【課程背景】
　　“大數據”的概念出現至今已經11年了，然而，為數不少的的市場部、銷售部的相關員工由于缺乏營銷分析的技能，還在使用原始低效的統計和分析方法，浪費大量的時間不說，老板還經常不滿意。
　　大數據時代要求市場和銷售部門對客戶響應、營銷過程、行業競爭做深入分析，為決策者提供真正的決策支持，特別是為每一個營銷動作提供最佳的運作模型。
　　【培訓對象】
　　市場總監、市場分析人員、銷售主管、銷售總監及其他對營銷數據分析有興趣的人士。
　　課程收益
　　1、了解大數據的概念，大數據包含哪些技術框架和工具
　　2、大數據如何跟企業的營銷工作相結合
　　3、 數據挖掘的CRISP循環
　　4、數據分析的工具介紹：例如指標分析的方法和統計學算法介紹
　　課程大綱
　　一、大數據時代概述
　　“大數據”火了，但是大數據的應用已經有十幾年的歷史了，本節告訴你大數據是什么。
　　1. 大數據的應用歷史
　　2. 大數據的全景視圖
　　3. 最熱門的大數據工具有哪些
　　4. 企業的市場和營銷部門應該具備哪些大數據的技能?
　　5. CRISP方法論
　　案例演練：空降經理的煩惱，您來親身體驗一下數據分析的過程
　　二、構建企業的分析體系
　　本節介紹如何在企業內部實施大數據，利用大數據驅動企業的營銷動作
　　1. 大數據如何與企業的營銷結合
　　(1)營銷動作和大數據的結合
　　(2)崗位的設置和技能要求
　　2. 分析模型的設計、實施工具
　　(1)SPSS Clementine簡介
　　(2) SAS簡介
　　(3)SQL Analysis簡介
　　(4)Excel控件簡介
　　3. 數據的收集和準備
　　(1)數據的來源
　　(2)原始數據轉換為業務數據
　　三、基于關鍵指標的分析方法
　　指標分析是一種快速的企業績效分析手段，是衡量企業健康狀況的健康指標， 本節介紹如何通過指標構建數據分析模型。
　　1. 案例思考：從一張報表說起
　　2. 傳統的基于績效考核指標分析的缺陷
　　3. 把KPI指標和管理理念相結合，搭建分析模型分析營銷狀況
　　4. 案例解析：
　　(1)競爭力分析模型
　　(2)利潤分析模型
　　四、時間序列分析
　　時間序列分析的目的是掌握銷售過程中出現的趨勢、規律，優化產品組合和銷售管理。
　　1. 時間序列規律的三個方面
　　2. 如何識別周期，認識同比的風險
　　3. 趨勢如何分析
　　4. 案例解析
　　(1)數據周期分析
　　(2)庫存風險預測
　　5. 一元回歸分析
　　(1)案例：行業趨勢分析
　　五、競爭的量化分析方法簡介
　　1. 宏觀的行業競爭力分析矩陣
　　2. 數據來源：根據市場競爭的四個層次確定
　　3. 競爭的敏感性分析
　　4. 快消品的品牌轉換矩陣
　　5. 媒體影響的量化研究
　　六、常用的統計學分析算法簡介
　　數據分析不是空洞理論，還需要有科學的技術手段和方法，本節演示常見的數據分析算法。
　　1. 協助客戶分類：聚類分析
　　2. 識別客戶響應
　　(1)類神經網絡
　　(2)決策樹
　　(3)邏輯斯蒂回歸
　　3. 時間序列預測
　　(1)ARIMA
　　(2)指數平滑
　　七、商業預測技術
　　預測是企業重要的決策依據，本節演示如何結合統計學算法構造一個成熟的預測模型。
　　1. 預測責任者與支持者
　　2. 預測的組織流程
　　3. 不同的預測模型各自的優缺點
　　4. 水平和趨勢模型
　　5. 季節模型
　　6. 如何評估預測的偏差
　　八、數據挖掘
　　無差別的大眾媒體營銷已經無法滿足零和的市場環境下的競爭要求。精確營銷是現在及未來的發展方向，精確營銷的基礎是精確的客戶定位，本節通過案例演示來說明如何進行客戶的響應分析。
　　1. 精確營銷與客戶細分
　　2. 客戶細分的價值
　　3. 基于數據驅動的細分
　　4. 基于決策樹的案例解析
　　5. 結果的應用
　　講師簡介
　　陳劍
　　中國培訓網高級講師，信息化專家、IPMA認證項目經理、MCSE、MCDBA、經濟分析師，從業經驗豐富，曾主持開發大型政府業務系統、銀行辦公系統、電信業務系統、工業自動化控制系統等，負責過OA、ERP、BI系統的集成與實施。歷任項目經理，技術總監，副總經理等職務、熟悉整公司營運管理，財務管理、信息化管理、人事行政管理工作。