数据挖掘与现代企业的数据化运营实践培训

大数据时代的企业数据化运营战略和战术

现代企业竞争面临的挑战

大数据时代的企业的选择

数据化运营的前世今生

“企业数据化运营”是什么？

“企业数据化运营”全景鸟瞰

“企业数据化运营”战略中组织架构和具体角色？

企业化数据应用的典型场景和相关的分析挖掘技术概述

目标客户典型特征分析（客户画像）、客户360的全景指标体系

目标客户的预测响应模型（活跃用户流失预测模型实战跟踪分享）

运营群体的活跃度分析（指标定义）（精准营销的用户活跃度指标创建案例）

交叉销售模型

目标用户分层进化金字塔（B2B交易用户的分层模型实战案例）

商品推荐模型（个性化推荐，推荐算法）

数据产品（数据产品的目的，BAT的实践，一个新型的职业和专业，app）

精细化运营平台的案例

决策支持（有企业自身的数据，更有行业的宏观数据；有微观的深入分析挖掘，更有宏观的统计和调研）

数据分析与数据挖掘在企业实战中的主要方法论和主要技术分享

结合阿里的实践，讲解：

SEMMA

CRISP-DM

Tom Khabaza挖掘九律

数据挖掘的主要成熟技术（回归、分类、聚类、时间序列、协同过滤、KNN、关联分析、

常见的数据处理技巧

建模实战中常见的思考核心点

业务是核心、思路是重点、技术是工具（辅助）

一个基本的方法论（HSCTODC）

大胆假设，小心求证

2080原则

结构化思考

即客观，也主观

如何利用手头工具对大量数据进行有效的分析挖掘（首先要看数据如何采集、处理、获取等前期的工作要准确、到位、有效；

数据分析的7个渐进的层次金字塔和分析师成长路径的金字塔；

每个层次都有实例举证；

数据化运营的落地应用

反馈和优化调节

电商内外、行业内外的经典案例赏析

电商行业的案例（我的亲历）

引导学员实际在R上操作体会有趣的聚类小项目（实际操作，体会）

引导学员实际在R上操作体会有趣的逻辑回归小项目（实际操作，体会）

主要强调：算法是简单的，挖掘建模是简单的，但是不简单的（耗时的）是思路的优化和数据的收集、清理、清洗、转换