【培訓對象】
市場營銷部、運營分析部、業(yè)務支撐等偏業(yè)務人員。 本課程由淺入深，結合原理主講分析方法和常規(guī)分析工具的應用，不需要太深的數學知識，但希望掌握數據分析的相關人員。

【培訓收益】

第一部分：數據核心理念—數據思維篇
問題：什么是數據思維？大數據決策的底層邏輯以及決策依據是什么？
1、數字化五大技術戰(zhàn)略：ABCDI戰(zhàn)略
A：人工智能，目的是用機器模擬人類行為
B：區(qū)塊鏈，構建不可篡改的分布記賬系統(tǒng)
C：云計算，搭建按需分配的計算資源平臺
D：大數據，實現智能化的判斷和決策機制
I：物聯網，實現萬物互聯通信的基礎架構
2、大數據的本質
數據，是事物發(fā)展和變化過程中留下的痕跡
大數據不在于量大，而在于全（多維性）
業(yè)務導向還是技術導向
3、大數據決策的底層邏輯（即四大核心價值）
探索業(yè)務規(guī)律，按規(guī)律來管理決策
案例：客流規(guī)律與排班及最佳營銷時機
案例：致命交通事故發(fā)生的時間規(guī)律
發(fā)現運營變化，定短板來運營決策
案例：考核周期導致的員工月初懈怠
案例：工序信號異常監(jiān)測設備故障
理清要素關系，找影響因素來決策
案例：情緒對于股市漲跌的影響
案例：為何升職反而會增加離職風險？
預測未來趨勢，通過預判進行決策
案例：惠普預測員工離職風險及挽留
案例：保險公司的車險預測與個性化保費定價
4、大數據決策的三個關鍵環(huán)節(jié)
業(yè)務數據化：將業(yè)務問題轉化為數據問題
數據信息化：提取數據中的業(yè)務規(guī)律信息
信息策略化：基于規(guī)律形成業(yè)務應對策略
案例：用數據來識別喜歡賺“差價”的營業(yè)員
第二部分：數據精準營銷—分析過程篇
問題：大數據實現精準營銷的整個過程是什么？要經歷哪些步驟？如何構建精準營銷的數據支撐框架？需要采集哪些數據？
1、數據分析的六步曲
明確目標，確定分析思路
收集數據，尋找分析素材
整理數據，確保數據質量
分析數據，尋找業(yè)務答案
呈現數據，解讀業(yè)務規(guī)律
撰寫報告，形成業(yè)務策略
2、精準營銷的業(yè)務分析框架（6R準則）
尋找正確的客戶
匹配正確的產品
確定合理的價格
通過合適的渠道
采用合適的方式
設計恰當的信息
演練：如何構建一個良好的大數據精準營銷分析框架
3、精準營銷項目的整個分析過程
演練：如何用大數據來支撐產品精準營銷項目
第三部分：用戶行為分析—分析方法篇
問題：數據分析方法的種類？分析方法的不同應用場景？
1、業(yè)務分析的三個階段
現狀分析：通過企業(yè)運營指標來發(fā)現規(guī)律及短板
原因分析：查找數據相關性，探尋目標影響因素
預測分析：合理配置資源，預判業(yè)務未來的趨勢
2、常用的數據分析方法種類
描述性分析法（對比/分組/結構/趨勢/交叉…）
相關性分析法（相關/方差/卡方…）
預測性分析法（回歸/時序/決策樹/神經網絡…）
專題性分析法（聚類/關聯/RFM模型/…）
3、統(tǒng)計分析基礎
統(tǒng)計分析兩大關鍵要素（類別、指標）
統(tǒng)計分析的操作模式（類別指標）
統(tǒng)計分析三個操作步驟（統(tǒng)計、畫圖、解讀）
透視表的三個組成部分
4、常用的描述性指標
集中程度：均值、中位數、眾數
離散程度：極差、方差/標準差、IQR
分布形態(tài)：偏度、峰度
5、基本分析方法及其適用場景
對比分析（查看數據差距，發(fā)現事物變化）
演練：尋找用戶的地域分布特征
演練：分析產品受歡迎情況及貢獻大小
演練：用數據來探索增量不增收困境的解決方案
分布分析（查看數據分布，探索業(yè)務層次）
演練：銀行用戶的消費水平和消費層次分析
演練：客戶年齡分布/收入分布分析
案例：通信運營商的流量套餐劃分合理性的評估
演練：呼叫中心接聽電話效率分析（呼叫中心）
結構分析（查看指標構成，評估結構合理性）
案例：增值業(yè)務收入結構分析（通信）
案例：物流費用成本結構分析（物流）
案例：中移動用戶群動態(tài)結構分析
演練：財務領域的結構瀑布圖、財務收支的變化瀑布圖
趨勢分析（發(fā)現事物隨時間的變化規(guī)律）
案例：破解零售店銷售規(guī)律
案例：手機銷量的淡旺季分析
案例：微信用戶的活躍時間規(guī)律
演練：發(fā)現客流量的時間規(guī)律
交叉分析（從多個維度的數據指標分析）
演練：用戶性別+地域分布分析
演練：不同客戶的產品偏好分析
