【课程目标】

本课程从实际的市场营销问题出发，构建数据分析与数据挖掘模型，以解决实际的商业问题。并对大数据分析与挖掘技术进行了全面的介绍，通过从大量的市场营销数据中分析潜在的客户特征，挖掘客户行为特点，实现精准营销，帮助市场营销团队深入理解业务运作，支持业务策略制定以及运营决策。

通过本课程的学习，达到如下目的：

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、 熟悉数据分析/挖掘的基本过程，掌握常用的数据挖掘方法。

4、 熟悉Excel数据分析工具，能够利用Excel和SPSS软件解决实际的营销问题（比如定价/因素影响/预测/客户需求/客户价值/市场细分等）。

【授课时间】

2-4天时间，或者根据培训需求选择组合（每天6个小时）

【授课对象】

系统支撑、市场营销部、运营分析部相关技术及应用人员。

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，但希望掌握数据分析的相关人员。

【学员要求】

1、 每个学员自备一台便携机(必须)。

2、 便携机中事先安装好Excel 2013版本及以上。

3、 便携机中事先安装好IBM SPSS Statistics v24版本及以上。

注：讲师可以提供试用版本软件及分析数据源。

【授课方式】

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，进行大数据的分析与挖掘，介绍常用的模型，以及模型适用场景，通过演练操作，以达到提升学员对营销数据的分析以及对数据模型的深入理解。

【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（4Pà4CànPnC）

3、 大数据引领传统营销

4、 大数据在营销中的典型应用

Ø 市场定位与客户细分

Ø 客户需求与产品设计

Ø 精准广告与精准推荐

Ø ……

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

问题：大数据的核心价值是什么？大数据是怎样用于业务决策？

1、 大数据时代：你缺的不是一堆方法，而是大数据思维

2、 大数据的本质

Ø 数据，是对客观事物的描述和记录

Ø 大数据不在于大，而在于全

3、 大数据四大核心价值

Ø 用趋势图来探索产品销量规律

Ø 从谷歌的GFT产品探索用户需求变化

Ø 从大数据炒股看大数据如何探索因素的相关性

Ø 阿里巴巴预测经济危机的到来

Ø 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

Ø 业务数据化

Ø 数据信息化

Ø 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

Ø 数据分析的三个阶段

Ø 分析方法的三大类别

2、 数据分析的六步曲

3、 步骤1：明确目的--理清思路

Ø 确定分析目的：要解决什么样的业务问题

Ø 确定分析思路：分解业务问题，构建分析框架

4、 步骤2：数据收集—理清思路

Ø 明确收集数据范围

Ø 确定收集来源

Ø 确定收集方法

5、 步骤3：数据预处理—寻找答案

Ø 数据质量评估

Ø 数据清洗、数据处理和变量处理

Ø 探索性分析

6、 步骤4：数据分析--寻找答案

Ø 选择合适的分析方法

Ø 构建合适的分析模型

Ø 选择合适的分析工具

7、 步骤5：数据展示--观点表达

Ø 选择恰当的图表

Ø 选择合适的可视化工具

8、 步骤6：报表撰写--观点表达

Ø 选择报告种类

Ø 完整的报告结构

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

问题：数据分析有什么方法可依?不同的方法适用解决什么样的问题？

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

Ø 描述性分析法（对比/分组/结构/趋势/交叉…）

Ø 相关性分析法（相关/方差/卡方…）

Ø 预测性分析法（回归/时序/决策树/神经网络…）

Ø 专题性分析法（聚类/关联/RFM模型/…）

3、 统计分析基础

Ø 统计分析两要素

Ø 统计分析三步骤

4、 统计分析常用指标

Ø 汇总方式：计数、求和、百分比（增跌幅）

Ø 集中程度：均值、中位数、众数

Ø 离散程度：极差、方差/标准差、IQR

Ø 分布形态：偏度、峰度

5、 基本分析方法及其适用场景

Ø 对比分析（查看数据差距）

演练：寻找用户的地域分布规律

演练：寻找公司主打产品

演练：用数据来探索增量不增收困境的解决方案

案例：银行ATM柜员机现金管理分析（银行）

Ø 分组分析（查看数据分布）

案例：排班后面隐藏的猫腻

案例：通信运营商的流量套餐划分合理性的评估

演练：银行用户消费层次分析（银行）

演练：呼叫中心接听电话效率分析（呼叫中心）

演练：客服中心科学排班人数需求分析（客服中心）

演练：客户年龄分布/消费分布分析

Ø 结构分析（评估事物构成）

案例：用户市场占比结构分析

案例：物流费用占比结构分析（物流）

案例：中移动用户群动态结构分析

演练：用户结构/收入结构/产品结构的分析

Ø 趋势分析（发现事物随时间的变化规律）

案例：破解零售店销售规律

案例：手机销量的淡旺季分析

演练：发现产品销售的时间规律

Ø 交叉分析（多维数据分析）

演练：用户性别+地域分布分析

演练：不同区域的产品偏好分析

演练：不同教育水平的业务套餐偏好分析

6、 综合分析方法及其适用场景

Ø 综合评价法（多维指标归一）

案例：南京丈母娘选女婿分析表格

演练：人才选拔评价分析（HR）

Ø 杜邦分析法（关键因素分析-财务数据分析）

案例：运营商市场占有率分析（通信）

案例：服务水平提升分析（呼叫中心）

演戏：提升销量的销售策略分析（零售商/电商）

Ø 漏斗分析法（关键流程环节分析-流失率与转化率分析）

案例：电商产品销售流程优化与策略分析（电商）

演练：营业厅终端销售流程分析（电信）

演练：银行业务办理流程优化分析（银行）

Ø <span