做企业培训,当然要找对好讲师!合作联系

刘晖:大数据时代的营销创新与实战

刘晖老师刘晖 注册讲师 177查看

课程概要

培训时长 : 3天

课程价格 : 扫码添加微信咨询

课程分类 : 营销策划

课程编号 : 17762

面议联系老师

适用对象

董事长、总裁、总经理、常务副总经理、总裁助理、企业管理人员

课程介绍

【课程收益】

1、掌握行业前沿技术

2、通过对业界优秀智能化服务营销案例的解析,从中掌握相关的技术,并应用于自身工作中

3、通过具体的案例学习,掌握AI建模、运营维护等全流程

4、通过案例剖析,引导学员讨论智能化需求点及可规模化的具体应用

【课程特色】干货,没有废话;科学,逻辑清晰;实战,学之能用;投入,案例精彩

【课程对象】董事长、总裁、总经理、常务副总经理、总裁助理、企业管理人员

【课程时间】3天

【课程大纲】

模块一:从IT时代到DT时代

1、中国人认识互联网的四个阶段:工具-思维-基础设施-大数据  

2、从国家战略解读大数据

3、大数据的价值:生产资料与资产

4、大数据的基本概念

5、大数据的分类:按主体、按来源、按储存划分

6、未来世界产业的三大维度:传统-互联网-大数据智能产业

7、“AlphaGo大战李世石”的大数据分析

8、破解“数据孤岛”问题

9、数字中国:由“条状数据”到“块状数据”

10、运营商的业务升级:从“卖流量”到“卖数据”

模块二:开启大数据思维

1、建立以数据为中心的新思维

2、从计算机思维到算法思维

3、功能的价值VS数据的价值

4、从“人找信息”到“信息找人”

5、大数据的六大基本思维

  定量思维-相关思维-实验思维

  全样本思维-预测思维-个性化思维

6、大数据的精髓在于“三个思维的转变”

7、西方知识与东方智慧不可偏废

模块三:理解大数据的三个层次

1、大数据的三个层次:数据-技术-思维

2、大数据的5V特征

3、大数据的相关技术介绍

  数据采集-存储与管理-分析与挖掘-计算结果展示

  案例:广东电信用大数据重构室内网优

4、大数据与云计算的关系

5、大数据的核心:“数据-信息-知识-智慧”金字塔模型

模块四:大数据的价值发现

1、大数据是生产力,正开启时代转型

2、大数据的四大商业价值

3、大数据驱动商业模式创新

4、大数据在智能搜索中的应用

5、大数据在商业中的价值

  行业例举:银行金融-医疗-制造高科技-能源-互联网

            政府公用事业-媒体娱乐-零售

6、大数据对企业四大革命性影响

模块五:大数据的商业应用

1、大数据已广泛应用,只是我们还不够重视而已

2、电力大数据在欧洲的应用+案例解析

3、利用大数据提供优质服务+案例解析

4、利用大数据进行“投资决策”+案例解析

5、基于大数据的预测分析+案例解析

6、大数据+金融 +案例解析

7、大数据+电商 +案例解析

8、大数据+医疗 +案例解析

9、大数据+交通 +案例解析

10、大数据+公安 +案例解析

11、大数据+零售 +案例解析

12、互联网+旅游 +案例解析

12、大数据商业应用的八大场景

13、大数据商业应用典型案例 +案例解析

14、大数据应用的平台及产品介绍

百度预测、百度大数据+、百度天算、百度云

百度司南:大数据营销决策平台

模块六:数据分析的五大思维方式

1、什么是大数据分析?

2、数据分析的五大思维方式

  对照—拆分—降维—增维—假说

3、大数据时间维度的三大类型

4、关于大数据的六大思考

  数据无所“不有”、数据无所“不说”、数据无所“不在”

  数据无所“不专”、数据无所“不能”、数据无所“不爱”

模块七:大数据时代运营商的挑战与转型

1、运营商面临的四大挑战

  1. 外部经营环境恶化  
  2. OTT业务侵蚀
  3. 网络结构僵化      
  4. 经营指标痛点
    1. 运营商的产品如何定价?套餐价格如何确定?采用哪些定价策略可达到利润最大化?