演練：不同學歷用戶的套餐偏好分析
演練：銀行用戶的違約影響因素分析
第四部分：用戶行為分析—分析框架篇
問題：如何才能全面/系統(tǒng)地分析而不遺漏？如何分解和細化業(yè)務問題？
1、業(yè)務分析思路和分析框架來源于業(yè)務模型
2、常用的業(yè)務模型
外部環(huán)境分析：PEST
業(yè)務專題分析：5W2H
競品/競爭分析：SWOT、波特五力
營銷市場專題分析：4P/4C等
3、用戶行為分析（5W2H分析思路和框架）
WHY：原因（用戶需求、產品亮點、競品優(yōu)劣勢）
WHAT：產品（產品喜好、產品貢獻、產品功能、產品結構）
WHO：客戶（基本特征、消費能力、產品偏好）
WHEN：時間（淡旺季、活躍時間、重購周期）
WHERE：區(qū)域/渠道（區(qū)域喜好、渠道偏好）
HOW：支付/促銷（支付方式、促銷方式有效性評估等）
HOW MUCH：價格（費用、成本、利潤、收入結構、價格偏好等）
案例討論：結合公司情況，搭建用戶消費習慣的分析框架（5W2H）
4、數據分析策略
第五部分：影響因素分析—原因分析篇
營銷問題：哪些因素是影響業(yè)務目標的關鍵要素？比如，產品在貨架上的位置是否對銷量有影響？價格和廣告開銷是如何影響銷量的？影響風控的關鍵因素有哪些？如何判斷？
1、影響因素分析的常見方法
2、相關分析（衡量兩數據型變量的線性相關性）
相關分析簡介
相關分析的應用場景
相關分析的種類
簡單相關分析
偏相關分析
距離相關分析
相關系數的三種計算公式
Pearson相關系數
Spearman相關系數
Kendall相關系數
相關分析的假設檢驗
相關分析的四個基本步驟
演練：營銷費用會影響銷售額嗎？影響程度如何量化？
演練：哪些因素與汽車銷量有相關性
演練：影響用戶消費水平的因素會有哪些
偏相關分析
偏相關原理：排除不可控因素后的兩變量的相關性
偏相關系數的計算公式
偏相關分析的適用場景
距離相關分析
3、方差分析（衡量類別變量與數值變量間的相關性）
方差分析的應用場景
方差分析的三個種類
單因素方差分析
多因素方差分析
協(xié)方差分析
單因素方差分析的原理
方差分析的四個步驟
解讀方差分析結果的兩個要點
演練：擺放位置與銷量有關嗎
演練：客戶學歷對消費水平的影響分析
演練：廣告和價格是影響終端銷量的關鍵因素嗎
演練：營業(yè)員的性別、技能級別對產品銷量有影響嗎
演練：尋找影響產品銷量的關鍵因素
多因素方差分析原理
多因素方差分析的作用
多因素方差結果的解讀
演練：廣告形式、地區(qū)對銷量的影響因素分析
協(xié)方差分析原理
協(xié)方差分析的適用場景
演練：排除產品價格，收入對銷量有影響嗎？
4、列聯分析/卡方檢驗（兩類別變量的相關性分析）
交叉表與列聯表：計數值與期望值
卡方檢驗的原理
卡方檢驗的幾個計算公式
列聯表分析的適用場景
案例：套餐類型對客戶流失的影響分析
案例：學歷對業(yè)務套餐偏好的影響分析
案例：行業(yè)/規(guī)模對風控的影響分析
5、相關性分析方法總結
第六部分：產品銷量預測—回歸預測篇
營銷問題：如何預測未來的產品銷量/銷售額？如果產品跟隨季節(jié)性變動，該如何預測？
1、回歸分析簡介和原理
2、回歸分析的種類
一元回歸/多元回歸
線性回歸/非線性回歸
3、常用回歸分析方法
散點圖+趨勢線（一元）
線性回歸工具（多元線性）
規(guī)劃求解工具（非線性回歸）
演練：散點圖找營銷費用與銷售額的關系
4、線性回歸分析的五個步驟
演練：營銷費用、辦公費用與銷售額的關系（線性回歸）
5、線性回歸方程的解讀技巧
定性描述：正相關/負相關
定量描述：自變量變化導致因變量的變化程度
6、回歸預測模型評估
質量評估指標：判定系數R^2
如何選擇最佳回歸模型
演練：如何選擇最佳的回歸預測模型（一元曲線回歸）
7、帶分類自變量的回歸預測
演練：汽車季度銷量預測
演練：工齡、性別與終端銷量的關系
演練：如何評估銷售目標與資源最佳配置
8、回歸分析的基本原理
三個基本概念：總變差、回歸變差、剩余變差
方程的顯著性檢驗：方程可用性
因素的顯著性檢驗：因素可用性
方程擬合優(yōu)度檢驗：質量好壞程度
理解標準誤差含義：預測準確性？
9、回歸模型優(yōu)化措施：尋找最佳回歸擬合線
如何處理預測離群值（剔除離群值）
如何剔除不顯著因素（剔除不顯著因素）
如何進行非線性關系檢驗（增加非線性自變量）
如何進行相互作用檢驗（增加相互作用自變量）
如何進行多重共線性檢驗（剔除共線性自變量）
演練：模型優(yōu)化演示
10、好模型都是優(yōu)化出來的

