主講老師: | 魏凌睿 | |
課時(shí)安排: | 2天,6小時(shí)/天 | |
學(xué)習(xí)費(fèi)用: | 面議 | |
課程預(yù)約: | 隋老師 (微信同號(hào)) | |
課程簡介: | 數(shù)字化進(jìn)程以數(shù)據(jù)分析為抓手對(duì)企業(yè)業(yè)務(wù)進(jìn)行梳理、優(yōu)化、重構(gòu),掌握傳統(tǒng)統(tǒng)計(jì)數(shù)據(jù)分析和大數(shù)據(jù)分析方法是企業(yè)員工必備技能。本課程即是在講授企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵和平臺(tái)構(gòu)建基礎(chǔ)上,探討如何利用統(tǒng)計(jì)方法工具進(jìn)行傳統(tǒng)數(shù)據(jù)分析,并以營銷的關(guān)鍵——精準(zhǔn)客戶識(shí)別方法為示例介紹大數(shù)據(jù)分析的重要方法,使得學(xué)員能夠從理念到工具對(duì)企業(yè)數(shù)字化轉(zhuǎn)型中面臨的數(shù)據(jù)分析工作做到游刃有余、精準(zhǔn)高效,從而實(shí)現(xiàn)企業(yè)降本增效的目的。 | |
內(nèi)訓(xùn)課程分類: | 綜合管理 | 人力資源 | 市場營銷 | 財(cái)務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導(dǎo)力 | 管理溝通 | 薪酬績效 | 企業(yè)文化 | 團(tuán)隊(duì)管理 | 行政辦公 | 公司治理 | 股權(quán)激勵(lì) | 生產(chǎn)管理 | 采購物流 | 項(xiàng)目管理 | 安全管理 | 質(zhì)量管理 | 員工管理 | 班組管理 | 職業(yè)技能 | 互聯(lián)網(wǎng)+ | 新媒體 | TTT培訓(xùn) | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓(xùn) | 宏觀經(jīng)濟(jì) | 趨勢(shì)發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運(yùn)營 | 法律風(fēng)險(xiǎn) | 沙盤模擬 | 國企改革 | 鄉(xiāng)村振興 | 黨建培訓(xùn) | 保險(xiǎn)培訓(xùn) | 銀行培訓(xùn) | 電信領(lǐng)域 | 房地產(chǎn) | 國學(xué)智慧 | 心理學(xué) | 情緒管理 | 時(shí)間管理 | 目標(biāo)管理 | 客戶管理 | 店長培訓(xùn) | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) | | |
更新時(shí)間: | 2022-11-15 18:58 |
課程背景:
隨著數(shù)字化轉(zhuǎn)型成為企業(yè)的必答題,企業(yè)數(shù)字化進(jìn)程的開展,面對(duì)產(chǎn)品、研發(fā)、財(cái)務(wù)、人力、銷售、維護(hù)各個(gè)環(huán)節(jié)鋪面而來的數(shù)據(jù),我們應(yīng)該如何高效分析處理?如何提升我們的工作效率?適應(yīng)企業(yè)數(shù)字化轉(zhuǎn)型的趨勢(shì),這是企業(yè)員工必須面對(duì)的狀況。
數(shù)字化進(jìn)程以數(shù)據(jù)分析為抓手對(duì)企業(yè)業(yè)務(wù)進(jìn)行梳理、優(yōu)化、重構(gòu),掌握傳統(tǒng)統(tǒng)計(jì)數(shù)據(jù)分析和大數(shù)據(jù)分析方法是企業(yè)員工必備技能。本課程即是在講授企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵和平臺(tái)構(gòu)建基礎(chǔ)上,探討如何利用統(tǒng)計(jì)方法工具進(jìn)行傳統(tǒng)數(shù)據(jù)分析,并以營銷的關(guān)鍵——精準(zhǔn)客戶識(shí)別方法為示例介紹大數(shù)據(jù)分析的重要方法,使得學(xué)員能夠從理念到工具對(duì)企業(yè)數(shù)字化轉(zhuǎn)型中面臨的數(shù)據(jù)分析工作做到游刃有余、精準(zhǔn)高效,從而實(shí)現(xiàn)企業(yè)降本增效的目的。