2、电信与互联网的差距在哪里?

  全新思维:商业模式+运营模式+研发模式+技术创新

3、如何重构电信的未来之路

  架构重构:硬件可编程和资源池的云化

  网络重构:基于SDN和NFV,网络高度智能、虚拟化、云化

  业务重构:发展公有云化、电信业务云化

  运营重构:以ROADS用户体验为中心进行运营转型

模块八:大数据营销的奥秘

1、开启低成本精准营销时代

2、营销传播进入科学管理时代

3、大数据在电信运营管理中的应用

4、大数据在电子商务交易中的应用

  案例

5、大数据营销的四大特点

6、大数据营销的六大功能

7、如何减少浪费的一半广告费     案例:汽车广告投放

8、大数据的四大应用场景

9、大数据营销切入的十大抓手

  案例

10、成功案例解析——

华为大数据方案在“福建移动的应用”

去哪网的大数据营销

一汽丰田汽车的大数据营销

11、大数据广告投放原理介绍

DSP 、DMP、PMP、 RMP

移动化场景营销平台

案例

模块九:业界优秀智能化服务营销案例解析及实战

第一部分:定价策略分析

1、营销问题

  1. 航空公司如何确定预订机票限制数量或者超售机票的数量?

2、产品定价的理论依据

  1. 需求曲线与利润最大化
  2. 如何求解最优定价

案例:产品最优定价求解

3、如何做产品组合/套餐定价

  1. 最大收益定价(演进规划求解)
  2. 避免价格反转的套餐定价
    1. 要理解支付意愿曲线

案例:电信公司的宽带、IPTV、移动电话套餐定价

第二部分:非线性定价策略

  1. 支付意愿曲线与需求曲线的异同

案例:高尔夫球场的双重收费如何定价(如会费+按次计费)

第三部分:定价策略的评估与选择

  1. 单一定价
  2. 阶梯定价
  3. 数量折扣
  4. 最优化双重收费

案例:电力公司如何选择最优定价策略

第四部分:收益管理

  1. 收益管理介绍
  2. 如何确定预订限制
  3. 如何确定超售数量
  4. 如何评估模型的收益

案例:航空公司如何实现收益管理(预订/超售)

第五部分:影响因素分析

1、营销问题

  1. 产品在货架上的位置是否对销量有影响?
  2. 价格和广告开销是如何影响销量的?

2、相关分析

  1. 相关系数
  2. 解读相关系数

案例:营销费用与销量的相关性分析

3、方差分析(影响关键因素分析,影响因素组合分析)

  1. 方差分析模型及适用场景
  2. 单因素分析/多因素分析

案例:产品摆放位置与销量的相关性分析

案例:寻找影响手机销量的关键因素

4、回归模型用于因素影响判断

  1. 回归模型原理及适用场景
  2. 线性回归(一元、多元)
  3. 曲线回归

案例:如何评估和量化-营销投入对产品销量提升的作用?

第六部分: 销售预测分析

1、营销问题

    如何预测未来的产品销量?

2、回归模型

3、寻找最佳拟合线来判断和预测

  1. 如何判断预测的准确性
  2. 回归分析结果的解读

4、回归模型的优化七步骤

  1. 因素显著性检验
  2. 异常值检验
  3. 多重共线性检验
  4. 残差分析

案例:回归模型优化步骤

5、自定义模型

案例:某餐厅客户流量预测与分析项目

6、季节性预测模型

  1. 季节性回归模型的参数
  2. 常用季节性预测模型(相加、相乘)

案例:航空旅客里程的季节性趋势分析与预测

7、新产品销量预测(S曲线)

  1. 如何评估销量增长的拐点时间及销量高峰值
  2. 珀尔曲线、 龚铂兹曲线

案例:预测销量情况

第七部分: 客户需求分析

1、营销问题

  1. 影响产品销售的关键属性和等级如何评估
  2. 影响营销效果的关键因素是什么?
  3. 影响用户购买的关键因素/客户消费偏好是什么

2、逻辑回归模型

  1. 逻辑回归模型原理及适用场景
  2. 评估客户购买产品的概率

案例:如何利用回归模型评估用户是潜在用户

3、离散选择分析

  1. 如何评估客户购买产品的概率
  2. 如何指导产品开发?如何确定产品的重要特性
  3. 如何评估品牌价值
  4. 竞争下的产品动态调价
  5. 如何评估产品的价格弹性

