刘晖：电力企业大数据运营实战与落地

刘晖注册讲师 171查看

课程概要

培训时长 : 1天

课程价格 : 扫码添加微信咨询

课程分类 : 电力工程

课程编号 : 17766

联系老师

适用对象

课程介绍

【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

【课程对象】相关人员

【课程时间】1天

【课程大纲】

第一章：大数据简介

1. 什么是大数据

2.大数据的机器学习与专家思维

3.大数据的4V特征

4.大数据的来源

5.大数据决定企业竞争力

6.大数据带来的思维变革

7.大数据创新的方法论

案例剖析

8.大数据的应用案例

第二章：电力大数据背景简介

1. 电力大数据背景简介

2.电力大数据的价值

3.电力大数据的来源

4.电力大数据——整体框架

5.电力大数据对智能电网发展的重要性

第三章：电力大数据的应用场景

1.设备状态差异化、精细化评价

2.缴费渠道利用效率分析

3.客户用电行为分析

4.负荷预测

5.风、光发电预测

6.微电网中的储能控制

7.大数据与用户服务

8.输电线路在线视频监控

9.故障预测：状态检修的核心问题

10．利用大数据打造双层充电防护体系

11.电e贷

第四章：大数据智能客服

1. 服务智能化势在必行

2.大数据+人工智能驱动服务智能化

3.服务机器人

4.挖掘数据的价值洼地：语音转文本

5.系统分析挖掘原理

6.智能客服的学习方法

7.虚拟配网调度员

第五章：国内外大数据案例分享

1. Vestas风机选址

2.EnerNoc 电力大数据中间商创新电力业务模式

3.Budget Assistant — 电费预算辅助工具

4.减少电力盗窃降低损失

5.利用大数据分析降低变压器更换成本

6.智能巡检机器人

7.虚拟电厂

第六章：大数据业务规划

1.大数据业务的常见问题

2.如何着手大数据？

3.一切从“小”而“美”做起

4.大数据的敏捷项目管理

5.数据的分析方法

6.大数据营销

刘晖老师的其他课程

• 刘晖：大数据分析与运营（电网行业）: 【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】1天【课程大纲】第一章：数据挖掘基本知识1. 数据挖掘定义2. 数据挖掘基本原理3. 数据挖掘过程4. 数据挖掘解决问题的思路5. 数据挖掘主要技术6.大数据带来的思维变革7大数据创新的方法论8大数据的应用案例解析第二章：水电负荷预测案例解析第三章：变压器故障诊断案例解析第四章：大数据时代的管理变革1. 大数据应用带来的变革2. 决策方式的变革3. 分析方式的变革4. 数据管理方式的变革第五章：设备（资产）运维精益管理系统1. 基于PMS大数据的工作效能分析2. PMS2.0建设的思考第六章：大数据应用案例解析1. 线损自动化管理系统2. 窃电分析3. 设备缺陷管理系统4. 供电可靠性5. 数据挖掘在资产、财务、物资上的应用6. 运营分析模型研究