第七部分：客流預測模型—自定義回歸篇
1、回歸建模的本質
2、規(guī)劃求解工具簡介
3、自定義回歸模型
案例：如何對客流量進行建模預測及模型優(yōu)化
4、季節(jié)性預測模型
回歸季節(jié)模型的原理及應用場景
加法季節(jié)模型
乘法季節(jié)模型
模型解讀
案例：美國航空旅客里程的季節(jié)性趨勢分析
5、新產品累計銷量的S曲線
S曲線模型的應用場景（最大累計銷量及銷量增長的拐點）
珀爾曲線
龔鉑茲曲線
案例：如何預測產品的銷售增長拐點，以及銷量上限
演練：預測IPad產品的銷量
第八部分：產品銷量預測—時序預測篇
營銷問題：像利率/CPI/GDP等按時序變化的指標如何預測？當銷量隨季節(jié)周期變動時該如何預測？
1、回歸預測vs時序預測
2、因素分解思想
3、時序預測常用模型
趨勢擬合
季節(jié)擬合
平均序列擬合
4、評估預測值的準確度指標：MAD、RMSE、MAPE
5、移動平均（MA）
應用場景及原理
移動平均種類
一次移動平均
二次移動平均
加權移動平均
移動平均比率法
移動平均關鍵問題
如何選取最優(yōu)參數N
如何確定最優(yōu)權重系數
演練：平板電腦銷量預測及評估
演練：快銷產品季節(jié)銷量預測及評估
6、指數平滑（ES）
應用場景及原理
最優(yōu)平滑系數的選取原則
指數平滑種類
一次指數平滑
二次指數平滑（Brown線性、Holt線性、Holt指數、阻尼線性、阻尼指數）
三次指數平滑
演練：煤炭產量預測
演練：航空旅客量預測及評估
7、溫特斯季節(jié)預測模型
適用場景及原理
Holt-Winters加法模型
Holt-Winters乘法模型
演練：汽車銷量預測及評估
8、平穩(wěn)序列模型（ARIMA）
序列的平穩(wěn)性檢驗
平穩(wěn)序列的擬合模型
AR(p)自回歸模型
MA(q)移動模型
ARMA(p,q)自回歸移動模型
模型的識別與定階
ACF圖/PACF圖
最小信息準則
序列平穩(wěn)化處理
變量變換
k次差分
d階差分
ARIMA(p,d,q)模型
演練：上海證券交易所綜合指數收益率序列分析
演練：服裝銷售數據季節(jié)性趨勢預測分析
平穩(wěn)序列的建模流程
第九部分：客戶行為預測—分類預測篇
問題：如何評估客戶購買產品的可能性？如何預測客戶的購買行為？如何提取某類客戶的典型特征？如何向客戶精準推薦產品或業(yè)務？
1、分類模型概述及其應用場景
2、常見分類預測模型
3、邏輯回歸（LR）
邏輯回歸的適用場景
邏輯回歸的模型原理
邏輯回歸分類的幾何意義
邏輯回歸的種類
二項邏輯回歸
多項邏輯回歸
如何解讀邏輯回歸方程
帶分類自變量的邏輯回歸分析
多項邏輯回歸/多分類邏輯回歸
案例：如何評估用戶是否會購買某產品（二項邏輯回歸）
案例：多品牌選擇模型分析（多項邏輯回歸）
4、分類決策樹（DT）
問題：如何預測客戶行為？如何識別潛在客戶？
風控：如何識別欠貸者的特征，以及預測欠貸概率？
客戶保有：如何識別流失客戶特征，以及預測客戶流失概率？
決策樹分類簡介
案例：美國零售商（Target）如何預測少女懷孕
演練：識別銀行欠貨風險，提取欠貸者的特征
決策樹分類的幾何意義
構建決策樹的三個關鍵問題
如何選擇最佳屬性來構建節(jié)點
如何分裂變量
修剪決策樹
選擇最優(yōu)屬性生長
熵、基尼索引、分類錯誤
屬性劃分增益
如何分裂變量
多元劃分與二元劃分
連續(xù)變量離散化（最優(yōu)分割點）
修剪決策樹
剪枝原則
預剪枝與后剪枝
構建決策樹的四個算法
C5.0、CHAID、CART、QUEST
各種算法的比較
如何選擇最優(yōu)分類模型？
案例：商場用戶的典型特征提取
案例：客戶流失預警與客戶挽留
案例：識別拖欠銀行貨款者的特征，避免不良貨款
案例：識別電信詐騙者嘴臉，讓通信更安全
多分類決策樹
案例：不同套餐用戶的典型特征
決策樹模型的保存與應用
5、人工神經網絡（ANN）
神經網絡概述
神經網絡基本原理
神經網絡的結構
神經網絡分類的幾何意義
神經網絡的建立步驟
神經網絡的關鍵問題
BP反向傳播網絡（MLP）
徑向基網絡（RBF）
案例：評估銀行用戶拖欠貨款的概率
6、判別分析（DA）
判別分析原理
判別分析種類
Fisher線性判別分析
案例：MBA學生錄取判別分析
案例：上市公司類別評估
7、最近鄰分類（KNN）
KNN模型的基本原理
KNN分類的幾何意義
K近鄰的關鍵問題
8、支持向量機（SVM）
SVM基本原理
線性可分問題：最大邊界超平面
線性不可分問題：特征空間的轉換
維災難與核函數
9、貝葉斯分類（NBN）
貝葉斯分類原理
計算類別屬性的條件概率
估計連續(xù)屬性的條件概率
預測分類概率（計算概率）
拉普拉斯修正
案例：評估銀行用戶拖欠貨款的概率