課程收益:
● 熟悉并掌握企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵并搭建數(shù)字化平臺(tái)的方法;
● 掌握統(tǒng)計(jì)方法進(jìn)行數(shù)據(jù)分析和業(yè)務(wù)決策;
● 掌握大數(shù)據(jù)理念的管理和運(yùn)營關(guān)鍵;
● 掌握大數(shù)據(jù)進(jìn)行精準(zhǔn)分析的方法—聚類、決策樹和邏輯回歸;
● 掌握大數(shù)據(jù)分析工具RapidMiner的使用方法,能根據(jù)場景選用相應(yīng)算法進(jìn)行大數(shù)據(jù)分析。
課程時(shí)間:2天,6小時(shí)/天
課程對(duì)象:企業(yè)運(yùn)營管理部門、營銷部門及有數(shù)據(jù)分析需求的員工
課程方式:案例分析+實(shí)操演練+思考練習(xí)
課程大綱
第一講:企業(yè)所面臨的數(shù)字化轉(zhuǎn)型
一、企業(yè)數(shù)字化轉(zhuǎn)型原因
1. 數(shù)字化改變商業(yè)模式
1)數(shù)據(jù)變機(jī)會(huì)
2)機(jī)會(huì)變服務(wù)
3)服務(wù)變收入
2. 數(shù)字化建立企業(yè)優(yōu)勢(shì)
3. 數(shù)字化提升使用體驗(yàn)
二、數(shù)字化轉(zhuǎn)型核心要素
1. 以數(shù)據(jù)為中心的智能化發(fā)展目標(biāo)
2. 數(shù)字化平臺(tái)的構(gòu)建
三、員工在企業(yè)數(shù)字轉(zhuǎn)型中應(yīng)該作出的應(yīng)對(duì)
1. IT思維和業(yè)務(wù)思維相融合
2. 培養(yǎng)開放共享的心態(tài)
3. 圍繞以用戶為中心
4. 提升數(shù)據(jù)分析處理能力
第二講:利用統(tǒng)計(jì)方法實(shí)現(xiàn)數(shù)據(jù)分析
一、標(biāo)度的選擇使用
量化感覺、態(tài)度、喜好等的方法
二、頻數(shù)的選擇使用(衡量對(duì)總體水平的作用程度)
1. 餅圖
2. 條形圖
3. 直方圖
三、基于統(tǒng)計(jì)方法的分析
1. 分析異常值與偏斜數(shù)據(jù)
2. 均值VS中位數(shù)VS眾數(shù)
3. 全距/四分位數(shù)的使用
4. 百分位數(shù)與箱線圖的使用
5. 方差VS標(biāo)準(zhǔn)差分析變異性VS分散性
6. 利用概率進(jìn)行分析
案例1:用戶購買公司產(chǎn)品概率的分析
案例2:某某企業(yè)員工加薪方案的選擇
四、基于統(tǒng)計(jì)方法的決策
1. 比較法進(jìn)行決策
2. 組合法進(jìn)行決策
3. 貝葉斯方法進(jìn)行決策
4. 快省樹方法進(jìn)行決策
思考:優(yōu)秀員工如何選用統(tǒng)計(jì)指標(biāo)進(jìn)行評(píng)價(jià)
案例:假設(shè)檢驗(yàn)與數(shù)據(jù)證偽保證決策結(jié)果的正確
綜合示例:運(yùn)用統(tǒng)計(jì)指標(biāo)分析銷售數(shù)據(jù)尋找方法提升某產(chǎn)品的銷量
第三講:利用大數(shù)據(jù)進(jìn)行管理與運(yùn)營
一、大數(shù)據(jù)現(xiàn)狀
1. 大數(shù)據(jù)時(shí)代的標(biāo)志
2. 六大趨勢(shì)推動(dòng)大數(shù)據(jù)發(fā)展
3. Hype Cycle技術(shù)趨勢(shì)對(duì)大數(shù)據(jù)的判斷
4. 新基建戰(zhàn)略對(duì)大數(shù)據(jù)的定位
5. 數(shù)字中國的內(nèi)容
案例:阿里雙11
二、大數(shù)據(jù)4V特征
1. 數(shù)量大
2. 多樣性
3. 速度快
4. 價(jià)值性
案例:大數(shù)據(jù)4V特征在數(shù)字化全量全連接中的應(yīng)用
三、把握大數(shù)據(jù)的三個(gè)關(guān)鍵
1. 更多——全樣本透視本質(zhì)
2. 更雜——透過混雜性適配場景應(yīng)用
3. 更好——把握相關(guān)性,提供更好服務(wù)
案例:三個(gè)關(guān)鍵對(duì)數(shù)字化實(shí)時(shí)反饋的影響
案例:大數(shù)據(jù)商業(yè)畫像示例——千人千面
練習(xí):猜猜他是誰?
