课程特色
课程收获
1、了解大数据营销内容，掌握大数据在营销中的应用
2、了解基本的营销理论，并学会基于营销理念来展开大数据分析
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Excel和SPSS软件应用操作
5、学会选择合适的分析模型来解决相应的营销问题
课程特色
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
本课程由浅入深，结合原理主讲软件工具应用，不需要太深的数学知识，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：大数据实现精准营销
1、传统营销的困境与挑战
2、营销理论的变革（4P4CnPnC）
3、大数据引领传统营销
4、大数据在营销中的典型应用
5、大数据营销的基石：用户画像
6、客户生存周期中的大数据应用
演练：如何用大数据来支撑手机精准营销项目
第二部分：大数据基础—数据思维篇
1、大数据时代：缺的不是一堆方法，而是大数据思维
2、大数据的本质
3、大数据四大核心价值
（1）用趋势图来探索产品销量规律
（2）从谷歌的GFT产品探索用户需求变化
（3）从大数据炒股看大数据如何探索因素的相关性
（4）阿里巴巴预测经济危机的到来
（5）从美国总统竞选看大数据对选民行为进行分析
4、大数据价值落地的三个关键环节
（1）业务数据化、数据信息化、信息策略化
案例：喜欢赚“差价”的营业员（用数据管理来识别）
第三部分：大数据精准营销—分析框架篇
1、数据分析简介
2、数据分析的六步曲
步骤1：明确目的--理清思路
步骤2：数据收集—理清思路
步骤3：数据预处理—寻找答案
步骤4：数据分析--寻找答案
步骤5：数据展示--观点表达
步骤6：报表撰写--观点表达
演练：如何用大数据来支撑手机精准营销项目
演练：如何构建一个良好的大数据分析框架
第四部分：用户行为分析—分析方法篇
1、大数据精准营销的前提：用户行为分析
2、数据分析方法的层次
（1）描述性分析法（对比/分组/结构/趋势/交叉…）
（2）相关性分析法（相关/方差/卡方…）
（3）预测性分析法（回归/时序/决策树/神经网络…）
（4）专题性分析法（聚类/关联/RFM模型/…） |
|
3、统计分析基础
4、统计分析常用指标
（1）汇总方式：计数、求和、百分比（增跌幅）
（2）集中程度：均值、中位数、众数
（3）离散程度：极差、方差/标准差、IQR
（4）分布形态：偏度、峰度
5、基本分析方法及其适用场景
（1）对比分析（查看数据差距）
（2）分组分析（查看数据分布）
（3）结构分析（评估事物构成）
（4）趋势分析（发现事物随时间的变化规律）
（5）交叉分析（多维数据分析）
6、综合分析方法及其适用场景
（1）综合评价法（多维指标归一）
（2）杜邦分析法（关键因素分析-财务数据分析）
（3）漏斗分析法（关键流程环节分析）
（4）矩阵分析法（产品策略分析-象限图分析法）
7、最合适的分析方法才是硬道理
第五部分：用户行为分析—分析思路篇
1、常用分析思路模型
2、用户行为分析（5W2H分析思路）
案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H）
第六部分：影响因素分析—属性筛选篇
1、影响因素分析的常见方法
2、相关分析（衡量两数据型变量的线性相关性）
问题：这两个属性是否会相互影响？影响程度大吗？
（1）相关分析简介
（2）相关分析的应用场景
（3）相关分析的种类
（4）相关系数的三种计算公式
（5）相关分析的假设检验
（6）相关分析的四个基本步骤
演练：营销费用会影响销售额吗
演练：哪些因素与汽车销量有相关性
（7）偏相关分析
（8）距离相关分析 |
|
3、方差分析（衡量类别变量与数值变量间的相关性）
问题：哪些才是影响销量的关键因素？
（1）方差分析的应用场景
（2）方差分析的三个种类
（3）方差分析的原理
（4）方差分析的四个步骤
（5）解读方差分析结果的两个要点
演练：终端摆放位置与终端销量有关吗
演练：开通月数对客户流失的影响分析
演练：客户学历对消费水平的影响分析
演练：广告和价格是影响终端销量的关键因素吗
演练：营业员的性别、技能级别对产品销量有影响吗
演练：寻找影响产品销量的关键因素
（6）多因素方差分析原理、作用、结果的解读
演练：广告形式、地区对销量的影响因素分析（多因素）
（7）协方差分析原理
（8）协方差分析的适用场景
演练：饲料对生猪体重的影响分析（协方差分析）
4、列联分析/卡方检验（两类别变量的相关性分析）
（1）交叉表与列联表
（2）卡方检验的原理
（3）卡方检验的几个计算公式
（4）列联表分析的适用场景
案例：套餐类型对客户流失的影响分析
案例：学历对业务套餐偏好的影响分析
案例：行业/规模对风控的影响分析
5、相关性分析方法总结 |
|
第七部分：产品销量预测—回归预测篇
1、销量预测与市场预测模型介绍
（1）时序预测
（2）回归模型
（3）季节性预测（相加/相乘模型）
（4）产品预测（珀尔曲线/龚铂兹曲线）
2、回归分析/回归预测
问题：如何预测未来的销售量（定量分析）？
（1）回归分析简介
（2）回归分析的种类（一元/多元、线性/曲线）
（3）得到回归方程的常用工具
演练：散点图找营销费用与销售额的关系（一元回归）
（4）线性回归分析的五个步骤
演练：营销费用、办公费用与销售额的关系（线性回归）
（5）解读线性回归分析结果的技巧
定性描述：正相关/负相关
定量描述：自变量变化导致因变量的变化程度
（6）回归预测模型质量评估
评估指标：判定系数R^2、标准误差
如何选择最佳回归模型
演练：如何选择最佳的回归预测模型（一元曲线回归）
（7）预测值准确性评估
MAD、MSE/RMSE、MAPE等
（8）带分类变量的回归预测
演练：汽车季度销量预测
演练：工龄、性别与终端销量的关系
演练：如何评估销售目标与资源配置（营业厅） |
讲师简介
实战经验
曾在华为工作10年，近十年以来一直从事通信行业的研究与分析，对通信行业的市场态势、客户行为、服务效果以及运营分析等方面有深入的接触和研究，特别是针对大数据、4G及LTE标准发展，无线网络演进，网络融合，市场发展及业务应用分析，在业务应用领域投入了更多的精力，积累了相当的知识和见解。目前致力于将大数据技术应用于通信、金融、航空、电商、互联网等领域，专注于将大数据应用于行业及商业领域，解决行业实际的问题，帮助企业提升运营决策能力和大数据营销预测能力。
授课特点
深入浅出的理论讲解（分析模型），使用简单实用的工具操作（分析工具），实现分析结果到业务策略的落地。
主讲课程
“数”说营销-大数据挖掘与营销应用、大数据产业现状及应用创新、Hadoop大数据解决方案开发技术基础培训、数据分析与数据挖掘应用高级培训、大数据时代的精准营销。
服务客户
华为技术有限公司、平安集团、安能物流、中国移动、中国联通、中国电信、西部航空、富维江森、广州地铁、富士康、光大银行、招商银行……
课程对象
销售部门、营业厅、呼叫中心、业务支撑、经营分析部、网管/网优中心、运营分析部、系统开发部等对业务数据分析有基本要求的相关岗位人员。
备 注
课程名称：“数”说营销—大数据挖掘与营销应用
举办时间：
课程费用：4800元/人
：862869709 
减小字体
增大字体