第十部分：市場細分模型—聚類模型篇
問題：我們的客戶有幾類？各類特征是什么？如何實現客戶細分，開發(fā)符合細分市場的新產品？如何提取客戶特征，從而對產品進行市場定位？
1、市場細分的常用方法
有指導細分
無指導細分
2、聚類分析
如何更好的了解客戶群體和市場細分？
如何識別客戶群體特征？
如何確定客戶要分成多少適當的類別？
聚類方法原理介紹
聚類方法作用及其適用場景
聚類分析的種類
K均值聚類
層次聚類
兩步聚類
K均值聚類（快速聚類）
案例：移動三大品牌細分市場合適嗎？
演練：寶潔公司如何選擇新產品試銷區(qū)域？
演練：如何自動評選優(yōu)秀員工？
演練：中國各省份發(fā)達程度分析，讓數據自動聚類
層次聚類（系統(tǒng)聚類）：發(fā)現多個類別
R型聚類與Q型聚類的區(qū)別
案例：中移動如何實現客戶細分及營銷策略
演練：中國省市經濟發(fā)展情況分析（Q型聚類）
演練：裁判評分的標準衡量，避免“黑哨”（R型聚類）
兩步聚類
3、客戶細分與PCA分析法
PCA主成分分析的原理
PCA分析法的適用場景
演練：利用PCA對汽車客戶群進行細分
演練：如何針對汽車客戶群設計汽車
第十一部分：客戶價值評估—RFM模型篇
營銷問題：如何評估客戶的價值？不同的價值客戶有何區(qū)別對待？
1、如何評價客戶生命周期的價值
貼現率與留存率
評估客戶的真實價值
使用雙向表衡量屬性敏感度
變化的邊際利潤
案例：評估營銷行為的合理性
2、RFM模型（客戶價值評估）
RFM模型，更深入了解你的客戶價值
RFM模型與市場策略
RFM模型與活躍度分析
演練：“雙11”淘寶商家如何選擇價值客戶進行促銷
演練：結合響應模型，宜家IKE實現最大化營銷利潤
案例：重購用戶特征分析
第十二部分：產品推薦算法—推薦模型篇
問題：購買A產品的顧客還常常要購買其他什么產品？應該給客戶推薦什么產品最有可能被接受？
1、從搜索引擎到推薦引擎
2、常用產品推薦模型及算法
3、基于流行度的推薦
基于排行榜的推薦，適用于剛注冊的用戶
優(yōu)化思路：分群推薦
4、基于內容的推薦CBR
關鍵問題：如何計算物品的相似度
優(yōu)缺點
優(yōu)化：Rocchio算法、基于標簽的推薦、基于興趣度的推薦
5、基于用戶的推薦
關鍵問題：如何對用戶分類/計算用戶的相似度
算法：按屬性分類、RFM模型、PCA、聚類、按偏好分類、按地理位置
6、協(xié)同過濾的推薦
基于用戶的協(xié)同過濾
基于物品的協(xié)同過濾
冷啟動的問題
案例：計算用戶相似度、計算物品相似度
7、基于關聯分析的推薦
如何制定套餐，實現交叉/捆綁銷售
案例：啤酒與尿布、颶風與蛋撻
關聯分析模型原理（Association）
關聯規(guī)則的兩個關鍵參數
支持度
置信度
關聯分析的適用場景
案例：購物籃分析與產品捆綁銷售/布局優(yōu)化
案例：通信產品的交叉銷售與產品推薦
8、基于分類模型的推薦
9、其它推薦算法
LFM基于隱語義模型
按社交關系
基于時間上下文
10、多推薦引擎的協(xié)同工作

