?

?

• 現代企業競爭面臨的挑戰
• 大數據時代的企業的選擇
• 數據化運營的前世今生
• “企業數據化運營”是什么？
• “企業數據化運營”全景鳥瞰
• “企業數據化運營”戰略中組織架構和具體角色？
• 企業化數據應用的典型場景和相關的分析挖掘技術概述
• 目標客戶典型特征分析（客戶畫像）、客戶360的全景指標體系
• 目標客戶的預測響應模型（活躍用戶流失預測模型實戰跟蹤分享）
• 運營群體的活躍度分析（指標定義）（精準營銷的用戶活躍度指標創建案例）
• 交叉銷售模型
• 目標用戶分層進化金字塔（B2B交易用戶的分層模型實戰案例）
• 商品推薦模型（個性化推薦，推薦算法）
• 數據產品（數據產品的目的，BAT的實踐，一個新型的職業和專業，app）
• 精細化運營平臺的案例
• 決策支持（有企業自身的數據，更有行業的宏觀數據；有微觀的深入分析挖掘，更有宏觀的統計和調研）

?

結合阿里的實踐，講解：

• SEMMA
• CRISP-DM
• Tom Khabaza挖掘九律
• 數據挖掘的主要成熟技術（回歸、分類、聚類、時間序列、協同過濾、KNN、關聯分析、
• 常見的數據處理技巧
• 建模實戰中常見的思考核心點
• 業務是核心、思路是重點、技術是工具（輔助）
• 一個基本的方法論（HSCTODC）
• 大膽假設，小心求證
• 2080原則
• 結構化思考
• 即客觀，也主觀
• 如何利用手頭工具對大量數據進行有效的分析挖掘（首先要看數據如何采集、處理、獲取等前期的工作要準確、到位、有效；
• 數據分析的7個漸進的層次金字塔和分析師成長路徑的金字塔；
• 每個層次都有實例舉證；
• 數據化運營的落地應用
• 反饋和優化調節

• 電商行業的案例（我的親歷）
• 引導學員實際在R上操作體會有趣的聚類小項目（實際操作，體會）
• 引導學員實際在R上操作體會有趣的邏輯回歸小項目（實際操作，體會）
• 主要強調：算法是簡單的，挖掘建模是簡單的，但是不簡單的（耗時的）是思路的優化和數據的收集、清理、清洗、轉換

?

?

• 因地制宜、看菜下飯
• 企業數據化運營之路的典型成長圖？
• 他山之石，可以攻玉（如何避免前人的教訓）
• 學員互動，針對學員企業的實際問題，相互討論，
• 談談我的思路或者經驗?