“大数据”，其概念至今10多年了，然而，众多的技术、市场、销售的相关员工由于缺乏大数据的宏观认识、缺少营销、战略分析的技能，还在使用原始低效的统计和分析方法，浪费大量的时间、影响了企业的发展。
大数据时代要求市场和销售部门对客户响应、营销过程、行业竞争做深入分析，为决策者提供真正的决策支持，特别是为每一个营销动作提供最佳的运作模型。
本课程从大数据的宏观知识背景开始，探讨如何将数据分析的技能应用于企业日常的技术分析、销售运营当中。
Trainer/培训讲师：许逸帆
许逸帆，中国电信股份有限公司上海自贸区集团公司，人力资源总监。主讲课程有移动互联网思维与创新、金字塔原理、高效执行力等。

1. 认识大数据和大数据带来的变革。
2. 大数据的价值体现，各个行业应用。
3. 大数据带来的行业机遇：多行业分析。
4. 案例贯穿课程始终，从案例中，让学员认识大数据，转变理念。
5. 根据行业特点，剖析如何利用大数据，工具、技巧和方法。
6. 重点结合某行业，剖析如何利用大数据的关键流程和行动。
7. 根据企业实际情况和提出的问题，所采取的行动方案建议。

中高层管理人员、技术人员、基层员工等

12 H

方案一：营销类
第一部分：认识大数据
1. 概念：什么是大数据
案例分享
2. 特点：大数据的特点
案例分享
第二分部：大数据带来的变革和价值体现
1. 变革：大数据带来的思维变革
案例分享
2. 价值：商业变革和大数据的价值体现
案例分享
3. 管理与机会：大数据带来的管理变革
案例分享
第三部分：大数据的行业应用（每个行业通过多个案例讨论）
行业应用
1. 互联网
2. 电信
3. 金融
4. 医疗卫生
5. 能源
6. 大数据营销
第四部分：大数据带来的行业机遇
行业机遇分析
1. 大数据技术、产品和产业结构
2. 大数据与营销
分享和讨论：您所在企业，潜在的大数据营销？可能遇到的问题？
3. 大数据与管理
分享和讨论：从管理提升角度，您所在企业的大数据应用？可能遇到的问题？
4. 政府支持和企业布局
分享和讨论：传统IT巨头和互联网IT具体的行业布局
第五部分：我们与大数据
大数据技术分析：
1. 大数据的市场前景和面临的问题
2. 大数据学习路径
3. 分析“我”的大数据
4. 行业大数据应用分析 （结合学员上一节提出的问题，作为案例）
1) 大数据平台建立和维护
2) 大数据系统的建立和数据维护
3) 大数据分析与处理：数据挖掘
4) 可能需要的管理和营销模式转变


方案二：技术类

第一部分：大数据时代概述
“大数据”火了，但是大数据的应用已经有十几年的历史了，本节告诉你大数据是什么。
1.大数据的应用历史
2.大数据的全景视图
3.最热门的大数据工具有哪些
4.企业的市场和营销部门应该具备哪些大数据的技能？
5.CRISP方法论
案例演练：空降经理的烦恼，您来亲身体验一下数据分析的过程
第二部分：构建企业的分析体系
本节介绍如何在企业内部实施大数据，利用大数据驱动企业的营销动作
1.大数据如何与企业的营销结合
a)营销动作和大数据的结合
b)岗位的设置和技能要求
2.分析模型的设计、实施工具
a)SPSS Clementine简介
b)SAS简介
c)SQL Analysis简介
d)Excel控件简介
3.数据的收集和准备
a)数据的来源
b)原始数据转换为业务数据
第三部分：基于关键指标的分析方法
指标分析是一种快速的企业绩效分析手段，是衡量企业健康状况的健康指标， 本节介绍如何通过指标构建数据分析模型。
1.案例思考：从一张报表说起
2.传统的基于绩效考核指标分析的缺陷
3.把KPI指标和管理理念相结合，搭建分析模型分析营销状况
4.案例解析：
a)竞争力分析模型
b)利润分析模型
第四部分：时间序列分析
时间序列分析的目的是掌握销售过程中出现的趋势、规律，优化产品组合和销售管理。
1.时间序列规律的三个方面
2.如何识别周期，认识同比的风险
3.趋势如何分析
4.案例解析
a)数据周期分析
b)库存风险预测
5.一元回归分析
a)案例：行业趋势分析

第五部分：竞争的量化分析方法简介
1.宏观的行业竞争力分析矩阵
2.数据来源：根据市场竞争的四个层次确定
3.竞争的敏感性分析
4.快消品的品牌转换矩阵
5.媒体影响的量化研究

