曙海教學優(yōu)勢
面向企事業(yè)單位的項目實際需要,本課程以項目實現為導向,秉承二十一年教學品質，授課老師將會與您分享設計的全流程以及工具的綜合使用技巧以及經驗。您可以定制課程,線上/線下/上門都可以,報名熱線:4008699035。
二十多年來，曙海培訓的課程培養(yǎng)了大批受歡迎的工程師。曙海的課程在業(yè)內廣受好評。大批企事業(yè)單位和曙海
建立了良好的合作關系,合作企業(yè)30萬+。
| 引言：數字化時代企業(yè)生存之道——保持饑餓感 | 1.數字經濟才是真正的“計劃經濟” |
| 2.數據資產是企業(yè)發(fā)展的核心競爭力 | |
| 3.數字化轉型是雙輪驅動的“一把手工程” | |
| 第一單元：數字化背景下的商業(yè)變革 | 一、大數據內涵定義和基礎條件 |
| 1.?阿里巴巴新戰(zhàn)略：數字經濟體 | |
| 2.?大數據三個要素 | |
| （1）大——海量，平臺級 | |
| （2）數——信息，結構化 | |
| （3）據——精準、可依賴 | |
| 3.?大數據的六個特征 | |
| 4.?大數據的三種類型 | |
| （1）消費數據——多維度記錄 | |
| （2）機器和傳感數據——圖文、語音、影像 | |
| （3）行為數據——位置、軌跡、交易 | |
| 5.?大數據+移動互聯(lián)網 | |
| ——終端普及率 | |
| ——用戶習慣 | |
| ——支付體系 | |
| 6.?大數據+物聯(lián)網 | |
| （1）物聯(lián)網的三個基本特征 | |
| （2）物聯(lián)網的本質：連接一切 | |
| （3）傳感器——人類感官的延伸 | |
| 【案例解析】萬物互聯(lián)——當尿不濕植入芯片 | |
| 7.?大數據+5G | |
| （1）高速率：大幅提高傳輸速率 | |
| （2）低時延：端到端毫秒級時延 | |
| （3）大帶寬：km2百萬級設備接入 | |
| （4）廣連接：應用場景更加豐富 | |
| 【案例解析】消費互聯(lián)網VS產業(yè)互聯(lián)網 | |
| 8.?大數據+云計算 | |
| （1）大數據反哺云計算 | |
| （2）算力提升與算法優(yōu)化 | |
| （4）企業(yè)上云和政務上云大趨勢 | |
| 【案例解析】過去一百年人類離不開電力，未來人類離不開算力 | |
| 9.?大數據+AI人工智能 | |
| 【案例解析】百度AI戰(zhàn)略——無人駕駛 | |
| 二、數字化轉型面臨的難點 | |
| 1.?數據思維：數據意識較弱，人才儲備不足 | |
| 2.?數據采集：數據積累時間長，但質量不佳 | |
| 3.?數據開發(fā)：應用場景不夠，缺乏業(yè)務突破點 | |
| 4.?數據應用：條件所限，缺少應用的成功案例 | |
| 5.?數據共享：數據不統(tǒng)一，難以發(fā)揮整體作用 | |
| 第二單元：數字化平臺構建及應用策略 | 一、大數據開發(fā)的重要性 |
| 1.?發(fā)現運營存在的不足 | |
| 2.?市場變化和競對動態(tài) | |
| 3.?客戶需求與極致體驗 | |
| 4.?個性化營銷方案制定 | |
| 5.?洞察行業(yè)周期性走勢 | |
| 6.?為決策提供有效依據 | |
| 【案例解析】什么是馬云眼中的“新能源” | |
| 二、數字化管理與信息化建設 | |
| 1.?掌握業(yè)務板塊與數據運行之間的底層邏輯 | |
| 2.?建立數據共享機制提升部門協(xié)同效率 | |
| 3.?設定關鍵指標，通過數據反饋進行科學決策 | |
| （1）業(yè)務改進措施 | |
| （2）績效考核體系 | |
| （3）服務流程優(yōu)化 | |
| （4）信息安全管理 | |
| （5）客服體系建設 | |
| （6）品牌建設 | |
| 4.?符合實際情況的數據開發(fā)流程 | |
| （1）數據接入 | |
| （2）數據整合 | |
| （3）數據清洗 | |
| （4）數據分析 | |
| （5）數據呈現 | |
| （6）建模應用 | |
| 三、大數據運營及應用方向 | |
| 1.?產品研發(fā)：數據反饋與產品定位 | |
| 【案例解析】從產品定義看眾安保險如何玩轉大數據 | |
| 2.?用戶畫像：消費者心理及行為分析 | |
| 【案例解析】在非洲賣的最好的中國手機品牌 | |
| 1.?精準營銷：痛點捕捉與需求觸達 | |
| 4.?風險管控：數據監(jiān)測與風險預警 | |
| 【案例解析】上海外灘踩踏事件的反思和啟示 | |
| 5.?運營效率：智能化和精細化管理 | |
| 6.?創(chuàng)新服務：客戶個性化需求滿足 | |
| 【案例解析】門店暴增，“優(yōu)剪”的數據思維和顛覆式創(chuàng)新 | |
| 四、大數據分析挖掘方法和要點 | |
| 1.?統(tǒng)計性分析 | |
| （1）結合業(yè)務場景設定關鍵指標 | |
| （2）不同維度組合的統(tǒng)計模型 | |
