|
数据驱动：大数据开发运营与应用实践 课程背景： 战“疫”期间，助力线上交易、远程办公、在线教育，云服务无处不在；从流动人员健康监测，到疫情态势研判，大数据应用身手不凡；广泛应用机器人配送、无接触方舱CT、红外人体温度快速筛检仪，人工智能崭露头角……数字技术的普及运用，人们愈发感受到托举产业数字化、数字产业化的新型基础设施的重要性。 数字经济已经成为推动实体行业转型升级的底层驱动，引领我国经济发展的新引擎、新动能。总体来说，数字经济主要涵盖大数据（数据采集）、云计算（数据分析）、人工智能（数据应用），以及互联网+实体行业结合的部分。 然而，很多行业在大数据面前还显得比较迟缓，数据利用基本上处于信息查询、报表提交层面，主要是对现有数据的简单加工，很少涉及数据挖掘等深层应用。数据开发意识不强，数据思维不足，数据应用滞后。尤其在客户行为分析，消费心理捕捉、个性化服务与业务创新、洞察市场趋势等方面亟待提升。此外，在基础数据管理、数据平台搭建、数据分析人才储备上比较欠缺，无法有效盘活数据资产，为企业经营决策提供有力依据。 在数字化背景下，如何借助大数据为管理和营销提供有力支撑，如何有效挖掘自身已经沉淀的数据，并实现跨行业、跨平台的外部数据资源整合，基于用户画像构建，实现大数据实现精准营销和创新服务，是现阶段企业管理者需要认真思考的。 课程收益： ▲了解大数据的时代背景和基础条件，正确认知大数据的应用价值； ▲透视大数据的基本规律和特性，掌握大数据思维，提高工作效率； ▲搭建数据管理平台，开展数据分析，发现数据背后的问题和机会； ▲基于大数据应用，优化业务流程，构建精细化、智能化管理体系，提升管理效能； ▲整合数据资源，基于用户画像构建，进行点对点精准营销，为客户提供个性服务。 课程时间：1-2天，6小时/天 课程对象：企业管理者、部门主管、相关岗位人员 课程方式：讲师讲授+案例解析+互动交流+现场答疑 课程结构：
课程大纲 引言：数字时代企业生存之道——保持饥饿感 1.市场倒逼——躺着赚钱的时代结束了 2. “跨界打劫”的本质：场景转换与用户体验 案例解析：疫情之下的逆袭：钉钉用户数超11亿 第一讲：数字化背景下的商业变革 一、大数据的内涵定义和基础条件 1. 阿里巴巴新战略：数字经济体 2. 大数据三个要素 1）大——海量，平台级 2）数——信息，结构化 3）据——精准，可依赖 3. 大数据的六个特征 案例解析：五常大米，下单即送 4. 大数据的三种类型 1）消费数据——多维度记录 2）机器和传感数据——图文、语音、影像 3）行为数据——位置、轨迹、交易 5. 大数据+移动互联网 1）终端普及率 2）用户习惯 3）支付、物流 4）信用体系 6. 大数据+物联网 1）物联网的三个基本特征 2）传感器——人类感官的延伸 3）互联网是一张网，物联网是整个世界 案例解析：万物互联——当尿不湿植入芯片 7. 大数据+5G 1）高速率：大幅提高传输速率 2）低时延：端到端毫秒级时延 3）大带宽：km²百万级设备接入 4）广连接：应用场景更加丰富 8. 大数据+云计算 1）为了无法计算的价值 2）算力提升与算法优化 3）大数据反哺云计算 4）企业上云和政务上云大趋势 案例解析：“双十一”背后阿里云强悍的数据处理能力 9. 大数据与AI人工智能 1）京东、顺丰无人机投递 2）富士康工业机器人作业 案例解析：百度逆袭：AI战略——无人驾驶 10. 大数据在各行业的应用 二、大数据开发面临的难点 1. 数据思维：数据意识较弱，人才储备不足 2. 数据采集：数据积累时间长，但质量不佳 3. 数据开发：应用场景不够，缺乏业务突破点 4. 数据应用：条件所限，缺少应用的成功案例 5. 