第十三部分：產品定價策略—最優(yōu)定價篇
營銷問題：產品如何實現最優(yōu)定價？套餐價格如何確定？采用哪種定價策略可達到利潤最大化？
1、常見的定價方法
2、產品定價的理論依據
需求曲線與利潤最大化
如何求解最優(yōu)定價
案例：產品最優(yōu)定價求解
3、如何評估需求曲線
價格彈性
曲線方程（線性、乘冪）
4、如何做產品組合定價
5、如何做產品捆綁/套餐定價
最大收益定價（演進規(guī)劃求解）
避免價格反轉的套餐定價
案例：電信公司的寬帶、IPTV、移動電話套餐定價
6、非線性定價原理
要理解支付意愿曲線
支付意愿曲線與需求曲線的異同
案例：雙重收費如何定價（如會費+按次計費）
7、階梯定價策略
案例：電力公司如何做階梯定價
8、數量折扣定價策略
案例：如何通過折扣來實現薄利多銷
9、定價策略的評估與選擇
案例：零售公司如何選擇最優(yōu)定價策略
10、航空公司的收益管理
收益管理介紹
如何確定機票預訂限制
如何確定機票超售數量
如何評估模型的收益
案例：FBN航空公司如何實現收益管理（預訂/超售）
第十四部分：實戰(zhàn)篇(客戶行為預測)
1、電信業(yè)客戶流失預警與客戶挽留模型
2、銀行欠貸風險預測模型

