【课程目标】
这是一个互联的世界，点与点的数据的交换，线与线的信息的连接。如何理解你所看到的数据？如何探索数据的模式？如何寻找数据间的相关性？如何从你所有的数据中去挖掘商业机会？一切等待思考和解答……
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、 熟悉数据挖掘的标准过程，掌握常用的数据挖掘方法。
4、 熟悉数据分析及数据挖掘工具，掌握Excel和SPSS软件应用操作。
5、 学会选择合适的分析模型来解决相应的营销问题。
【授课时间】
2天时间
【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版软件。
3、 便携机中事先安装好SPSS v19版软件。
注：讲师可以提供14天的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，进行大数据的收集与处理、数据分析与挖掘，以及数据呈现与报告撰写，全过程演练操作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。
【课程大纲】
第一部分、大数据营销的概述
1、 大数据时代带来对传统营销的挑战
2、 大数据营销的特点
Ø 时效性
Ø 个性化
Ø 关联性
3、 大数据时代的新营销模式
Ø 如何选择互联网的营销模式——微博营销、网页营销等
Ø 客户关系管理CRM——“旧貌焕发新颜”
Ø 精确营销——装上了GPS，实现“精确打击”
4、 如何在海量数据中整合数据，形成你对消费者的独特洞察力
Ø 客户的群体特征——“人以群分”，找准你的准客户
Ø 大数据用户画像——互联网时代不再“是否是狗”
5、 如何建立全渠道数据平台，拓展营销渠道，提高营销效率
Ø 互联网时代渠道分类
Ø 如果进行广告的精确投放——广告受众分析
Ø 如何实现营销效果的验证——找到适合你的营销方式
6、 如何提升你的客户粘性
Ø 评估你的客户价值——让营销策略更丰富
Ø 如何建立客户响应模型——让你的促销更有效，增加回头客
Ø 精准推荐——让你的销量再创新高
7、 客户生存周期中的大数据应用
8、 数据分析与挖掘在通信行业的应用
Ø 客户市场细分与精准营销
Ø 客户流失预警与客户挽留
Ø 产品交叉销售与套餐捆绑
Ø 营销效果评估与广告投放
Ø 客户价值评估与忠诚度
Ø 销售趋势分析与销售预测
Ø 客户满意度分析与影响因素
第二部分：数据挖掘实战篇：流程、数据建模、工具操作
1、 数据分析VS数据挖掘
2、 数据挖掘的标准流程（CRISP-DM）
Ø 商业理解
Ø 数据准备
Ø 数据理解
Ø 模型建立
Ø 模型评估
Ø 模型应用
案例：客户匹配度建模，找到你的准客户
案例：4G终端营销分析
第三部分：参数检验与非参数检验
1、 如何选择合适的营销方式
Ø 各营销渠道的用户特征分析
Ø 促销方式有效性检验
Ø 参数检验与非参数检验原理介绍
案例演练：通信行业ARPU值评估分析
案例演练：营销效果评估分析
第三部分：因素影响分析
营销问题：哪些是影响市场销量的关键因素？比如，产品在货架上的位置是否对销量有影响？价格和广告开销是如何影响销量的？
1、 相关分析（因素影响的相关性分析，相关程度计算）
Ø 相关系数
Ø 解读相关系数
案例：体重与腰围的相关分析
案例：推广费用与销售金额的相关分析
案例演练：家庭生活开支的相关分析
2、 方差分析（影响关键因素分析，影响因素组合分析）
Ø 方差分析模型及适用场景
Ø 单因素分析/多因素分析
案例：终端陈列位置对销量的影响分析
案例：广告形式、地区对销量的影响因素分析
第四部分： 销售预测分析
营销问题：如何预测未来的产品销量？如果产品跟随季节性变动，该如何预测？
1、 销量预测与市场预测——让你看得更远
2、 回归模型
Ø 回归模型用于因素影响判断
Ø 回归模型原理及适用场景
Ø 解读回归方程的含义
案例：让你的营销费用预算更准确
3、 寻找最佳拟合线来判断和预测
Ø 如何判断预测的准确性
Ø 回归显著性检验
Ø 拟合程度衡量
Ø 自变量显著性检验
Ø 残差与异常值排除
Ø 采用验证集检验预测准确性
案例：季节性销量预测分析
案例：工龄、性别与销量的关系分析
4、 基于时间的预测与时序分析
Ø 移动平均
Ø 指数平滑模型
案例演练：电视机销量预测分析
案例演练：上海证券交易所综合指数收益率序列分析
5、 季节性预测模型
Ø 季节性回归模型的参数
Ø 常用季节性预测模型（相加、相乘）
案例：美国航空旅客里程的季节性趋势分析
案例：产品销售季节性趋势预测分析
第五部分： 客户需求分析
营销问题：如何评估客户购买产品的可能性？或者说，影响客户购买意向的产品关键特性是什么？
1、 逻辑回归模型
Ø 逻辑回归模型原理及适用场景
Ø 评估客户购买产品的概率
案例：杂志社订阅模型
2、 关联分析
Ø 如何制定套餐，实现交叉/捆绑销售
Ø 产品关联分析模型原理（Association）
案例：超市商品交叉销售与布局优化
第六部分：客户价值分析
营销问题：如何评估客户的价值？不同的价值客户有何区别对待？
1、 RFM模型（客户价值评估）
Ø RFM模型，更深入了解你的客户价值
Ø RFM模型与市场策略
Ø RFM模型与活跃度
案例：淘宝客户价值评估与促销名单
第七部分：市场细分分析
营销问题：如何对市场进行细分？如何提取客户特征，从而对产品进行市场定位？
1、 聚类分析
Ø 如何更好的了解客户群体和市场细分
Ø 如何识别客户群体特征
Ø 确定聚类的适当数量
案例：新产品试销地点（城市）选择
案例：小康指数划分，让数据自动聚类
案例：裁判标准一致性分析，避免“黑哨”
案例：商场服务奖项评选
2、 分类决策树
Ø 如何选择节点构建决策树
Ø 决策树分析过程
Ø 如何提取客户特征
案例：商场酸奶购买用户特征提取
案例：电信运营商客户流失预警与客户挽留
案例：识别拖欠银行货款者的特征，避免不良货款
案例：识别电信诈骗者嘴脸，让通信更安全
实战1：电信客户流失预警与客户挽留
实战2：终端生命周期曲线与终端销售最佳时机
结束：课程总结与问题答疑。
李真顺
贺克斌
梅生伟
周远祥
赵华林
曾毓群
朱共山
王国玮
毛宗强