業務經理、市場經理
一方面基于業務目標，對于需要分析哪些數據不清晰；
另一方面，得到大量數據之后，從哪些數據入手，如何挖掘數據背后的原因是什么，如何制定相應的決策等等，思路不夠清楚；
本課程根據我多年對各大企業業務經理的培訓整理，形成業務經理數據化意識和能力的專題課程，可以有效提升業務經理的數據意識和數據分析能力，有效支持工作效率
主題 | 課程安排 |
A：大數據時代與數據化運營的機遇與挑戰；
B：業務經理的數據意識和關鍵指標KPI的分解與落地
| l 大數據戰略，從國家到企業 l 大數據與“互聯網 ”和“工業4.0” l 從IT 到DT l 大數據時代數據平臺的今昔對比（Hadoop技術框架和應用的通俗講解） l 現代企業競爭面臨的挑戰 l 數據化運營的前世今生 l “ 企業數據化運營”是什么？ l “企業數據化運營”全景鳥瞰 l “企業數據化運營”戰略中組織架構和具體角色？ l “企業數據化運營”的關鍵和挑戰 l “數據驅動型企業”的價值體系和核心文化 l 數據化運營的閉環性和持續優化性 l 關鍵指標的分解的原則和要點及淘寶案例、 l 指標分解的具體落地的產生方法、 l 城市經理的SWOT分析及競爭者洞察 l 如何收集競爭者情報、收集的信息范圍 |
C：業務經理的數據化運營能力提升，運營的常見應用場景、項目類型、數據化運營的戰略戰術框架及實踐反思
D：業務經理的數據化表達與溝通
|
l SEMMA l CRISP-DM l Tom Khabaza 挖掘九律 l 企業數據化運營的典型戰略戰術、場景和典型項目類型解析 l 目標客戶典型特征分析（客戶畫像）、客戶360的全景指標體系 l 目標客戶的預測響應模型（活躍用戶流失預測模型實戰跟蹤分享） l 運營群體的活躍度分析（指標定義）（精準營銷的用戶活躍度指標創建案例） l 汽車行業客戶維系的營銷框架及實施（本田汽車案例） l 交叉銷售模型（條條大道通羅馬，多種算法回答同樣的問題，實際案例） l 目標用戶分層進化金字塔（B2B交易用戶的分層模型實戰案例） l 商品推薦模型（個性化推薦，推薦算法） l 數據產品（數據產品的目的，BAT的實踐，一個新型的職業和專業，app） l 精細化運營平臺的案例 l 決策支持（有企業自身的數據，更有行業的宏觀數據；有微觀的深入分析挖掘，更有宏觀的統計和調研） l 數據化運營金字塔的BAT實踐對照 l 數據化運營體系中，業務人員與分析師的分工合作， l 業務經理的常見數據化分析思路清單（簡單趨勢、多維分解、漏斗轉化、用戶細分與RFM、A/B測試、2080原則） l 關于團隊的數據化運營執行力、 l 運營執行的全環節全流程（數據分析和模型遠遠不是全部，不同文案效果差異巨大） l 企業數據化運營的金字塔、 l 企業的價值鏈全流程數據化應用（結合MT城市經理的Job duty） l 數據挖掘的主要成熟技術（回歸、分類、聚類、協同過濾、KNN、關聯分析、隨機森林、文本挖掘） l 業務經理對數據模型可解釋性的要求和評判（業務經理必須要求數據分析師提交的模型或者數據報告要有業務可解釋性，什么是可解釋性？為什么要強調可解釋性？有哪些技術支持可解釋性？業務經理是法官） l “不懂業務就不要談數據”（業務是核心、思路是重點、技術是工具） l 參考數據分析師的專業成長階梯、基本思維框架和結構化思維 l 一個基本的方法論（HSCTODC） l 重點深入分析一個實際案例（從需求提出，到分析思路，到模型技術介紹，到如何優化，到落地應用的監控、反饋、修正、提高）H層客戶流失預警挽留模型的項目實踐。 l 一個合格的數據報告的框架和要件 l 高效簡潔的匯報PPT寫作套路和框架
|