• 刘晖：大数据助力智慧运营: 【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【课程对象】相关人员【课程时间】6小时【课程大纲】第一讲：存量客户深度经营体系的建立1、存量客户管理的瓶颈存量客户不少;缺少专人维护仅看账户余额;缺少深度分析维护方式简单;缺少个性方案产品捆绑匮乏;缺少专业支撑单兵作战出击;缺少团队协作2、客户需求的挖掘与激发基本需求关系需求自我实现需求3、存量客户分层的常用标准与细分步骤资产规模贡献度风险偏好已持有产品潜力的高低4、客户关系与客户分层5、存量客户6分分层法6、课堂练习课堂练习1：绘制你的客户分层图课堂练习2：绘制你的客户分布地图课堂练习3：绘制你的存量类型客户分布地图第二讲：巧用大数据，牢抓存量客户1、数据梳理+全面联系2、客户分类，细分经营3、重点联系+滚动调研4、滚动数据，动态评级6、不同性格客户营销及维护要点第三讲：构建策略化运营机制1、建线：渠道化运营对应的业务，会有不同的业务线。企业在初期没有业务线的概念，只是简单计算下业务量和营收状况，初期并不会关注所谓的业务渠道。当经营规模到一定程度时，由于规模效应创造的价值逐渐增加，一条很小的业务线也能放大出更大的价值来。这个时候一定要有渠道化运营管理机制，这样可以持续的挖掘渠道价值；定量判断渠道的投入产出比，对于渠道周期性调控来保证最大化收益。2、找变量：精细化运营建立相应的自变量参数（变量），持续做高它的产出价值。与自变量参数相对应的，是它的因变量参数，也就是能创造出的业务价值的变化值。现在在内部做的因变量参数，我把它叫做“北极星参数”。一条业务线现在开始在做精细化运营了。业务线交付对应的人之后，自变量参数可以随便调。可以投入更多的钱、或者调整里面内容等，都没有关系。最后只算你是不是比北极星参数同比例做高了。做高了也就是业务线是增长型的、等于同比例的数值只能是稳定型的（但业务做高了也是好的情况）、但做低了那就可能是人不行或者相关的业务线不行了。这个参数变量是根据业务线找的。比如我们做广告业务的时候，这个里面有点击率、二级按钮点击率等（视频质量/AD标语/图文内容等都会影响这些），但是针对转化会员来看，这些都是自变量。最终我关注的北极星参数是，你的广告做出来了多少个电话表单回来。北极星参数一定是跟核心业务最相关的。业务线逐个搭建完成后，所有的业务线都指向了企业的核心业务，对于我所做的就是它的会员体系（互联网里面说的是有多少下载了app、有多少日活/月活）。对内的是一个会员体系，外部的都是业务线。每个业务线都有它的北极星指标，这个指标的变化对于业务增长有很大的帮助，这就组成了一个企业的运营系统。3、定目标-找策略那今年总营收做到多少？总客流做到多少？就可以靠这个系统去预判每条业务线要贡献多少了。这样一算，对应可变化的业务渠道上投入情况也就出来了。这样定下的总目标，对应的业务线就可以给出对应的策略了。第四讲：大数据、数据挖掘与智慧运营综述1、“互联网+”时代的来临及其对企业的冲击和挑战2、企业智慧运营建设3、创新创业战略设计4、企业内部创业机制营造与案例5、互联网+资源整合模式变革6、AI物联网大数据等新技术发展与双创热点7、智慧运营与大数据变现8、数据挖掘对于提升智慧运营效率的意义9、数据挖掘在运营商智慧运营中的应用

