大數據時代技術應用、戰略營銷及實戰
發布日期：2015-05-14瀏覽：4412
-
課程背景
“大數據”，其概念至今10多年了，然而，眾多的技術、市場、銷售的相關員工由于缺乏大數據的宏觀認識、缺少營銷、戰略分析的技能，還在使用原始低效的統計和分析方法，浪費大量的時間、影響了企業的發展。
大數據時代要求市場和銷售部門對客戶響應、營銷過程、行業競爭做深入分析，為決策者提供真正的決策支持，特別是為每一個營銷動作提供最佳的運作模型。
本課程從大數據的宏觀知識背景開始，探討如何將數據分析的技能應用于企業日常的技術分析、銷售運營當中。
Trainer/培訓講師：許逸帆
許逸帆，中國電信股份有限公司上海自貿區集團公司，人力資源總監。主講課程有移動互聯網思維與創新、金字塔原理、高效執行力等。課程價值點
1. 認識大數據和大數據帶來的變革。
2. 大數據的價值體現，各個行業應用。
3. 大數據帶來的行業機遇：多行業分析。
4. 案例貫穿課程始終，從案例中，讓學員認識大數據，轉變理念。
5. 根據行業特點，剖析如何利用大數據，工具、技巧和方法。
6. 重點結合某行業，剖析如何利用大數據的關鍵流程和行動。
7. 根據企業實際情況和提出的問題，所采取的行動方案建議。課程對象
中高層管理人員、技術人員、基層員工等課程時長
12 H課程大綱
方案一：營銷類
第一部分：認識大數據
1. 概念：什么是大數據
案例分享
2. 特點：大數據的特點
案例分享
第二分部：大數據帶來的變革和價值體現
1. 變革：大數據帶來的思維變革
案例分享
2. 價值：商業變革和大數據的價值體現
案例分享
3. 管理與機會：大數據帶來的管理變革
案例分享
第三部分：大數據的行業應用（每個行業通過多個案例討論）
行業應用
1. 互聯網
2. 電信
3. 金融
4. 醫療衛生
5. 能源
6. 大數據營銷
第四部分：大數據帶來的行業機遇
行業機遇分析
1. 大數據技術、產品和產業結構
2. 大數據與營銷
分享和討論：您所在企業，潛在的大數據營銷？可能遇到的問題？
3. 大數據與管理
分享和討論：從管理提升角度，您所在企業的大數據應用？可能遇到的問題？
4. 政府支持和企業布局
分享和討論：傳統IT巨頭和互聯網IT具體的行業布局
第五部分：我們與大數據
大數據技術分析：
1. 大數據的市場前景和面臨的問題
2. 大數據學習路徑
3. 分析“我”的大數據
4. 行業大數據應用分析 （結合學員上一節提出的問題，作為案例）
1) 大數據平臺建立和維護
2) 大數據系統的建立和數據維護
3) 大數據分析與處理：數據挖掘
4) 可能需要的管理和營銷模式轉變
方案二：技術類
第一部分：大數據時代概述
“大數據”火了，但是大數據的應用已經有十幾年的歷史了，本節告訴你大數據是什么。
1.大數據的應用歷史
2.大數據的全景視圖
3.最熱門的大數據工具有哪些
4.企業的市場和營銷部門應該具備哪些大數據的技能？
5.CRISP方法論
案例演練：空降經理的煩惱，您來親身體驗一下數據分析的過程
第二部分：構建企業的分析體系
本節介紹如何在企業內部實施大數據，利用大數據驅動企業的營銷動作
1.大數據如何與企業的營銷結合
a)營銷動作和大數據的結合
b)崗位的設置和技能要求
2.分析模型的設計、實施工具
a)SPSS Clementine簡介
b)SAS簡介
c)SQL Analysis簡介
d)Excel控件簡介
3.數據的收集和準備
a)數據的來源
b)原始數據轉換為業務數據
第三部分：基于關鍵指標的分析方法
指標分析是一種快速的企業績效分析手段，是衡量企業健康狀況的健康指標， 本節介紹如何通過指標構建數據分析模型。
1.案例思考：從一張報表說起
2.傳統的基于績效考核指標分析的缺陷
3.把KPI指標和管理理念相結合，搭建分析模型分析營銷狀況
4.案例解析：
a)競爭力分析模型
b)利潤分析模型
第四部分：時間序列分析
時間序列分析的目的是掌握銷售過程中出現的趨勢、規律，優化產品組合和銷售管理。
1.時間序列規律的三個方面
2.如何識別周期，認識同比的風險
3.趨勢如何分析
4.案例解析
a)數據周期分析
b)庫存風險預測
5.一元回歸分析
a)案例：行業趨勢分析
第五部分：競爭的量化分析方法簡介
1.宏觀的行業競爭力分析矩陣