第六部分：常用的统计学分析算法简介
数据分析不是空洞理论，还需要有科学的技术手段和方法，本节演示常见的数据分析算法。
1.协助客户分类：聚类分析
2.识别客户响应
a)类神经网络
b)决策树
c)逻辑斯蒂回归
3.时间序列预测
a)ARIMA
b)指数平滑

第七部分：商业预测技术
预测是企业重要的决策依据，本节演示如何结合统计学算法构造一个成熟的预测模型。
1.预测责任者与支持者
2.预测的组织流程
3.不同的预测模型各自的优缺点
4.水平和趋势模型
5.季节模型
6.如何评估预测的偏差

第八部分：数据挖掘
无差别的大众媒体营销已经无法满足零和的市场环境下的竞争要求。精确营销是现在及未来
的发展方向，精确营销的基础是精确的客户定位，本节通过案例演示来说明如何进行客户的
响应分析。
1.精确营销与客户细分
2.客户细分的价值
3.基于数据驱动的细分
4.基于决策树的案例解析
5.结果的应用


方案三：应用类

第一部分：传统企业如何开展O2O全渠道直销
1、传统企业在移动互联网时代的出路：转型成为一家移动互联网公司或者资产互联网化
2、传统企业在移动互联网时代的资产及线下优势
3、开展O2O的方法论和模型体系（找痛点，建产品，搭平台，玩口碑）
4、O2O运营平台搭建（线下渠道＋网站+App+微信＋大数据管理）

第二部分：O2O运营平台搭建之大数据管理
1、大数据思维（大数据变革：不是大数据而是全数据）
1.1用数据来重新界定价值（1000亿美金的估值：每个Facebook的用户价值100美元）
1.2关联推荐——数据相关性（沃尔玛：啤酒和尿布的故事）
1.3预测未来——大数据洞察（《少数派报告》）
1.4再造价值——数据再利用、重组与挖掘（智能输入法）
1.5个性化——不是群体而是个人（C2B）
1.6挣脱大数据——卓越的才华不依赖数据（乔布斯的创新：更大的数据源于人本身）
1.7大数据时代的隐私暴露与数据依赖症
2、品牌商O2O大数据的构成（用户、产品、订单、资金、信息的关系图谱）
2.1传统品牌商关注的大数据：本位数据（财务数据、渠道数据、商品数据、供应链数据、订单数据、物流数据、售后数据）
2.2O2O移动互联网时代关注的大数据：消费者全行为数据（需求、寻找、发现、对比、购买、支付、分享、潜在需求）
2.3消费者数据模型
2.4分销商数据模型
2.5行业性特征的数据模型

第三部分：O2O运营平台搭建之线下管理
1、线下（Offline）在O2O价值链中的价值
2、O2O中各个角色（品牌商，经销商，分销商，消费者）价值
2.1O2O中经销商的角色、定位及作用
2.2O2O中消费者的角色、定位及作用
2.3O2O中分销商商的角色、定位及作用
2.4O2O中品牌商的角色、定位及作用
2.5O2O中各个角色（品牌商，经销商，分销商，消费者，店员）的利益分配模型
3、O2O中各个角色的功能实现（商家APP、商户APP、分销APP、微信）——App（大数据的前端表象，复杂功能的载体）
3.1商家APP业务场景及功能介绍
3.2商户APP业务场景及功能介绍
3.3分销APP业务场景及功能介绍
3.4微信（轻App，便捷的入口）订阅号、服务号的定位
4、线下（Offline）的组织架构及团队管理

第四部分：O2O运营平台搭建之线上运营管理
1、线上（Online）在O2O价值链中的价值及盈利模式
2、线上（Online）的运营主要工作内容
2.1商户服务
2.2用户CRM管理
2.3活动策划
2.4市场推广
2.5客户服务
2.6数据分析
2.7技术维护
3、线上（Online）的组织架构及团队管理

第五部分：O2O运营平台运营之品牌建设
1、O2O项目整体价值包装及品牌定位
2、O2O项目超级符号及超级创意（品牌名，广告语，VI）
3、O2O项目的整合传播（网上网下的整合传播）

第六部分：O2O业务流程在不同应用场景中的实现
1、服装鞋包行业的O2O案例
2、商业地产的O2O案例
3、餐饮行业的O2O案例
4、母婴行业的O2O案例
5、其它案例
第七部分：学员O2O项目互动交流



注：大纲依客户具体要求会做调整。