• 刘晖：大数据与精准营销: 【课程背景】营销者正面临着一个极具挑战的经济时局，金融行业面临大数据的巨大冲击，然而他们也有机会通过撬动海量数据的杠杆来获取巨额收益。谁先掌控大数据，谁就能获取巨大的经济价值。在蓬勃发展的中国市场环境中，大数据所带来的机遇前所未有，这将是中国市场的营销者们预期取得大回报的*时机。营销者必须知道如何透过数据库的挖掘与分析，让手中的数据与信息发挥*的价值，通过有效整合、分析线上和线下数据，提高与客户、潜在客户互动的精准度本讲座通过金融行业和互联网、电信行业的客户分析实际案例，展现数据分析技术在客户营销、企业管理等方面的应用价值，阐述大数据不可阻挡的潮流趋势。【课程时间】2天（6小时/天）【课程收益】1、互联网时代的“大数据、大机遇”2、大数据下客户的“透视”3、基础数据的收集和分析4、客户的分析/认知5、金融产品的分析/认知6、如何为合适的用户提供合适的产品？7、企业的“智慧运营”8、如何编写漂亮的分析报告（既有漂亮里子，也要有漂亮面子）9、数据的质量问题【课程特点】深入浅出介绍大数据分析及应用的系统知识；紧紧抓住大数据技术的发展动态及行业发展趋势，行业联系紧密；充分利用已有的研究成果，技术前瞻性较高；课程资料丰富，学习者可以重现课程环境案例充实，充分了解应用前景；清晰的知识结构，根据应用经验采用最优化授课模式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。清晰的知识结构，根据应用经验采用最优化授课模式。内容充沛、详略得当，前后呼应。讲师资历丰富，具有丰富的实践经验。知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程大纲】（2天*6小时）一、互联网时代的“大数据、大机遇”：1.概述1)大数据概念和特点2)大数据需要哪些技术支撑3)大数据能够带来哪些新应用？4）互联网时代产生的金融大数据内容5）大数据如何改写金融行业？2.大数据时代带来对传统营销的挑战1)大数据如何成为资产？2)大数据如何体现*营销3)大数据的价值4）互联网大数据对于金融企业的价值3.大数据时代的新营销模式1)互联网的营销模式——微博营销、微信营销、网页营销等2)CRM——“旧貌焕发新颜”3)*营销——装上了GPS，实现“*打击”4）金融行业的客户营销——喜好、产品、内容【示例】淘宝支付宝大数据分析案例分享4.如何在海量数据中整合线上、线下数据，形成你对消费者的独特洞察力1)知道客户的各个属性——互联网时代不再“是否是狗”2)客户的群体特征——“人以群分”3）如何识别客户欺诈的潜在风险？5.如何建立全渠道数据平台，拓展营销渠道，提高营销效率1)客户接触渠道分类2)电话、QQ、微博——全方位覆盖3)如果进行广告的*投放？4)金融产品营销渠道的拓展6.大数据的实现架构和体系1)HADOOP技术了2)MAP/REDUCE算法3)非结构化数据分析的特点4）数据仓库技术5）数据的ETL过程描述6）数据挖掘概述【示例】（精准广告）大数据应用案例二、大数据下客户的“透视”：1、客户是“上帝”，如何找到“上帝”？1）上帝是什么样子？上帝是什么视图？2）客户是什么样子？金融客户是什么视图？有什么样的客户标签？3）提供哪些产品？金融产品是什么视图？有什么产品标签？4）如何建立客户和产品间的关系？为合适的客户，找到合适的产品2、我们对自己的客户（“上帝”）了解多少？1）客户会有什么特点？客户的基本特征（如：不同产品的年龄分布）客户的群体特征（如：不同年龄群体关注点有哪些？）【示例】客户细分模型案例现代营销模式的基础，以现有产品为基础，寻找群体客户适合的产品和服务。客户的交往圈子（如：股民圈子关注哪些金融产品？）【示例】金融行业/电信行业客户交往圈分析案例客户的内容消费特征（如：客户喜好哪些内容？喜欢那些金融产品？）基于大数据，换个角度规划产品和服务。