2.數據來源：根據市場競爭的四個層次確定
3.競爭的敏感性分析
4.快消品的品牌轉換矩陣
5.媒體影響的量化研究
第六部分：常用的統計學分析算法簡介
數據分析不是空洞理論，還需要有科學的技術手段和方法，本節演示常見的數據分析算法。
1.協助客戶分類：聚類分析
2.識別客戶響應
a)類神經網絡
b)決策樹
c)邏輯斯蒂回歸
3.時間序列預測
a)ARIMA
b)指數平滑
第七部分：商業預測技術
預測是企業重要的決策依據，本節演示如何結合統計學算法構造一個成熟的預測模型。
1.預測責任者與支持者
2.預測的組織流程
3.不同的預測模型各自的優缺點
4.水平和趨勢模型
5.季節模型
6.如何評估預測的偏差
第八部分：數據挖掘
無差別的大眾媒體營銷已經無法滿足零和的市場環境下的競爭要求。精確營銷是現在及未來
的發展方向，精確營銷的基礎是精確的客戶定位，本節通過案例演示來說明如何進行客戶的
響應分析。
1.精確營銷與客戶細分
2.客戶細分的價值
3.基于數據驅動的細分
4.基于決策樹的案例解析
5.結果的應用
方案三：應用類
第一部分：傳統企業如何開展O2O全渠道直銷
1、傳統企業在移動互聯網時代的出路：轉型成為一家移動互聯網公司或者資產互聯網化
2、傳統企業在移動互聯網時代的資產及線下優勢
3、開展O2O的方法論和模型體系（找痛點，建產品，搭平臺，玩口碑）
4、O2O運營平臺搭建（線下渠道＋網站+App+微信＋大數據管理）
第二部分：O2O運營平臺搭建之大數據管理
1、大數據思維（大數據變革：不是大數據而是全數據）
1.1用數據來重新界定價值（1000億美金的估值：每個Facebook的用戶價值100美元）
1.2關聯推薦——數據相關性（沃爾瑪：啤酒和尿布的故事）
1.3預測未來——大數據洞察（《少數派報告》）
1.4再造價值——數據再利用、重組與挖掘（智能輸入法）
1.5個性化——不是群體而是個人（C2B）
1.6掙脫大數據——卓越的才華不依賴數據（喬布斯的創新：更大的數據源于人本身）
1.7大數據時代的隱私暴露與數據依賴癥
2、品牌商O2O大數據的構成（用戶、產品、訂單、資金、信息的關系圖譜）
2.1傳統品牌商關注的大數據：本位數據（財務數據、渠道數據、商品數據、供應鏈數據、訂單數據、物流數據、售后數據）
2.2O2O移動互聯網時代關注的大數據：消費者全行為數據（需求、尋找、發現、對比、購買、支付、分享、潛在需求）
2.3消費者數據模型
2.4分銷商數據模型
2.5行業性特征的數據模型
第三部分：O2O運營平臺搭建之線下管理
1、線下（Offline）在O2O價值鏈中的價值
2、O2O中各個角色（品牌商，經銷商，分銷商，消費者）價值
2.1O2O中經銷商的角色、定位及作用
2.2O2O中消費者的角色、定位及作用
2.3O2O中分銷商商的角色、定位及作用
2.4O2O中品牌商的角色、定位及作用
2.5O2O中各個角色（品牌商，經銷商，分銷商，消費者，店員）的利益分配模型
3、O2O中各個角色的功能實現（商家APP、商戶APP、分銷APP、微信）——App（大數據的前端表象，復雜功能的載體）
3.1商家APP業務場景及功能介紹
3.2商戶APP業務場景及功能介紹
3.3分銷APP業務場景及功能介紹
3.4微信（輕App，便捷的入口）訂閱號、服務號的定位
4、線下（Offline）的組織架構及團隊管理
第四部分：O2O運營平臺搭建之線上運營管理
1、線上（Online）在O2O價值鏈中的價值及盈利模式
2、線上（Online）的運營主要工作內容
2.1商戶服務
2.2用戶CRM管理
2.3活動策劃
2.4市場推廣
2.5客戶服務
2.6數據分析
2.7技術維護
3、線上（Online）的組織架構及團隊管理
第五部分：O2O運營平臺運營之品牌建設
1、O2O項目整體價值包裝及品牌定位
2、O2O項目超級符號及超級創意（品牌名，廣告語，VI）
3、O2O項目的整合傳播（網上網下的整合傳播）
第六部分：O2O業務流程在不同應用場景中的實現
1、服裝鞋包行業的O2O案例
2、商業地產的O2O案例
3、餐飲行業的O2O案例
4、母嬰行業的O2O案例
5、其它案例
第七部分：學員O2O項目互動交流
注：大綱依客戶具體要求會做調整。
請輸入正確的用戶名