案例:从竞争对手产品销量来看产品应该具有哪些属性(产品特征开发分析)

案例:品牌价值评估与产品价格敏感度分析(价格变动如何影响销量升降)

第八部分:客户价值分析

1、如何评价客户生命周期的价值

  1. 贴现率与留存率
  2. 评估客户的真实价值
  3. 使用双向表衡量属性敏感度
  4. 变化的边际利润

案例:从客户价值来评估营销活动的合理性

2、RFM模型(客户价值评估)

  1. RFM模型与市场策略
  2. 如何计算RFM
  3. RFM模型与活跃度

案例:客户的价值评估

案例:双11期间如何选择老客户做广告

第九部分:市场细分分析

1、营销问题

  1. 如何对市场进行细分
  2. 如何对产品进行市场定位

2、聚类分析

  1. 属性如何标准化
  2. 确定聚类的适当数量
  3. 聚类算法过程

演练:如何进行新产品试销地点(城市)的选择

3、分类决策树与客户行为预测

  1. 决策树的原理与适用场景
  2. 决策树构建的关键问题
  3. 如何提取客户特征

案例:购买用户特征提取

演练:客户的特征分析及行为预测

第十部分:其它市场营销方法

1、关联规则分析(套餐制定、产品推荐)

案例:商品摆放布局优化分析

2、推荐算法(协同过滤)

案例:推荐评估系统

3、主成分分析(PCA)

