“数”说营销—大数据挖掘与营销应用课程特色与背景
课程收获
    1、了解大数据营销内容，掌握大数据在营销中的应用
    2、了解基本的营销理论，并学会基于营销理念来展开大数据分析
    3、熟悉数据挖掘的标准过程，掌握常用的数据挖掘方法
    4、熟悉数据分析及数据挖掘工具，掌握Excel和SPSS软件应用操作
    5、学会选择合适的分析模型来解决相应的营销问题
课程特色
    理论精讲 + 案例演练 + 实际业务问题分析 + Excel实践操作 + SPSS实践操作
    本课程由浅入深，结合原理主讲软件工具应用，不需要太深的数学知识，突出数据分析的实际应用，结合行业的典型应用特点，围绕实际的商业问题，进行大数据的收集与处理、数据分析与挖掘，以及数据呈现与报告撰写，全过程演练操作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。
课程大纲
第一部分：大数据实现精准营销
1、传统营销的困境与挑战
2、营销理论的变革（4P4CnPnC）
3、大数据引领传统营销
4、大数据在营销中的典型应用
5、大数据营销的基石：用户画像
6、客户生存周期中的大数据应用
演练：如何用大数据来支撑手机精准营销项目
第二部分：大数据基础—数据思维篇
1、大数据时代：缺的不是一堆方法，而是大数据思维
2、大数据的本质
3、大数据四大核心价值
（1）用趋势图来探索产品销量规律
（2）从谷歌的GFT产品探索用户需求变化
（3）从大数据炒股看大数据如何探索因素的相关性
（4）阿里巴巴预测经济危机的到来
（5）从美国总统竞选看大数据对选民行为进行分析
4、大数据价值落地的三个关键环节
（1）业务数据化、数据信息化、信息策略化
案例：喜欢赚“差价”的营业员（用数据管理来识别）
第三部分：大数据精准营销—分析框架篇
1、数据分析简介
2、数据分析的六步曲
步骤1：明确目的--理清思路
步骤2：数据收集—理清思路
步骤3：数据预处理—寻找答案
步骤4：数据分析--寻找答案
步骤5：数据展示--观点表达
步骤6：报表撰写--观点表达
演练：如何用大数据来支撑手机精准营销项目
演练：如何构建一个良好的大数据分析框架
第四部分：用户行为分析—分析方法篇
1、大数据精准营销的前提：用户行为分析
2、数据分析方法的层次
（1）描述性分析法（对比/分组/结构/趋势/交叉…）
（2）相关性分析法（相关/方差/卡方…）
（3）预测性分析法（回归/时序/决策树/神经网络…）
（4）专题性分析法（聚类/关联/RFM模型/…）
        3、统计分析基础
4、统计分析常用指标
（1）汇总方式：计数、求和、百分比（增跌幅）
（2）集中程度：均值、中位数、众数
（3）离散程度：极差、方差/标准差、IQR
（4）分布形态：偏度、峰度
5、基本分析方法及其适用场景
（1）对比分析（查看数据差距）
（2）分组分析（查看数据分布）
（3）结构分析（评估事物构成）
（4）趋势分析（发现事物随时间的变化规律）
（5）交叉分析（多维数据分析）
6、综合分析方法及其适用场景
（1）综合评价法（多维指标归一）
（2）杜邦分析法（关键因素分析-财务数据分析）
（3）漏斗分析法（关键流程环节分析）
（4）矩阵分析法（产品策略分析-象限图分析法）
7、最合适的分析方法才是硬道理
第五部分：用户行为分析—分析思路篇
1、常用分析思路模型
2、用户行为分析（5W2H分析思路）
案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H）
第六部分：影响因素分析—属性筛选篇
1、影响因素分析的常见方法
2、相关分析（衡量两数据型变量的线性相关性）
问题：这两个属性是否会相互影响？影响程度大吗？
（1）相关分析简介
