2019-06-19 更新 580次瀏覽
一、大數據時代概述
“大數據”火了,但是大數據的應用已經有十幾年的歷史了,本節告訴你大數據是什么。
1.大數據的應用歷史
2.大數據的全景視圖
3.最熱門的大數據工具有哪些
4.企業的市場和營銷部門應該具備哪些大數據的技能?
5.CRISP方法論
案例演練:空降經理的煩惱,您來親身體驗一下數據分析的過程
二、銀行業未來發展定位及趨勢分析
1、中國銀行業發展新紀元
2、大數據時代對銀行傳統運營模式的顛覆
3、轉型探索時期客戶對銀行網點的新期望
4、銀行網點競爭力提升思考
三、構建企業的分析體系
本節介紹如何在企業內部實施大數據,利用大數據驅動企業的營銷動作
1.大數據如何與企業的營銷結合
a)營銷動作和大數據的結合
b)崗位的設置和技能要求
2.分析模型的設計、實施工具
a)SPSS Clementine簡介
b)SAS簡介
c)SQL Analysis簡介
d)Excel控件簡介
3.數據的收集和準備
a)數據的來源
b)原始數據轉換為業務數據
四、基于關鍵指標的分析方法
指標分析是一種快速的企業績效分析手段,是衡量企業健康狀況的健康指標,本節介紹如何通過指標構建數據分析模型。
1.案例思考:從一張報表說起
2.傳統的基于績效考核指標分析的缺陷
3.把KPI指標和管理理念相結合,搭建分析模型分析營銷狀況
4.案例解析:
a)競爭力分析模型
b)利潤分析模型
五、時間序列分析
時間序列分析的目的是掌握銷售過程中出現的趨勢、規律,優化產品組合和銷售管理。
1.時間序列規律的三個方面
2.如何識別周期,認識同比的風險
3.趨勢如何分析
4.案例解析
a)數據周期分析
b)產品風險預測
5.一元回歸分析
a)案例:行業趨勢分析
六、競爭的量化分析方法簡介
1.宏觀的行業競爭力分析矩陣
2.數據來源:根據市場競爭的四個層次確定
3.競爭的敏感性分析
4.銀行產品的品牌轉換矩陣
5.媒體影響的量化研究
七、常用的統計學分析算法簡介
數據分析不是空洞理論,還需要有科學的技術手段和方法,本節演示常見的數據分析算法。
1.協助客戶分類:聚類分析
2.識別客戶響應
a)類神經網絡
b)決策樹
c)邏輯斯蒂回歸
3.時間序列預測
a)ARIMA
b)指數平滑
八、商業預測技術
預測是企業重要的決策依據,本節演示如何結合統計學算法構造一個成熟的預測模型。
1.預測責任者與支持者
2.預測的組織流程
3.不同的預測模型各自的優缺點
4.水平和趨勢模型
5.季節模型
6.如何評估預測的偏差
九、數據挖掘
無差別的大眾媒體營銷已經無法滿足零和的市場環境下的競爭要求。精確營銷是現在及未來的發展方向,精確營銷的基礎是精確的客戶定位,本節通過案例演示來說明如何進行客戶的響應分析。
1.精確營銷與客戶細分
2.客戶細分的價值
3.基于數據驅動的細分
4.基于決策樹的案例解析
5.結果的應用
課程標簽:市場營銷、大數據營銷