案例:新产品试销地点选择

实战:产品设计与定价分析

实战:如何用大数据支持手机精准营销项目

模块十:课堂研讨:智能化需求点及可规模化的具体应用

刘晖老师的其他课程

• 刘晖:大数据商业应用与决策
【课程背景】    现在的社会是一个高速发展的社会,科技发达,信息流通,人们之间的交流越来越密切,生活也越来越方便,大数据就是这个高科技时代的产物,未来的时代将不是IT时代,而是DT的时代,DT就是Data Technology数据科技,大数据并不在“大”,而在于“有用”。价值含量、挖掘比数量更为重要。对于很多行业而言,如何利用这些大规模数据是赢得竞争的关键,企业面对这些痛点则是“有数据不会用,无法产生实际价值”    课程将以大数据应用与管理为切入点,还原商业环境中的实际案例,帮助学员认知大数据是什么?主要价值体现在哪些方面?企业如何根据所学来做大数据应用,释放数据资产与价值?如何提升企业数字化创新能力?使学员学之解惑,学之能用,实现企业新的经营增长突破点。【课程收益】大数据概念、技术图谱、逻辑等大数据商业应用、资产化如何让数据引导企业业务、驱动企业决策大数据应用场景及案例剖析如何数字化经营管理,成本变收益方法【课程特色】干货,没有废话;科学,逻辑清晰;实战,学之能用;投入,案例精彩【课程对象】董事长、总裁、总经理、常务副总经理、总裁助理、企业管理人员【课程时间】6小时【课程大纲】一、认识大数据1、大数据应用困扰、现状及问题大数据误区企业数据应用困扰数据该如何变现2、什么是大数据?3、大数据能做什么?4、大数据特征与特点5、大数据技术图谱大数据技术基础大数据的数据源特点大数据技术逻辑大数据全域识别大数据数据展现   案例:阿里数据二、大数据分析与决策支持系统1、定位2、决策模式3、大数据对企业价值体现商业模型业务逻辑大数据降本增效分析4、大数据的用户分析用户画像用数据了解你的用户5、数据引导业务6、让数据驱动企业决策   案例:汽车营销、桑德环卫三、大数据商业应用场景及案例分析1、什么是应用场景?2、大数据应用场景大数据场景场景模型分析3、大数据场景及变现能力4、大数据商业案例分析小城青年汽车智慧交通有色金属智能交通  案例:拼多多、阿里ET城市大脑、滴滴智能交通四、大数据安全管理1、数据安全防护思路与体系2、数据安全管理组织结构3、数据安全管理策略4、数据生命周期与防护措施5、数据基础架构的安全性 五、大数据数据资产与智能商业价值1、什么是数据资产?什么是数据资产数据资产属性2、大数据资产管理概述3、大数据资产管理定位4、数据资产管理数据资产管理架构数据资产管理方法5、大数据对智能商业意义六、大数据助力当地特色产业1、玻璃钢产业与大数据技术结合后将产生什么?2、皮毛产业与大数据技术结合后将产生什么?3、相关案例解析
• 刘晖:大数据课程-太原
【课程特色】1.   课上采用案例式教学,通俗易懂,课下一对一辅导强化训练,学与练交叉进行强化记忆,你所要做的就是认真听,勤于问,乐于练。2.   清晰的知识结构,根据应用经验采用最优化授课模式。3.   内容充沛、详略得当,前后呼应。4.   讲师资历丰富,具有丰富的实践经验。5.   知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程时间】3天【课程大纲】第一部分:数据处理架构介绍1大数据的初步认知1.1何谓大数据1.2大数据的发展现状1.3大数据的发展趋势2大数据的架构分析2.1大数据架构概述2.2大数据架构设计2.3大数据架构的参考模型3大数据的数据获取3.1数据分类与数据获取组件3.2探针在数据获取中的原理作用3.3 网页采集与日志收集3.4 数据分发中间件的作用分析4机器学习和数据挖掘技术4.1 机器学习与数据挖掘的关系4.2机器学习的方式与类型4.3机器学习与数据挖掘的应用4.4深度学习的实践与发展5大数据的安全与隐私5.1大数据时代面临的安全挑战5.2安全问题解决的框架、技术与体系5.3大数据隐私保护的政策法规与技术介绍6大数据架构的实现与应用实例6.1大数据架构的实现途径6.2 大数据在电网中的应用案例解析第二部分:HDFS原理及应用1分布式文件系统HDFS1.1 计算机集群结构1.2 分布式文件系统的结构1.3 分布式文件系统的设计需求2 HDFS简介3 HDFS的相关概念3.1 块3.2 名称节点和数据节点3.3 第二名称节点4 HDFS体系结构4.1 概述4.2 HDFS命名空间管理4.3 通信协议4.4 客户端4.5 HDFS体系结构的局限性5 HDFS的存储原理5.1 数据的冗余存储5.2 数据存取策略5.3 数据错误与恢复6 HDFS的数据读写过程6.1 读数据的过程6.2 写数据的过程7 HDFS编程实践7.1 HDFS常用命令7.2 HDFS的Web页面7.3 HDFS常用Java API及应用实例实验:熟悉常用的HDFS操作第三部分:HBase原理及应用1 概述1.1 从BigTable说起1.2 HBase简介1.3 HBase与传统关系数据库的对比分析2 HBase访问接口3 HBase数据模型3.1 数据模型概述3.2 数据模型的相关概念3.3 数据坐标3.4 概念视图3.5 物理视图3.6 面向列的存储4 