大数据挖掘与营销应用

课程对象：系统支撑、市场营销部、运营分析部相关技术及应用人员。
课程收获
1、了解大数据营销内容，掌握大数据在营销中的应用；
2、了解基本的营销理论，并学会基于营销理念来展开大数据分析；
3、熟悉数据挖掘的标准过程，掌握常用的数据挖掘方法；
4、熟悉数据分析及数据挖掘工具，掌握Excel和SPSS软件应用操作；
5、学会选择合适的分析模型来解决相应的营销问题。

课程特色
1、理论精讲 + 案例演练 + 实际业务问题分析 + Excel实践操作 + SPSS实践操作；
2、本课程突出数据分析的实际应用，结合行业的典型应用特点，围绕实际的商业问题，进行大数据的收集与处理、数据分析与挖掘，以及数据呈现与报告撰写，全过程演练操作。?

课程大纲
一、大数据营销的概述
1、大数据时代带来对传统营销的挑战
2、大数据新营销模式/特点
（1）如何选择互联网的营销模式
（2）客户关系管理CRM
（3）精确营销
3、如何在海量数据中整合数据
（1）客户的群体特征
（2）大数据用户画像
4、如何建立全渠道数据平台/提升你的客户粘性
5、客户生存周期中的大数据应用
6、数据分析与挖掘在通信行业的应用

二、数据挖掘实战篇：流程、数据建模、工具操作
1、数据分析VS数据挖掘
2、数据挖掘的标准流程（CRISP-DM）
案例：客户匹配度建模/4G终端营销分析
3、如何选择合适的营销方式
（1）各营销渠道的用户特征分析
（2）促销方式有效性检验
（3）参数检验与非参数检验原理介绍
案例演练：通信行业ARPU值/营销效果评估分析

三、因素影响分析
1、相关分析（因素影响的相关性分析，相关程度计算）
案例：体重与腰围/推广费用与销售金额/家庭生活开支的相关分析
2、方差分析
案例：终端陈列位置/广告形式/地区对销量的影响分析

四、销售预测分析
1、销量预测与市场预测——让你看得更远
2、回归模型
案例：让你的营销费用预算更准确
3、寻找最佳拟合线来判断和预测
4、基于时间的预测与时序分析
案例演练：电视机销量预测/上海证券交易所综合指数收益率序列分析
5、季节性预测模型
案例：美国航空旅客里程/产品销售的季节性趋势预测分析

五、 客户需求分析
1、逻辑回归模型
案例：杂志社订阅模型
2、关联分析
（1）如何制定套餐，实现交叉/捆绑销售
（2）产品关联分析模型原理
案例：超市商品交叉销售与布局优化
六、客户价值分析
1、RFM模型（客户价值评估）
案例：淘宝客户价值评估与促销名单

七、市场细分分析
1、聚类分析
（1）如何更好的了解客户群体和市场细分
（2）如何识别客户群体特征
2、分类决策树
（1）如何选择节点构建决策树/提取客户特征
（2）决策树分析过程
实战：终端生命周期曲线与终端销售最佳时机
八、课程总结与问题答疑

专家简介
华为大数据专家  傅一航
实战经验
曾在华为工作10年，近十年以来一直从事通信行业的研究与分析，对通信行业的市场态势、客户行为、服务效果以及运营分析等方面有深入的接触和研究，特别是针对大数据、4G及LTE标准发展，无线网络演进，网络融合，市场发展及业务应用分析，在业务应用领域投入了更多的精力，积累了相当的知识和见解。目前致力于将大数据技术应用于通信、金融、航空、电商、互联网等领域，专注于将大数据应用于行业及商业领域，解决行业实际的问题，帮助企业提升运营决策能力和大数据营销预测能力。

授课特点
深入浅出的理论讲解（分析模型），使用简单实用的工具操作（分析工具），实现分析结果到业务策略的落地。
主讲课程
“数”说营销-大数据挖掘与营销应用、大数据产业现状及应用创新、Hadoop大数据解决方案开发技术基础培训、数据分析与数据挖掘应用高级培训、大数据时代的精准营销。
服务客户
华为技术有限公司、平安集团、安能物流、中国移动、中国联通、中国电信、西部航空、富维江森、广州地铁、富士康、光大银行、招商银行……

大数据挖掘与营销应用