數據挖掘與現代企業的數據化運營實踐培訓

大數據時代的企業數據化運營戰略和戰術

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）

數據分析與數據挖掘在企業實戰中的主要方法論和主要技術分享

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

電商內外、行業內外的經典案例賞析

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