2）大数据时代营销的方法营销方法论和知识库（分析问题的知识库和方法树）互联网时代的营销：“大数据、微营销”（细节营销）营销的渠道规划：实时营销和事件营销【示例】美剧《纸牌屋》的大数据营销；3）企业管理方面的情况及时发现企业真实的情况（哪些运营的关键指标KPI？）像人体一样，如何及时发现病症？（关键指标KPI的波动范围？）【示例】：电信企业的数码仪表盘，展示企业的KPI；如何通过手机彩信及时展现KPI给领导。【示例】百度大数据产品（司南、精算、预测等）应用介绍3、如何“帮客户买产品，而不是推销其不需要的产品”1）如何进行客户的“X光透视”？（客户的统一视图包含哪些信息？哪些是关键属性？）如何发现客户的真实需求？（服务与骚扰的区别）【示例】：金融行业客户的内容标签展示2）内部产品的科学选配（如何提供专家般量化的分析，为用户提供最优的内部产品？如：金融行业计算出最适合用户模式的理财产品进行选择）【示例】：为客户定制最合适的资费：经过数据精算后，告诉客户，A产品比B产品更适合张三。3）竞争对手产品的对比与竞争对手间的产品差异化区隔自己产品的优势和弱点（如何提供量化的分析结果？）【示例】：竞争对手的“客户回归”分析案例4）销售过程的处理销售时机的把握销售语术的把握4、大数据营销的作用和价值1）数据和知识是人的本质特征2）大脑是人与动物的差别3）“事半功倍”是捷径4）从“拼刺刀”到“信息战”；【示例】：某人关系图5、金融行业如何识别欺诈客户1）客户的行为和内容数据2）欺诈客户的行为特点3）欺诈客户数据挖掘模型4）发洗钱识别模型5）实时识别、实时预防【示例】金融行业欺诈客户识别案例（基于客户行为数据分析）6、客户的征信模型1)客户征信的内容2)客户征信应用领域3)央行与阿里的客户征信差异4)客户征信计算模型【示例】阿里的蚂蚁信用分案例三、基础数据的收集和分析1、数据的种类1）客户数据内容（金融客户的基本资料）2）产品数据内容（产品的编码）3）营销数据内容（交易记录的保存）4）服务数据内容（客户服务数据的保存）5）金融数据的特点：（交易型数据少、价值密度高等）2、数据的存放方法1）数据的清洗、转换和加载2）存放在数据库/数据仓库3）数据的基本分析工具EXCEL等4）数据仓库的基本原理5）HADOOP数据中心的基本原理3、数据的基本整理1）数据的归类存放（建模型）2）数据的基本加工4、数据挖掘技术1）数据的基本汇总2）数据中的“金子”：从石头中淘金子3）数据挖掘：“啤酒和尿布”的故事4）数据挖掘过程5）数据挖掘算法介绍包括：关联分析、聚类分析、决策树分析、孤立点分析等算法【示例】：客户挽留案例剖析（数据挖掘中分类算法）6）高级的数据挖掘工具SAS和SPSS等【示例】：通过SAS工具识别客户欺诈案例5、数据质量的基本保障1）指标的口径描述和统一2）后期补数据成本是前提收集数据成本的15倍3）“差之毫厘谬以千里”6、数据的安全管控1）4A权限管控2）数据的加密等多种技术3）系统的“城防图”：【示例】：某企业的数据仓库安全案例四、客户的分析/认知1、客户的定义和范畴用户和客户的区别客户是否要进行细分，如校园客户、家庭客户、集团客户、小微企业客户等2、关于客户的基本“信息”（管中窥豹）身份证信息行为爱好信息衍生信息客户资料信息透露的内容分析【示例】客户基本信息分析示例3、客户的基本属性标签（如对儿童家庭投放儿童保险产品等）增值服务等方面，让服务更加贴近客户如何爬取客户的内容信息【示例】互联网客户“内容爬取”示例4、客户的喜好（“不怕没缺点，就怕没爱好”）经常出没的地方（*场、酒吧街、电影院等）通过前台的观察和后台的询问等获取的知识【示例】通过网页浏览内容分析，获取用户的内容信息5、客户的细化分群客户分群的依据（物以类聚、人以群分）数据挖掘技术应用客户分群的方法：【示例】：淘宝客户分群案例6、客户的知识库实时调出符合条件的客户群体来【示例】：金融/电信行业客户知识库举例7、客户的“交叉营销”如何识别家庭客户/集团客户？