課程背景:

1.了解大數據的概念，大數據包含哪些技術框架和工具

2.大數據如何跟銀行營銷工作相結合

3.數據挖掘的 CRISP 循壞

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

適合對象:市場分析人員及各銷售管理崗

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

大數據的全景視圖

最熱門的大數據工具有哪些

企業的市場和營銷部門應該具備哪些大數據的技能?

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

構建企業的分析體系二、

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

營銷動作和大數據的結合

崗位的設置和技能要求

2.分析模型的設計、實施工具

a)SPSS Clementine簡介

b)SAS 簡介

C）SQL Analysis 簡介

d）Excel控件簡介

3.數據的收集和準備

a)數據的來源

b)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:

a）競爭力分析模型

b)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

趨勢如何分析

案例解析

數據周期分析

產品風險預測

一元回歸分析

案例:行業趨勢分析

五、競爭的量化分析方法簡介

1.宏觀的行業竟爭力分析矩陣

2數據來源:根據市場竟爭的四個層次確定

竟爭的敏感性分析

銀行產品的品牌轉換矩陣

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

a)類神經網絡

b)決策樹

C)邏輯斯蒂回歸

3時間序列預測

a)ARIMAa)

b)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