結束：課程總結與問題答疑。 

• 低成本智能自動化技能實戰(zhàn)培訓

   

  課程特色全面：從無動力到有動力裝置的LCIA，從基礎到精細化LCIA再到手元化等高級LCIA；治具類、操作類、搬運類、品質類等等，一應俱全；實操：學員在道場內親自設計、動手制作，全情體驗（拉線、自重、杠桿等原理的巧妙設計）；案例：各種類型LCIA的視頻案例，如何建設LCIA道場LCIA模擬，茅塞頓開；系統(tǒng)：從單個LCIA“點&..

  ￥   元/ 天

  人氣：799  

  

• 金牌促銷員實戰(zhàn)培訓課程

   

  第一講：認識促銷一.促銷的定義二.促銷員的角色(1)企業(yè)的代言人(2)溝通的橋梁(3)服務大使。三.促銷員的職責(1)宣傳品牌(2)銷售產品(3)布置賣場(4)收集信息。四、促銷的基本素質(1)強烈的銷售意識；(2)熱情友好的服務；(3)熟練的推銷技巧；(4)勤奮的工..

  ￥   元/ 天

  人氣：2187  

  

• 電話銷售溝通實戰(zhàn)培訓

   

  第一部分　準備篇　拿起電話前應做哪些準備第1講　產品了解透，做到心里有數　第2節(jié)　詳細了解你的客戶，知道什么是他們的菜　第3節(jié)　設計電話銷售腳本　第4節(jié)　確定明確的目標，保持思路清晰　分析：電話銷售溝通實戰(zhàn)培訓案例！解析：電話銷售溝通實戰(zhàn)內訓案例!案例：電話銷售溝通實戰(zhàn)課程案例分析！第2講　客戶需求要搞清，明確銷售的底..

  ￥   元/ 天

  人氣：2243  

  

• 房地產銷售風水開運實戰(zhàn)培訓

   

  培訓大綱：一， 風水基礎知識與門派簡介：1， 風水概念。2， 八宅風水。3， 玄空風水。4， 過路陰陽。5， 楊公風水。6， 三元風水。7， 玄空大卦。8， 形勢與理氣。二， 基礎理論。陰陽，五行，八卦，干支，龍，砂，水，向。四象，九行，元運。三， 樓盤環(huán)境風水。1， 樓盤的周邊環(huán)境。2..

  ￥   元/ 天

  人氣：2484  

  

• 如何有效管理經銷商實戰(zhàn)培訓

   

  第一單元：正確看待廠商關系 經銷商和廠家真的是“魚水關系”那么單純嗎？ 為什么說廠商之間的關系有的時候不像魚和水、而是好像“魚和開水” 經銷商對廠家 的10種“副作用” 廠家對經銷商的 10種“副作用” 正確認識經銷商；認識經銷商和廠家的關系實..

  ￥   元/ 天

  人氣：3084  

  

• 房地產銷售全案實戰(zhàn)培訓

   

  房地產行業(yè)經過了比實力、拼品牌、斗景觀之后，新一輪的競爭正漸漸地轉變?yōu)橛捎布母偁幧壍杰浖母偁?。因此企業(yè)在做好硬件方面的有關事項之后，必須要把精力集中在軟件方面，銷售人員作為現在房地產軟件戰(zhàn)斗中的核心隊伍，其戰(zhàn)斗力顯得尤為重要。戰(zhàn)斗前的準備——培訓將成為日后戰(zhàn)斗成敗的關鍵要素。 隨著產業(yè)結構、科技時代、消費模式、社..

  ￥   元/ 天

  人氣：1814