如何针对家庭客户/集团客户进行营销？【示例】：保险行业家庭客户交叉营销案例8、客户的“再挖掘”（UPSELL/CROSSSELL）客户群中的“种子/关键”客户客户的交往圈分析基于客户交往圈，进行客户“再挖掘”【示例】：客户交往圈中“关键客户”识别案例9、客户的生命周期管理客户的生命周期数据分析渗透到客户的生命周期全过程【示例】客户生命周期中数据挖掘应用展示10、客户的实时欺诈监控客户的信誉打分；实时分析设计与实现；【示例】：基于客户行为的实时监控分析五、金融产品的分析/认知1、产品的定义和范畴金融产品、保险产品、理财产品、股票产品等2、关于产品的基本“信息”产品的使用客户特征分析产品的关联特征分析【示例】产品关联分析案例3、产品的基本属性标签产品基本内容产品增值内容【示例】增值产品的潜在客户分析案例4、竞争对手的竞品分析竞争对手的同类产品分析竞品产品量化对比分析【示例】为客户定制“产品”5、产品的潜在客户分析产品潜在用户的特征分析【示例】：“猜你喜欢”案例介绍6、产品的“交叉营销”如何识别客户喜好的产品？如何进行客户交叉营销？【示例】：金融行业产品交叉营销案例（金融的啤酒和尿布）7、产品的升级、改造产品改进数据获取产品改进创新设计【示例】小米手机的大数据营销案例六、如何为合适的用户提供合适的产品？1、营销的目的：为合适的用户提供合适的产品除了“激情营销”，更需要“理性营销”；真正满足客户需求才能构建长久的营销关系；客户的真实需求如何？2、如何发现合适的用户谁是合适的客户？标准有哪些？客户的担心、顾虑是什么？3、如何提供合适的产品从现有的产品客户中寻找目标客户特征【示例】：电信行业客户“手机阅读报”针对性营销案例示例4、营销案的设计和评估如何吸引用户？如何让用户选择产品？营销与广告的差异；营销案的设计（吸引眼球）；营销案的评估5、营销的过程和细节类似CRM系统的营销流程管理营销活动的实时性提升【示例】：某餐饮行业CRM营销案例6、营销的渠道选择客户是否喜欢外呼电话，还是短信？还是网上营业厅？【示例】：用户偏好渠道分析的案例7、如何避免对客户的过渡打扰限制每月的外呼次数；通过网站等渠道进行营销和广告；8、客户的挽留和延伸销售识别真正有价值的客户；【示例】：客户价值评估介绍尽量让客户进入更高级别，避免降级：（行业的价格战，将钻石卡用户打成了金卡；金卡用户打成了银卡七、企业的“智慧运营”1、企业量化管理概述：企业的量化指标；企业的量化管理内容；【示例】企业基于GIS信息的网格指标监控2、企业成本分析：成本数据获取；成本分析内容；【示例】某企业人工成本分析案例3、企业价值链管控分析企业上下游企业分析；【示例】某企业渠道欺诈分析；4、企业的异常运营控制异常KPI指标的及时告警；异常的基本影响因素分析【示例】某企业KPI异常监控和分析案例5、金融企业的风险控制互联网舆情监控；客户（企业）的360度大数据收集；客户（企业）的360度风险评估；【示例】企业风险评估案例6、网贷平台的P2P风险评估 P2P的冲击和挑战； P2P的风险评估数据及方法；【示例】P2P风险评估案例八、如何编写漂亮的分析报告（既有漂亮里子，也要有漂亮面子）1、数据是基础2、分析报告是展现形式3、分析报告的思路4、分析报告的方法示例：分析报告演示九、数据的质量问题（数据仓库项目的60%精力是在解决数据质量问题）1、数据质量的问题表现接通率的量化依据数据转换成为成功订单几率的描述示例：数据质量的问题分布图2、数据质量的根源在哪里业务管理的标准化指标的口径一致性问题3、数据质量的管理模式理清数据的来龙去脉列出数据的监控点4、数据质量的量化评估方法数据质量的评估标准【示例】：数据质量的评估指标

刘晖：电力企业大数据运营实战与落地

课程概要

适用对象

课程介绍

刘晖老师的其他课程

相关课程

添加企业微信