| （3）導向性的數據提取 | |
| 【案例解析】飛機真的是最安全的交通工具？ | |
| 【實戰(zhàn)分享】從某外賣平臺的統(tǒng)計數據中，你能看出什么？ | |
| 2.?預測性分析 | |
| （1）捕捉各個因素之間的內在關聯(lián) | |
| （2）通過歷史數據發(fā)掘規(guī)律和趨勢 | |
| （3）風險評估，預判和管控 | |
| 【案例解析】為什么電力數據真實反映了國民經濟運行狀況？ | |
| 3.?可視化分析 | |
| （1）形成觀點和結論 | |
| （2）文不如表，表不如圖 | |
| （3）呈現方式——Excel、PPT或其他分析工具 | |
| 4.?分析思維訓練 | |
| （1）對比、轉化、關聯(lián)，橫向與縱向擴展 | |
| （2）深入了解各業(yè)務板塊，使分析工作貼合實際 | |
| （3）比數據分析更重要的是大數據思維和意識 | |
| 【思維訓練】為什么大部分人對中國房價走勢預測失誤？ | |
| 【實戰(zhàn)分享】如何通過數據分析識別已損壞的共享雨傘？ | |
| 五、大數據內部采集與外部整合 | |
| 1.?內部數據采集要點 | |
| （1）完整性——數據累積效應 | |
| （2）連續(xù)性——周期變化趨勢 | |
| （3）多維度——數據的多樣性 | |
| （4）傾向性——目標數據提取 | |
| 2.?外部數據渠道開拓與整合優(yōu)化 | |
| （1）“互聯(lián)網+”的趨勢 | |
| （2）構建跨平臺信息采集體系 | |
| 第三單元：基于用戶畫像的精準營銷和創(chuàng)新服務 | 一、什么是用戶畫像 |
| 1.?用戶DNA | |
| 2.?營銷依據 | |
| 3.?效果轉化 | |
| 【案例解析】今日頭條為什么讓巨頭們恐慌？ | |
| 二、用戶畫像構建 | |
| 1 .?用戶需求洞察 | |
| （1）用戶角色屬性劃分 | |
| （2）用戶真?zhèn)涡枨笳鐒e | |
| （3）保持傾聽，獨立判斷 | |
| 2.?數據源的建立 | |
| （1）用戶數據 | |
| （2）行為數據 | |
| （3）消費數據 | |
| （4）商品數據 | |
| （5）客服數據 | |
| 3.?用戶畫像模型 | |
| （1）群體畫像模型 | |
| （2）購買興趣模型 | |
| （3）產品定義模型 | |
| （4）風險管控模型 | |
| 【案例解析】瞄準社區(qū)生鮮，錢大媽憑什么火爆？ | |
| 三、用戶標簽體系 | |
| 1.?用戶的基礎信息 | |
| 2.?用戶的社會屬性 | |
| 3.?用戶的行為偏好 | |
| 4.?用戶的心理特征 | |
| 5.?用戶的異常情況 | |
| 6.?用戶的使用特權 | |
| 【實戰(zhàn)分享】用戶畫像偏差：某廚具品牌線上推廣遭遇的困惑 | |
| 四、用戶畫像建模規(guī)則 | |
| 1.?明確建模的目標和方向 | |
| 2.?掌握業(yè)務關聯(lián)性和邏輯 | |
| 3.?必須結合實際應用場景 | |
| 4.?根據數據反饋優(yōu)化模型 | |
| 【實戰(zhàn)分享】用戶畫像重構：某家電生產企業(yè)的營銷模式轉型策略 | |
| 第四單元：實體產業(yè)如何植入數字基因 | 一、用戶思維——為懶人服務 |
| 1.?傻瓜式、簡單可依賴 | |
| 2.?別讓消費者做選擇題 | |
| 3.?需求洞察與痛點捕捉 | |
| 4.?用戶需求VS應用場景 | |
| 【案例解析】郵政VS順豐，用戶的槽點在哪里 | |
| 二、產品思維——對一切有違人性的產品和服務保持憤怒 | |
| 1.?無痛點，不產品（服務） | |
| 2.?做減法，不做加法（功能） | |
| 3.?小步快跑，快速迭代（效率） | |
| 4.?避免過度的產品設計（機制） | |
| 【案例解析】馬桶上的兩個按鈕VS蘋果的HOME鍵 | |
| 【案例解析】瞬間白癡論——喬布斯1秒、馬化騰3秒、張小龍5秒 | |
| 三、平臺思維——規(guī)則制定者 | |
| 1.?邊際成本與規(guī)模效應 | |
| 2.?利益相關者的交易結構 | |
| 3.?四度法則：深度、廣度、維度、力度 | |
| 【實戰(zhàn)分享】某新能源充電樁運營平臺的糾結 | |
| 四、跨界思維——亂拳打死老師傅 | |
| 1.?挾用戶數據重構市場空間 | |
| 2.?瓦解競爭對手的慣性生存條件 | |
| 3. “跨界打劫”VS“降維打擊” | |
| 4.“跨界打劫”的本質：場景轉換與用戶體驗 | |
| 【案例解析】誰奪走了分眾傳媒的電梯生意 | |
| 五、創(chuàng)新思維——做別人不做的事 | |
| 1.?創(chuàng)新不是瞎折騰 | |
| 2.?創(chuàng)新不是耍小聰明 | |
| 3.?創(chuàng)新是“有中生無” | |
| 4.?微創(chuàng)新——保持饑餓感 | |
| 【案例解析】馬云聲稱的“珍珠港偷襲” |
