移动互联网背景下的大数据分析

讲师:李勇 发布日期:02-05 浏览量:1150












讲授专家:李勇



培训对象:数据分析管理人员(总监、经理、主管)

运营从业人员



课程时间:1天 (6小时)



课程背景:

4G时代,运营商产生了更多的大数据,通过对客户的重新认识和精确营销,可以提

升企业的核心竞争能力,可以更新企业运营的新理念。通过数据发现趋势及问题,

助力业务发展,成为运营商研究的新课题。



本课程亮点:

通过本次培训中实际案例的分享,了解数据管理的各种经验教训,深刻理解大数据

的意义,发掘用户行为分析的价值及发掘客户精确营销的价值。 





课程收益:

培训完结后,学员能够:

← 了解并掌握大数据时代下的商业机会

← 了解并掌握基础数据管理的办法

← 了解并掌握大数据环境下的网络营销策略

← 了解并掌握运营数据分析及数据库营销

← 了解并掌握数据质量的体系管理办法





课程大纲:

|单元 |大纲 |内容 |效益 |

|单元一 |4G时代的“大数|大数据概念和特点  |本单元让学员|

| |据、大机遇”:|大数据能够带来哪些新应用? |了解4G时代的|

| | |大数据时代带来对传统营销的挑战  |大数据机遇和|

| | |大数据如何成为资产? |挑战 |

| | |大数据如何体现精确营销  | |

| | |4G大数据对于运营商的价值  | |

|单元二 |基础数据的收 |1、数据的种类  | |

| |集和分析 |1)客户数据内容(电信客户的基本资料)  |学习并掌握运|

| | |2)产品数据内容(产品的编码)  |营中如何对业|

| | |3)营销数据内容(交易记录的保存)  |务模块的基础|

| | |4)服务数据内容(客户服务数据的保存)  |数据进行收集|

| | |5)电信数据的特点:(交易型数据较多、价|和分析 |

| | |值密度降低等)  | |

| | |2、数据的存放方法  | |

| | |1)数据的清洗、转换和加载  | |

| | |2)存放在数据库/数据仓库  | |

| | |3)数据的基本分析工具EXCEL等  | |

| | |4)数据仓库的基本原理  | |

| | |3、数据的基本整理  | |

| | |1)数据的归类存放(建模型)  | |

| | |2)数据的基本加工  | |

| | |4、数据挖掘技术 | |

| | |1)数据的基本汇总  | |

| | |2)数据中的“金子”:从石头中淘金子  | |

| | |3)数据挖掘:“啤酒和尿布”的故事  | |

| | |4)数据挖掘过程  | |

| | |5)数据挖掘算法介绍  | |

| | |6)高级的数据挖掘工具SAS和SPSS等  | |

| | |5、数据质量的基本保障  | |

| | |1)指标的口径描述和统一  | |

| | |2)后期补数据成本是前提收集数据成本的15| |

| | |倍 | |

| | |3)“差之毫厘谬以千里”  | |

| | |6、网销/电销数据的收集和整理  | |

| | |1)网销数据的收集/整理  | |

| | |2)电销数据的收集/整理  | |

| | |3)电销和网销数据的关键点 | |

|单元三 |大数据下的网 |了解DMP的演变 |学习大数据下|

| |络创新营销策 |分析自身产品和平台定位和发展阶段,选择 |如何根据本公|

| |略 |最合适的DMP平台 |司的现状采用|

| | |移动互联网营销新法则 |最合适的方法|

| | |新的营销场景和社群 |进行营销 |

| | |有传播力的内容 | |

| | |如何打造人与人的链接 | |

|单元四 |数据库营销 |何谓数据库营销 |掌握数据库营|

| | |基于运营数据分析数据库客户 |销的策略和方|

| | |根据不同的客群开展不同的营销 |法 |

| | |数据库营销案例解析 | |

|单元五 |数据的质量管 |数据质量的问题表现  |掌握数据质量|

| |理 |接通率的量化依据数据转换成为成功订单几 |是做好数据管|

| | |率的描述  |理的基础 |

| | |示例:数据质量的问题分布图  | |

| | |数据质量的根源在哪里  | |

| | |业务管理的标准化指标的口径一致性问题 | |

| | |数据质量的管理模式  | |

| | |理清数据的来龙去脉列出数据的监控点  | |

| | |数据质量的量化评估方法 | |

| | |数据质量的评估标准  | |

| | |【示例】:数据质量的评估指标  | |





-----------------------

《移动互联网时代下的大数据分析》





分享
联系客服
返回顶部