課程大綱： 大數據數據分析技能用數字說話培訓
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。
大數據的應用歷史
大數據的全景視圖
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
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
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
分析模型的設計、實施工具
SPSS Clementine簡介
SAS簡介
SQL Analysis簡介
Excel控件簡介
數據的收集和準備
數據的來源
原始數據轉換為業務數據
基于關鍵指標的分析方法
指標分析是一種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。
案例思考：從一張報表說起
傳統的基于績效考核指標分析的缺陷
把KPI指標和管理理念相結合，搭建分析模型分析營銷狀況
案例解析：
競爭力分析模型
利潤分析模型
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。
時間序列規律的三個方面
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
庫存風險預測
一元回歸分析
案例：行業趨勢分析
競爭的量化分析方法簡介
宏觀的行業競爭力分析矩陣
數據來源：根據市場競爭的四個層次確定
競爭的敏感性分析
快消品的品牌轉換矩陣
媒體影響的量化研究
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。
協助客戶分類：聚類分析
識別客戶響應
類神經網絡
決策樹
邏輯斯蒂回歸
時間序列預測
ARIMA
指數平滑
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
數據挖掘
無差別的大眾媒體營銷已經無法滿足0和的市場環境下的競爭要求。營銷是現在及未來的發展方向，營銷的基礎是的客戶定位，本節通過案例演示來說明如何進行客戶的響應分析。
營銷與客戶細分
客戶細分的價值
基于數據驅動的細分
基于決策樹的案例解析
結果的應用
加入高級會員獲得助教答疑