（2）相关分析的应用场景
（3）相关分析的种类
（4）相关系数的三种计算公式
（5）相关分析的假设检验
（6）相关分析的四个基本步骤
演练：营销费用会影响销售额吗
演练：哪些因素与汽车销量有相关性
（7）偏相关分析
（8）距离相关分析

3、方差分析（衡量类别变量与数值变量间的相关性）
问题：哪些才是影响销量的关键因素？
（1）方差分析的应用场景
（2）方差分析的三个种类
（3）方差分析的原理
（4）方差分析的四个步骤
（5）解读方差分析结果的两个要点
演练：终端摆放位置与终端销量有关吗
演练：开通月数对客户流失的影响分析
演练：客户学历对消费水平的影响分析
演练：广告和价格是影响终端销量的关键因素吗
演练：营业员的性别、技能级别对产品销量有影响吗
演练：寻找影响产品销量的关键因素
（6）多因素方差分析原理、作用、结果的解读
演练：广告形式、地区对销量的影响因素分析（多因素）
（7）协方差分析原理
（8）协方差分析的适用场景
演练：饲料对生猪体重的影响分析（协方差分析）
4、列联分析/卡方检验（两类别变量的相关性分析）
（1）交叉表与列联表
（2）卡方检验的原理
（3）卡方检验的几个计算公式
（4）列联表分析的适用场景
案例：套餐类型对客户流失的影响分析
案例：学历对业务套餐偏好的影响分析
案例：行业/规模对风控的影响分析
5、相关性分析方法总结
        第七部分：产品销量预测—回归预测篇
1、销量预测与市场预测模型介绍
（1）时序预测
（2）回归模型
（3）季节性预测（相加/相乘模型）
（4）产品预测（珀尔曲线/龚铂兹曲线）
2、回归分析/回归预测
问题：如何预测未来的销售量（定量分析）？
（1）回归分析简介
（2）回归分析的种类（一元/多元、线性/曲线）
（3）得到回归方程的常用工具
演练：散点图找营销费用与销售额的关系（一元回归）
（4）线性回归分析的五个步骤
演练：营销费用、办公费用与销售额的关系（线性回归）
（5）解读线性回归分析结果的技巧
定性描述：正相关/负相关
定量描述：自变量变化导致因变量的变化程度
（6）回归预测模型质量评估
评估指标：判定系数R^2、标准误差
如何选择最佳回归模型
演练：如何选择最佳的回归预测模型（一元曲线回归）
（7）预测值准确性评估
MAD、MSE/RMSE、MAPE等
（8）带分类变量的回归预测
演练：汽车季度销量预测
演练：工龄、性别与终端销量的关系
演练：如何评估销售目标与资源配置（营业厅）

课程主讲
    实战经验
    曾在华为工作10年，近十年以来一直从事通信行业的研究与分析，对通信行业的市场态势、客户行为、服务效果以及运营分析等方面有深入的接触和研究，特别是针对大数据、4G及LTE标准发展，无线网络演进，网络融合，市场发展及业务应用分析，在业务应用领域投入了更多的精力，积累了相当的知识和见解。目前致力于将大数据技术应用于通信、金融、航空、电商、互联网等领域，专注于将大数据应用于行业及商业领域，解决行业实际的问题，帮助企业提升运营决策能力和大数据营销预测能力。
授课特点
    深入浅出的理论讲解（分析模型），使用简单实用的工具操作（分析工具），实现分析结果到业务策略的落地。
主讲课程
    “数”说营销-大数据挖掘与营销应用、大数据产业现状及应用创新、Hadoop大数据解决方案开发技术基础培训、数据分析与数据挖掘应用高级培训、大数据时代的精准营销。
服务客户
    华为技术有限公司、平安集团、安能物流、中国移动、中国联通、中国电信、西部航空、富维江森、广州地铁、富士康、光大银行、招商银行……
课程对象
销售部门、营业厅、呼叫中心、业务支撑、经营分析部、网管/网优中心、运营分析部、系统开发部等对业务数据分析有基本要求的相关岗位人员。
备注
课程费用：4800元/人