1) 數據分析師、數據挖掘師
2) 關心大數據挑戰(zhàn)的企業(yè)高層、營銷部經理（總監(jiān)）、客戶關系管理部門經理（總監(jiān)）、
3) 數據分析項目經理、數據化運營項目經理
4) 其它對數據分析和數據挖掘企業(yè)實踐感興趣的企業(yè)高層、中層管理者
改變目前有關數據挖掘理論與實踐脫節(jié)的課程現狀， 從企業(yè)全方位、多層次的角度、以實戰(zhàn)應用為導向的數據分析挖掘專題培訓
2) 使學員理解并掌握如何有效地在企業(yè)里進行數據化運營（營銷、客戶關系管理等等）的思考、布局、應用、提升；
3) 掌握數據分析和數據挖掘在現代企業(yè)實戰(zhàn)應用中的一系列基本的行之有效的思路、方法、技巧；
4) 學習和掌握在企業(yè)里從零開始，一步一步不斷提升數據收集和數據應用的視野、框架和能力；
5) 現代企業(yè)的中高層如何理解數據化運營（營銷、客戶關系管理、競爭戰(zhàn)略），如何有效在本企業(yè)推進數據化運營戰(zhàn)略？
6) 企業(yè)的數據分析專業(yè)人員如何有效提升自己的數據應用專業(yè)能力；
7) 現代企業(yè)的數據化運營實踐中失敗的主要原因是什么？如何避免這些前車之鑒；
8) 身處大數據時代的現代企業(yè)如何面對大數據的挑戰(zhàn)？
9) 數據分析和數據挖掘在企業(yè)現代實踐中，可以做什么，不能做什么？如何在企業(yè)經營中揚長避短，用好數據挖掘的利器？
10) 數據分析挖掘的成熟的經典的應用場景有哪些？為什么這些經典的應用場景可以在我的企業(yè)里有效復制和成功落地開花？
11) 互聯網內外、國內外、行業(yè)內外成功的數據化運營的案例集錦與欣賞（具體的應用背景、過程細節(jié)、財務效果分析、給我們的啟示）。
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(yè)數據化運營戰(zhàn)略和戰(zhàn)術（3小時）
1) 現代企業(yè)競爭面臨的挑戰(zhàn)
2) 大數據時代的企業(yè)的選擇
3) 數據化運營的前世今生
4) “ 企業(yè)數據化運營”是什么？
5) “企業(yè)數據化運營”全景鳥瞰
6) “企業(yè)數據化運營”戰(zhàn)略中組織架構和具體角色？
7) 企業(yè)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(zhàn)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(chuàng)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(zhàn)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(yè)和專業(yè)，app）
15）精細化運營平臺的案例
16）決策支持（有企業(yè)自身的數據，更有行業(yè)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(yè)4.0與大數據分析挖掘
模塊2- 移動互聯網的本質特點、數據特點、分析特點（3小時）
1） 移動互聯網的本質特點
2） 移動互聯網數據的特點
3） 移動互聯網數據分析的特點
4） 移動互聯網數據分析的常用指標體系介紹
5） 移動互聯網上某個app的報表體系分析點一覽
6） 移動互聯網數據分析平臺的特點和設計思路
7） 移動互聯網報表體系關注的核心維度
8） O2O的背景、及其算法團隊的核心功能
9） O2O推薦算法原理解析以及業(yè)務規(guī)則討論
10） 移動互聯網數據分析的常規(guī)戰(zhàn)術（漏斗分析）
模塊3 – 業(yè)務人員的數據分析意識和基本技能（3小時）
1) 運營人員的基本數據能力一覽
2) 業(yè)務人員與數據分析人員的定位和分工
3) 數據分析的出發(fā)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
9 ）移動互聯網數據分析的獨特性、獨特分析指標、獨特的分析模式
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4 – 數據分析與數據挖掘在企業(yè)實戰(zhàn)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(zhàn)中常見的思考核心點
7) 業(yè)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(yè)務是核心，思路是重點，技術是輔佐）（淘寶電商的基本業(yè)務模式和業(yè)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(jiān)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(huán)之兩個圖片，打造爆款腦力圖詳解，重點在于前期的行業(yè)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(jiān)控實時效果和對手核心指標，出現問題不僅能及時發(fā)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(yōu)化，到落地應用的監(jiān)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(huán)節(jié)，這里涉及到高層的認可和支持，企業(yè)全員的數據化運營的意識和氛圍，實施的監(jiān)控和效果指標跟蹤，反饋和優(yōu)化調節(jié)
模塊5 – 電商內外、行業(yè)內外的經典案例賞析（3小時）
1) 續(xù)簽數據化運營平臺的案例（續(xù)簽預測模型）；
2) 純自動在線續(xù)簽預測模型案例（純自動續(xù)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(huán)實踐；
4) 2014海爾空調數據化營銷實戰(zhàn)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(yōu)化案例討論（應客戶需求）
7) 移動互聯網數據分析案例賞析
8) 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(yōu)化和數據的收集、清理、清洗、轉換
模塊6 – 我的企業(yè)如何進行數據化運營？
1) 因地制宜、看菜下飯
2) 企業(yè)數據化運營之路的典型成長圖？
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(yè)的實際問題，相互討論，談談我的思路或者經驗