数据共享：数据不统一，难以发挥整体作用 三、大数据运营及数据挖掘 1.产品研发：数据反馈与产品定位 案例解析：从产品定义看众安保险如何玩转大数据 2.用户画像：消费者心理及行为分析 案例解析：瞄准社区生鲜，钱大妈凭什么火爆？ 3.精准营销：痛点捕捉与需求触达 4.风险管控：数据监测与风险预警 案例解析：上海外滩陈毅广场踩踏事件的反思和启示 5.运营效率：智能化和精细化管理 6.创新服务：消费者个性化需求满足 案例解析：门店暴增，“优剪”的大数据思维和颠覆式创新 第二讲：企业大数据平台构建及应用策略 一、大数据开发和应用方向 1. 发现运营存在的不足 2. 产品研发与极致体验 3. 质量改进和效能提升 4. 个性化营销方案制定 5. 洞察行业周期性走势 6. 为决策提供有效依据 视频分享：什么是马云眼中的“新能源” 二、企业大数据管理平台建设 1. 掌握各业务板块与数据运行之间的底层逻辑 2. 建立数据共享机制提升部门协同效率 3. 设定关键性指标，通过数据反馈进行科学决策 1）业务改进措施 2）绩效考核体系 3）供应链优化 4）信息安全管理 5）品牌建设 6）客服体系建设 4. 符合实际情况的数据开发流程 1）数据接入 2）数据整合 3）数据清洗 4）数据分析 5）数据呈现 6）建模应用 小组讨论：如何有效构建企业数字化管理平台 三、大数据分析挖掘方法和要点 1. 统计性分析 1）设定关键性指标 2）不同维度的统计分析 3）导向性的数据提取 案例解析：飞机真的是最安全的交通工具？ 实战分享：从某外卖平台的统计数据中，你能看出什么？ 2. 预测性分析 1）捕捉各个因素之间的内在关联 2）通过历史数据发掘规律和趋势 3）风险评估，预判和管控 案例解析：为什么电力数据真实反映了国民经济运行状况？ 3. 可视化分析 1）形成观点和结论 2）文不如表，表不如图 3）呈现方式——Excel、PPT或其他分析工具 案例解析：城市大脑——智能交通最重要的支点 4. 分析思维训练 1）对比、转化、关联，横向与纵向扩展 2）深入了解各业务板块，使分析工作贴合实际 3）比数据分析更重要的是大数据思维和意识 思维训练：为什么大部分人对中国房价走势预测失误？ 实战分享：如何通过数据分析识别已损坏的共享雨伞？ 第三讲：传统产业如何植入数字化基因 一、用户思维——为懒人服务 1. 傻瓜式，简单可依赖 2. 别让消费者做选择题 3. 需求洞察与极致体验 4. 用户需求VS应用场景 案例解析：邮政VS顺丰，用户的槽点在哪里？ 案例解析：某4S店人员身上折射的用户思维缺失 二、产品思维——对一切有违人性的产品和服务保持愤怒 1. 无痛点，不产品（服务） 2. 做减法，不做加法（功能） 3. 小步快跑，快速迭代（效率） 4. 避免过度的产品设计（机制） 案例解析：马桶上的两个按钮VS苹果的HOME键 案例解析：瞬间白痴论——乔布斯1秒、马化腾3秒、张小龙5秒 三、创新思维——做别人不做的事 1．创新不是瞎折腾 2. 创新不是耍小聪明 3. 微创新——保持饥饿感 案例解析：马云声称的“珍珠港偷袭” 五、用户画像与高效运营 1. 什么是用户画像 1）用户DNA 2）决策依据 3）效果转化 案例解析：今日头条为什么让巨头们恐慌 2. 数据建模及规则 1）群体画像模型 2）购买兴趣模型 3）产品定义模型 4）风险管控模型 3. 用户画像构建 1）用户的基础信息 2）用户的社会属性 3）用户的行为偏好 4）用户的心理特征 5）用户的使用特权 实战分享：用户画像偏差——某厨具厂家国内业务遭遇的困惑 实战分享：用户画像重构——某家电生产企业的业务模式转型策略
| 