四、大數(shù)據(jù)分析
1. 大數(shù)據(jù)分析的困難
2. 數(shù)據(jù)即服務(wù)DaaS
討論:數(shù)字化轉(zhuǎn)型中我們應(yīng)該關(guān)注工作中的哪些管理數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù),它們的價(jià)值和應(yīng)用難點(diǎn)有哪些?
五、大數(shù)據(jù)應(yīng)用
1. 被動(dòng)式演變成預(yù)判式
2. 大數(shù)據(jù)商業(yè)價(jià)值
3. 大數(shù)據(jù)在行業(yè)的應(yīng)用
案例:智慧城市建設(shè)
案例:企業(yè)數(shù)據(jù)地圖實(shí)踐
討論:企業(yè)數(shù)據(jù)治理——如何管好用好數(shù)字化平臺(tái)的數(shù)據(jù)?
第四講:利用大數(shù)據(jù)技術(shù)進(jìn)行營銷數(shù)據(jù)分析
一、K均值聚類算法應(yīng)用——客戶價(jià)值分析
1. 客戶價(jià)值分析有利于減少營銷成本
1)理解價(jià)值型客戶
2)差異化服務(wù)應(yīng)對(duì)不同價(jià)值客戶
2. 客戶價(jià)值分析方法
1)客戶價(jià)值識(shí)別流程
2)K均值聚類識(shí)別客戶價(jià)值
a確定中心
b計(jì)算距離
c確定新中心
d迭代得到最終分類
3)針對(duì)不同客戶價(jià)值采用不同營銷策略
視頻:根據(jù)對(duì)象不同采用不同策略的銷售視頻
案例:根據(jù)客戶的消費(fèi)額和交互屬性進(jìn)行聚類分析
二、決策樹算法應(yīng)用——風(fēng)險(xiǎn)客戶分析
1. 傳統(tǒng)風(fēng)險(xiǎn)分析識(shí)別方法的劣勢(shì)
2. 大數(shù)據(jù)方式下分析識(shí)別方法的改進(jìn)——決策樹算法應(yīng)用
1)預(yù)先建立if-then的判斷規(guī)則
2)數(shù)據(jù)分析建立的規(guī)則——信息熵
3)決策樹算法操作思路
4)建立決策樹模型進(jìn)行分析
a劃分屬性值
b計(jì)算劃分組的概率
c計(jì)算每個(gè)劃分規(guī)則下的信息熵
d選擇最小信息熵的規(guī)則為第一規(guī)則
e迭代到樣本分類
案例:警察是如何發(fā)現(xiàn)罪犯的?
案例:如何分析是否適合作為另一半
三、邏輯回歸算法應(yīng)用——敏感客戶分析
1. 厘清不同場景下的敏感客戶特點(diǎn)
2. 分析敏感客戶的關(guān)注點(diǎn)
3. 邏輯回歸算法的應(yīng)用
1)二分類問題
2)個(gè)人采用二分法預(yù)判的局限性
3)預(yù)判二分類問題的優(yōu)化
4)二分類結(jié)果預(yù)判的本質(zhì)
5)大數(shù)據(jù)回歸方法進(jìn)行二分類預(yù)判
a線性回歸大數(shù)據(jù)方法
b邏輯回歸大數(shù)據(jù)方法
案例:如何判斷對(duì)方是否真心喜歡我
案例:回歸方法預(yù)判職業(yè)發(fā)展
案例:營銷場景中敏感客戶分析降低投訴率
第五講:Rapid Miner數(shù)據(jù)分析
1. 分析接口
2. 導(dǎo)入數(shù)據(jù)
3. 加載數(shù)據(jù)
4. 進(jìn)行數(shù)據(jù)可視化
5. 進(jìn)行建模
6. 進(jìn)行模型應(yīng)用
7. 測(cè)試模型
8. 進(jìn)行模型評(píng)估
9. 使用擴(kuò)展
聚類算法練習(xí):客戶價(jià)值分析
決策樹算法練習(xí):信用風(fēng)險(xiǎn)評(píng)分分析
邏輯回歸算法練習(xí):敏感客戶分析
京公網(wǎng)安備 11011502001314號(hào)