?

?

• 現(xiàn)代企業(yè)競爭面臨的挑戰(zhàn)
• 大數(shù)據(jù)時(shí)代的企業(yè)的選擇
• 數(shù)據(jù)化運(yùn)營的前世今生
• “企業(yè)數(shù)據(jù)化運(yùn)營”是什么？
• “企業(yè)數(shù)據(jù)化運(yùn)營”全景鳥瞰
• “企業(yè)數(shù)據(jù)化運(yùn)營”戰(zhàn)略中組織架構(gòu)和具體角色？
• 企業(yè)化數(shù)據(jù)應(yīng)用的典型場景和相關(guān)的分析挖掘技術(shù)概述
• 目標(biāo)客戶典型特征分析（客戶畫像）、客戶360的全景指標(biāo)體系
• 目標(biāo)客戶的預(yù)測響應(yīng)模型（活躍用戶流失預(yù)測模型實(shí)戰(zhàn)跟蹤分享）
• 運(yùn)營群體的活躍度分析（指標(biāo)定義）（精準(zhǔn)營銷的用戶活躍度指標(biāo)創(chuàng)建案例）
• 交叉銷售模型
• 目標(biāo)用戶分層進(jìn)化金字塔（B2B交易用戶的分層模型實(shí)戰(zhàn)案例）
• 商品推薦模型（個(gè)性化推薦，推薦算法）
• 數(shù)據(jù)產(chǎn)品（數(shù)據(jù)產(chǎn)品的目的，BAT的實(shí)踐，一個(gè)新型的職業(yè)和專業(yè)，app）
• 精細(xì)化運(yùn)營平臺(tái)的案例
• 決策支持（有企業(yè)自身的數(shù)據(jù)，更有行業(yè)的宏觀數(shù)據(jù)；有微觀的深入分析挖掘，更有宏觀的統(tǒng)計(jì)和調(diào)研）

?

結(jié)合阿里的實(shí)踐，講解：

• SEMMA
• CRISP-DM
• Tom Khabaza挖掘九律
• 數(shù)據(jù)挖掘的主要成熟技術(shù)（回歸、分類、聚類、時(shí)間序列、協(xié)同過濾、KNN、關(guān)聯(lián)分析、
• 常見的數(shù)據(jù)處理技巧
• 建模實(shí)戰(zhàn)中常見的思考核心點(diǎn)
• 業(yè)務(wù)是核心、思路是重點(diǎn)、技術(shù)是工具（輔助）
• 一個(gè)基本的方法論（HSCTODC）
• 大膽假設(shè)，小心求證
• 2080原則
• 結(jié)構(gòu)化思考
• 即客觀，也主觀
• 如何利用手頭工具對大量數(shù)據(jù)進(jìn)行有效的分析挖掘（首先要看數(shù)據(jù)如何采集、處理、獲取等前期的工作要準(zhǔn)確、到位、有效；
• 數(shù)據(jù)分析的7個(gè)漸進(jìn)的層次金字塔和分析師成長路徑的金字塔；
• 每個(gè)層次都有實(shí)例舉證；
• 數(shù)據(jù)化運(yùn)營的落地應(yīng)用
• 反饋和優(yōu)化調(diào)節(jié)

• 電商行業(yè)的案例（我的親歷）
• 引導(dǎo)學(xué)員實(shí)際在R上操作體會(huì)有趣的聚類小項(xiàng)目（實(shí)際操作，體會(huì)）
• 引導(dǎo)學(xué)員實(shí)際在R上操作體會(huì)有趣的邏輯回歸小項(xiàng)目（實(shí)際操作，體會(huì)）
• 主要強(qiáng)調(diào)：算法是簡單的，挖掘建模是簡單的，但是不簡單的（耗時(shí)的）是思路的優(yōu)化和數(shù)據(jù)的收集、清理、清洗、轉(zhuǎn)換

?

?

• 因地制宜、看菜下飯
• 企業(yè)數(shù)據(jù)化運(yùn)營之路的典型成長圖？
• 他山之石，可以攻玉（如何避免前人的教訓(xùn)）
• 學(xué)員互動(dòng)，針對學(xué)員企業(yè)的實(shí)際問題，相互討論，
• 談?wù)勎业乃悸坊蛘呓?jīng)驗(yàn)?