講師簡介
阿里巴巴集團數據挖掘與數據化運營專家
· 15年以上數據挖掘和分析經驗，擁有海外及本土數據挖掘工作經驗，熟悉挖掘模型搭建、價值鏈優化、市場型數據庫營銷戰略規劃設計，15年以上商業智能分析高級經驗，15年數據分析和數據挖掘與建模應用經驗；接受過系統的專業培訓，多年負責阿里巴巴多條產品線的數據分析挖掘工作，對總體技術把關和分析課題進行框架設計、指導；
· 最近兩年領導、參與、見證了東風集團及各子公司近兩年來90%的大數據項目和數據化項目，對于汽車行業和制造業的大數據發展現狀有切身的體會和感悟。
· 有較強的溝通、協調能力；工作認真細致，具親和力與服務意識；處事具有一定的靈活性，能夠承受工作壓力。
· 2013年6月出版的個人專著《數據挖掘與數據化運營實戰—思路、方法、技巧與應用》，出版五年來已經重印15次，受到讀者和出版界好評，長居當當、京東等計算機技術類圖書暢銷榜。是公認的國內數據化運營的暢銷書
本課程共分為4個模塊，穿插課堂教學和實際案例演示討論，培訓時間共2個工作日（12個小時）完成，不包括答疑 (Q&A) 時間。
模塊1 – 大數據時代的企業數據化運營戰略和戰術（3小時）
1) 現代企業競爭面臨的挑戰
2) 大數據時代的企業的選擇
3) 傳統企業數據化轉型的頂層架構和實施路徑及案例分享（東風汽車集團案例）
4) “ 企業數據化運營”是什么？
5) “企業數據化運營”全景鳥瞰
6) “企業數據化運營”戰略中組織架構和具體角色？
7) 企業數據化運營的典型場景和相關的分析挖掘技術概述
8) 目標客戶典型特征分析（客戶畫像）、客戶360的全景指標體系
9) 目標客戶的預測響應模型（活躍用戶流失預測模型實戰跟蹤分享）
10) 運營群體的活躍度分析（指標定義）（精準營銷的用戶活躍度指標創建案例）
11) 交叉銷售模型（條條大道通羅馬，多種算法回答同樣的問題，實際案例）
12) 目標用戶分層進化金字塔（B2B交易用戶的分層模型實戰案例）
13） 商品推薦模型（個性化推薦，推薦算法）
14）數據產品（數據產品的目的，BAT的實踐，一個新型的職業和專業，app）
15）精細化運營平臺的案例（淘寶案例），l 汽車行業客戶維系的營銷框架及實施（本田汽車案例）
16）決策支持（有企業自身的數據，更有行業的宏觀數據；有微觀的深入分析挖掘，更有宏觀的統計和調研）
17）互聯網 ：
18）互聯網思維的本質
19）從IT到DT
20）工業4.0與大數據分析挖掘
模塊2 – 業務人員的數據分析意識和基本技能
1) 運營人員的基本數據能力一覽
2) 業務人員與數據分析人員的定位和分工
3) 數據分析的出發點和基礎
4) 數據化運營的核心
5) 細分的技巧
6） RFM細分方法
7） 矩陣分析方法
8) 挑選數據的原則
9) 數據指標及其衍生
10）案例：通過一個線下店鋪kpi分解之后對應行動點的羅列，演示如何通過行動點的提升來最終提升kpi
模塊3 – 數據分析與數據挖掘在企業實戰中的主要方法論和主要技術分享（3.小時）
1) SEMMA
2) CRISP-DM
3） Tom Khabaza 挖掘九律
4) 數據挖掘的主要成熟技術（回歸、分類、聚類、時間序列、協同過濾、KNN、關聯分析、
5) 常見的數據處理技巧
6) 建模實戰中常見的思考核心點
7) 業務是核心、思路是重點、技術是工具（輔助）
8) 一個基本的方法論（HSCTODC）
9) 通過一個淘寶店鋪的運營實操流程，看網店的數據化運營（業務是核心，思路是重點，技術是輔佐）（淘寶電商的基本業務模式和業務背景，一個行之有效的運營流程，貫穿其中的“訂計劃，選目標，監控核心指標，及時反饋修正，最終達成目標）（結合數據化運營的閉環之兩個圖片，打造爆款腦力圖詳解，重點在于前期的行業分析，細分市場切入，通過數據分析（核心字段比較）選定競爭對手（商品）和我自身的爆款，銷售目標分解，每日落實，每天監控實時效果和對手核心指標，出現問題不僅能及時發覺更要能及時落地到責任人處理，最終30天-45天完成爆款任務）
10) 大膽假設，小心求證
11) 2080原則
12) 結構化思考
13) 即客觀，也主觀
14）應客戶需求，重點深入分析一個實際案例（從需求提出，到分析思路，到模型技術介紹，到如何優化，到落地應用的監控、反饋、修正、提高）H層客戶流失預警挽留模型的項目實踐。
15) 應客戶需求，結合阿里的實踐，回答：如何利用手頭工具對大量數據進行有效的分析挖掘（首先要看數據如何采集、處理、獲取等前期的工作要準確、到位、有效；然后是數據分析的7個漸進的層次金字塔和分析師成長路徑的金字塔；每個層次都有實例舉證；接下來是數據化運營的落地應用環節，這里涉及到高層的認可和支持，企業全員的數據化運營的意識和氛圍，實施的監控和效果指標跟蹤，反饋和優化調節
模塊4 – 電商內外、行業內外的經典案例賞析
1) 續簽數據化運營平臺的案例（續簽預測模型）；
2) 純自動在線續簽預測模型案例（純自動續簽模型及應用）；
3) H層流失用戶預警挽留模型及落地應用閉環實踐；
4) 2014海爾空調數據化營銷實戰案例討論；
5) 2014招商銀行數據化運營案例討論；
6) 淘寶電商流程優化案例討論（應客戶需求）
7)引導學員實際在R上操作體會有趣的聚類小項目（實際操作，體會）
9) 主要強調：算法是簡單的，挖掘建模是簡單的，但是不簡單的（耗時的）是思路的優化和數據的收集、清理、清洗、轉換
備用模塊 – 我的企業如何進行數據化運營？
1) 因地制宜、看菜下飯
2) 企業數據化運營之路的典型成長圖？l 東風汽車集團數字化轉型的困惑和實施路徑
3) 他山之石，可以攻玉（如何避免前人的教訓）
4) 學員互動，針對學員企業的實際問題，相互討論，談談我的思路或者經驗
主講課程：
數據化運營（數據挖掘與現代企業的數據化運...
業務經理如何提升數據化思維意識和能力
數據分析師如何贏得業務部門的認可和支持
企業數據化運營戰略與戰術
大數據分析挖掘與互聯網 和工業4.0
移動互聯網數據分析和數據化運營實戰
