3、 复杂图形

Ø  平均线图（对比分析）

Ø  双坐标图（不同量纲呈现）

Ø  对称条形图（对比）

Ø  瀑布图（成本、收益构成分析）

Ø  漏斗图（用户转化率分析）

Ø  散点图/气泡图（用户、产品分类分析）

Ø  帕累托图/柏拉图(主要根因分析）

案例演练：图形绘制

4、 图表美化原则

Ø  简约

Ø  整洁

Ø  对比/突出

5、 表格呈现

6、 优秀图表示例解析

第八部分：分析报告撰写

1、 分析报告的种类与作用

2、 报告的结构

3、 报告命名的要求

4、 报告的目录结构

5、 前言

6、 正文

7、 结论与建议

8、 优秀报告展现与解析

结束：课程总结与问题答疑。