专题课程
【课程大纲】
1 概述
1.1 大数据的概念
1.1.1 引出背景
1.2 大数据的应用领域
1.2.1 渗透到企业的“每个毛孔”
1.2.2 电信、金融、互联网、汽车等行业
1.2.3 智慧交通、智慧政务
1.3 大数据的应用评估
1.3.1 花了巨资建立一个报表系统
1.3.2 “全员大数据”
1.3.3 “四两拨千斤”
1.3.4 如何度过初期的“枯水期”
1.3.5 ROI的评估维度
1.4 大数据的应用难点
1.4.1 大数据应用如何避免“落差”
理想很丰满
现实很骨干
1.4.2 如何建立“数据思维”
1.4.3 数据分析师“一刻值千金”
数据分析师的技能要求
思维分析的误区
1.4.4 熬过数据质量的“互撕期”
1.4.5 如何显化应用价值
2 大数据应用基础——数据挖掘
2.1 数据挖掘概念
2.1.1 引出
2.1.2 与人工智能等关系
2.1.3 数据挖掘的过程
2.1.4 数据挖掘的关键点
2.2 数据挖掘算法
2.2.1 有限的算法、无穷的应用
2.2.2 关联分析
2.2.3 分类分析
2.2.4 聚类分析
2.2.5 逻辑回归
2.2.6 神经网络
2.2.7 国内算法实际应用分析
2.3 数据挖掘工具
2.3.1 开源的算法
2.3.2 SAS
2.3.3 SPSS
2.4 数据挖掘项目实例
2.4.1 商业理解
2.4.2 数据理解
2.4.3 数据准备
2.4.4 建模
2.4.5 评价
2.4.6 部署
3 大数据应用方法
3.1 “从以德服人”到“以理服人”
3.1.1 确立“数据话语权”
3.1.2 “协数据以令诸侯”
3.2 指标KPI
3.2.1 KPI的概念
3.2.2 KPI的梳理和分类
3.2.3 建立KPI考核机制
3.2.4 KPI的口径如何统一
3.2.5 KPI展现形式的可视化
3.3 报表
3.3.1 “万能”的报表
3.3.2 从EXCEL中升级
3.3.3 报表的可视化
3.3.4 自助报表
3.4 OLAP分析
3.4.1 从二维报表到多维报表
3.4.2 OLAP如何应用到实践中？
3.4.3 OLAP如何体现分析思路？
3.4.4 OLAP的“钻取”
3.5 数据挖掘
3.5.1 从数据中淘出“金子”
3.5.2 “最后一公里”
3.5.3 算法和经验，哪个重要？
3.5.4 从金子到钻石
二次提纯
模型及时修订
3.6 分析报告
3.6.1 概述
3.6.2 分析报告的结构
3.6.3 分析报告的编写技巧
3.6.4 分析报告的关键点
3.6.5 学习电影剧本
3.7 大数据的可视化
3.7.1 概念
3.7.2 可视化工具
3.7.3 可视化案例分享
3.8 互联网“爬虫”
3.8.1 爬虫原理
3.8.2 “爬虫”的案例
4 大数据的应用案例
4.1 应用分类
4.1.1 客户分析及案例
客户全生命周期分析支撑
客户基本属性分析
客户内容喜好分析
潜在客户分析
客户征信分析
欺诈客户识别
客户流失预警
客户满意度分析
4.1.2 产品分析及案例
产品属性分析
产品交叉分析
产品体验分析
A/B测试结果分析
Subtopic
产品服务分析
4.1.3 营销分析及案例
实时营销
营销时机
如何规避“骚扰”
精准营销
营销渠道
营销术语
售后服务
投诉内容分析
产品问题分析
投诉客户分群
4.1.4 管理分析及案例
网格化分析
人力资源分析
量化薪酬分析
人力资源组成分析
人力绩效分析
运营风险告警分析
运营“沙盘”
大屏幕监控系统
运营分析告警
财务综合分析
基本财务分析
科目流转分析
应收账款分析
准确性稽核分析
4.2 《国庆节某省消费分析报告案例》
4.3 《某地市外来工专项营销案例》
4.4 《百度大数据应用案例》
4.5 《淘宝大数据应用案例》
5 大数据应用的互联网思维
5.1 互联网思维概述
5.1.1 新时代的“文艺复兴”
5.1.2 互联网思维九个特征
5.1.3 互联网思维案例分析
5.2 大数据如何应用互联网思维
5.2.1 紧密相连
5.2.2 新时期的“群众路线”
5.2.3 大数据不同于传统IT项目
5.3 大数据如何提升客户体验
5.4 大数据如何提升产品设计
5.5 大数据如何引入平台化思维
5.6 大数据的迭代思维
5.7 大数据的跨界思维
6 大数据应用的关键点
6.1 数据质量的问题
6.2 应用算法精度问题
6.3 如何进行“数据驱动”
6.4 互联网思维改造
7 总结
7.1 从数据到应用
7.2 先变革“思维”
7.3 星星之火可以燎原——“容忍”
7.4 挖掘工具重要吗？
- 上一篇：大数据关键技术及系统建设
- 下一篇：大数据的互联网思维（趣味+案例）