HBase的实现原理4.1 HBase的功能组件4.2 表和Region4.3 Region的定位5 HBase运行机制5.1 HBase系统架构5.2 Region服务器的工作原理5.3 Store的工作原理5.4 HLog的工作原理6 HBase编程实践6.1 HBase常用的Shell命令6.2 HBase常用的Java API及应用实例实验:熟悉常用的HBase操作第四部分:ETL工具介绍1开启ETL之旅1.1了解ETL1.2选择ETL工具2配置Kettle运行环境2.1安装JDK2.2安装MySQL数据库2.3配置Kettle3熟悉Kettle基本操作3.1认识Kettle界面3.2新建转换与任务3.3运行与查看结果面板4数据获取4.1创建数据库连接4.2表输入4.3 CSV文件输入4.4 Excel输入4.5生成记录5记录处理5.1 排序记录5.2 去除重复记录5.3 过滤记录 5.4值映射5.5字符串替换5.6字符串操作5.7分组6字段处理6.1字段选择6.2增加常量6.3将字段值设置为常量6.4剪切字符串6.5拆分字段7高级转换7.1记录集连接7.2多路数据合并连接7.3公式8迁移和装载8.1表输出8.2插入/更新8.3 Excel输出8.4文本文件输出8.5 SQL文件输出9项目实战9.1分析任务数据需求9.2熟悉任务流程9.3实现项目第五部分:MapReduce原理应用开发1概述1.1 分布式并行编程1.2 MapReduce模型简介1.3 Map和Reduce函数2 MapReduce的工作流程2.1 工作流程概述2.2 MapReduce的各个执行阶段2.3 Shuffle过程详解3 实例分析:WordCount 3.1 WordCount的程序任务3.2 WordCount的设计思路3.3 WordCount的具体执行过程3.4 一个WordCount执行过程的实例4 MapReduce的具体应用4.1 MapReduce在关系代数运算中的应用4.2 分组与聚合运算4.3 矩阵-向量乘法4.4 矩阵乘法5 MapReduce编程实践5.1 任务要求5.2 编写Map处理逻辑5.3 编写Reduce处理逻辑5.4 编写main方法5.5 编译打包代码以及运行程序实验MapReduce初级编程实践实操内容:1 在Windows中使用VirtualBox安装Ubuntu虚拟机2 Hadoop3.1.3安装教程 单机版2.1 Hadoop简介2.2 安装Hadoop前的准备工作2.2.1 创建hadoop用户2.2.2 更新APT 2.2.3 安装SSH 2.2.4 安装Java环境2.3 安装Hadoop 2.3.1 下载安装文件2.3.2 单机模式配置3 HDFS编程实践(Hadoop3.1.3)3.1 HDFS操作常用的Shell命令3.1.1 查看命令的用法3.1.2 HDFS操作3.2 利用HDFS的Web管理界面3.3 HDFS编程实践3.3.1 在Eclipse中创建项目3.3.2 为项目添加需要用到的JAR包3.3.3 编写Java应用程序3.3.4 编译运行程序3.3.5 应用程序的部署4 MapReduce编程实践(Hadoop3.1.3)4.1词频统计任务要求4.2 MapReduce程序编写方法4.2.1 编写Map处理逻辑4.2.2 编写Reduce处理逻辑4.2.3 编写main方法4.2.4 完整的词频统计程序4.3 编译打包程序4.3.1 使用命令行编译打包词频统计程序4.3.2 使用Eclipse编译打包词频统计程序4.4 运行程序
• 刘晖:大数据解决方案在保险行业的应用实践
【课程特色】1.   课上采用案例式教学,通俗易懂,课下一对一辅导强化训练,学与练交叉进行强化记忆,你所要做的就是认真听,勤于问,乐于练。2.   清晰的知识结构,根据应用经验采用最优化授课模式。3.   内容充沛、详略得当,前后呼应。4.   讲师资历丰富,具有丰富的实践经验。5.   知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程时长】 1天(6小时/天)【课程大纲】大数据在保险行业的机遇与挑战以用户为中心建设互联网+保险。保险行业发展大数据的难点分析。大数据管理平台的建设。针对保险行业的大数据解决方案海量多源异构数据的整合跨渠道用户ID归一用户画像基于企业业务需求、场景构建标签,划分主题、颗粒度等商业建模模型一:客户细分模型模型二:客户的价值模型模型三:客户的忠诚度模型模型四:受众群体的扩散模型模型五:社会网络模型洞察用户特征,精准触达高净值用户反复迭代、持续性的优化保险行业大数据应用分析客户细分和精细化营销客户细分和差异化服务潜在客户挖掘及流失用户预测客户关联销售客户精准营销欺诈行为分析医疗保险欺诈与滥用分析车险欺诈分析精细化运营产品优化,保单个性化运营分析代理人(保险销售人员)甄选保险及金融行业的成功案例介绍案例1:互联网用户行为采集和网站数据统计分析项目用户行为数据采集用户数据拉通模块用户行为分析模块网站数据统计分析案例2:高价值潜在客户挖掘保险行业实施大数据的建议路径及案例解析

添加企业微信

1V1服务,高效匹配老师
欢迎各种培训合作扫码联系,我们将竭诚为您服务