• 大数据时代的营销数据分析技能------用数字说话

  • 内容大纲
  • 讲师介绍
  • 时间地点

课程背景/Background

 "大数据"的概念出现至今已经11年了,然而,为数不少的的市场部、销售部的相关员工由于缺乏营销分析的技能,还在使用原始低效的统计和分析方法,浪费大量的时间不说,老板还经常不满意。
大数据时代要求市场和销售部门对客户响应、营销过程、行业竞争做深入分析,为决策者提供真正的决策支持,特别是为每一个营销动作提供最佳的运作模型。
本课程从大数据的宏观知识背景开始,探讨如何将数据分析的技能应用于企业日常的销售运营当中。学习本课程您将可以掌握以下内容:
1.了解大数据的概念,大数据包含哪些技术框架和工具
2.大数据如何跟企业的营销工作相结合
3.数据挖掘的CRISP循环
4.数据分析的工具介绍:例如指标分析的方法和统计学算法介绍

课程大纲/Outline

一、大数据时代概述

"大数据"火了,但是大数据的应用已经有十几年的历史了,本节告诉你大数据是什么。
1.大数据的应用历史
2.大数据的全景视图
3.最热门的大数据工具有哪些
4.企业的市场和营销部门应该具备哪些大数据的技能?
5.CRISP方法论
案例演练:空降经理的烦恼,您来亲身体验一下数据分析的过程

二、构建企业的分析体系

本节介绍如何在企业内部实施大数据,利用大数据驱动企业的营销动作
1.大数据如何与企业的营销结合
a)营销动作和大数据的结合
b)岗位的设置和技能要求
2.分析模型的设计、实施工具
a)SPSS Clementine简介
b)SAS简介
c)SQL Analysis简介
d)Excel控件简介
3.数据的收集和准备
a)数据的来源
b)原始数据转换为业务数据

三、基于关键指标的分析方法

指标分析是一种快速的企业绩效分析手段,是衡量企业健康状况的健康指标, 本节介绍如何通过指标构建数据分析模型。
1.案例思考:从一张报表说起
2.传统的基于绩效考核指标分析的缺陷
3.把KPI指标和管理理念相结合,搭建分析模型分析营销状况
4.案例解析:
a)竞争力分析模型
b)利润分析模型

四、时间序列分析

时间序列分析的目的是掌握销售过程中出现的趋势、规律,优化产品组合和销售管理。
1.时间序列规律的三个方面
2.如何识别周期,认识同比的风险
3.趋势如何分析
4.案例解析
a)数据周期分析
b)库存风险预测
5.一元回归分析
a)案例:行业趋势分析

五、竞争的量化分析方法简介

1.宏观的行业竞争力分析矩阵
2.数据来源:根据市场竞争的四个层次确定
3.竞争的敏感性分析
4.快消品的品牌转换矩阵
5.媒体影响的量化研究

六、常用的统计学分析算法简介

数据分析不是空洞理论,还需要有科学的技术手段和方法,本节演示常见的数据分析算法。
1.协助客户分类:聚类分析
2.识别客户响应
a)类神经网络
b)决策树
c)逻辑斯蒂回归
3.时间序列预测
a)ARIMA
b)指数平滑

七、商业预测技术

预测是企业重要的决策依据,本节演示如何结合统计学算法构造一个成熟的预测模型。
1.预测责任者与支持者
2.预测的组织流程
3.不同的预测模型各自的优缺点
4.水平和趋势模型
5.季节模型
6.如何评估预测的偏差

八、数据挖掘

无差别的大众媒体营销已经无法满足零和的市场环境下的竞争要求。精确营销是现在及未来的发展方向,精确营销的基础是精确的客户定位,本节通过案例演示来说明如何进行客户的响应分析。
1.精确营销与客户细分
2.客户细分的价值
3.基于数据驱动的细分
4.基于决策树的案例解析
5.结果的应用