教学优势
曙海教育的课程培养了大批受企业欢迎的工程师。大批企业和曙海
建立了良好的合作关系。曙海教育的课程在业内有着响亮的知名度。
本课程，秉承二十一年积累的教学品质，以项目实现为导向,老师将会与您分享设计的全流程以及工具的综合使用经验、技巧。
| 引言：数字化时代企业生存之道——保持饥饿感 | 1.数字经济才是真正的“计划经济” |
| 2.数据资产是企业发展的核心竞争力 | |
| 3.数字化转型是双轮驱动的“一把手工程” | |
| 第一单元：数字化背景下的商业变革 | 一、大数据内涵定义和基础条件 |
| 1. 阿里巴巴新战略：数字经济体 | |
| 2. 大数据三个要素 | |
| （1）大——海量，平台级 | |
| （2）数——信息，结构化 | |
| （3）据——精准、可依赖 | |
| 3. 大数据的六个特征 | |
| 4. 大数据的三种类型 | |
| （1）消费数据——多维度记录 | |
| （2）机器和传感数据——图文、语音、影像 | |
| （3）行为数据——位置、轨迹、交易 | |
| 5. 大数据+移动互联网 | |
| ——终端普及率 | |
| ——用户习惯 | |
| ——支付体系 | |
| 6. 大数据+物联网 | |
| （1）物联网的三个基本特征 | |
| （2）物联网的本质：连接一切 | |
| （3）传感器——人类感官的延伸 | |
| 【案例解析】万物互联——当尿不湿植入芯片 | |
| 7. 大数据+5G | |
| （1）高速率：大幅提高传输速率 | |
| （2）低时延：端到端毫秒级时延 | |
| （3）大带宽：km²百万级设备接入 | |
| （4）广连接：应用场景更加丰富 | |
| 【案例解析】消费互联网VS产业互联网 | |
| 8. 大数据+云计算 | |
| （1）大数据反哺云计算 | |
| （2）算力提升与算法优化 | |
| （4）企业上云和政务上云大趋势 | |
| 【案例解析】过去一百年人类离不开电力，未来人类离不开算力 | |
| 9. 大数据+AI人工智能 | |
| 【案例解析】百度AI战略——无人驾驶 | |
| 二、数字化转型面临的难点 | |
| 1. 数据思维：数据意识较弱，人才储备不足 | |
| 2. 数据采集：数据积累时间长，但质量不佳 | |
| 3. 数据开发：应用场景不够，缺乏业务突破点 | |
| 4. 数据应用：条件所限，缺少应用的成功案例 | |
| 5. 数据共享：数据不统一，难以发挥整体作用 | |
| 第二单元：数字化平台构建及应用策略 | 一、大数据开发的重要性 |
| 1. 发现运营存在的不足 | |
| 2. 市场变化和竞对动态 | |
| 3. 客户需求与极致体验 | |
| 4. 个性化营销方案制定 | |
| 5. 洞察行业周期性走势 | |
| 6. 为决策提供有效依据 | |
| 【案例解析】什么是马云眼中的“新能源” | |
| 二、数字化管理与信息化建设 | |
| 1. 掌握业务板块与数据运行之间的底层逻辑 | |
| 2. 建立数据共享机制提升部门协同效率 | |
| 3. 设定关键指标，通过数据反馈进行科学决策 | |
| （1）业务改进措施 | |
| （2）绩效考核体系 | |
| （3）服务流程优化 | |
| （4）信息安全管理 | |
| （5）客服体系建设 | |
| （6）品牌建设 | |
| 4. 符合实际情况的数据开发流程 | |
| （1）数据接入 | |
| （2）数据整合 | |
| （3）数据清洗 | |
| （4）数据分析 | |
| （5）数据呈现 | |
| （6）建模应用 | |
| 三、大数据运营及应用方向 | |
| 1. 产品研发：数据反馈与产品定位 | |
| 【案例解析】从产品定义看众安保险如何玩转大数据 | |
| 2. 用户画像：消费者心理及行为分析 | |
| 【案例解析】在非洲卖的最好的中国手机品牌 | |
| 1. 精准营销：痛点捕捉与需求触达 | |
| 4. 风险管控：数据监测与风险预警 | |
| 【案例解析】上海外滩踩踏事件的反思和启示 | |
| 5. 运营效率：智能化和精细化管理 | |
| 6. 创新服务：客户个性化需求满足 | |
| 【案例解析】门店暴增，“优剪”的数据思维和颠覆式创新 | |
| 四、大数据分析挖掘方法和要点 | |
| 1. 统计性分析 | |
| （1）结合业务场景设定关键指标 | |
| （2）不同维度组合的统计模型 | |
| （3）导向性的数据提取 | |
| 【案例解析】飞机真的是最安全的交通工具？ | |
| 【实战分享】从某外卖平台的统计数据中，你能看出什么？ | |
| 2. 预测性分析 | |
| （1）捕捉各个因素之间的内在关联 | |
| （2）通过历史数据发掘规律和趋势 | |
| （3）风险评估，预判和管控 | |
| 【案例解析】为什么电力数据真实反映了国民经济运行状况？ | |
| 3. 可视化分析 | |
| （1）形成观点和结论 | |
| （2）文不如表，表不如图 | |
| （3）呈现方式——Excel、PPT或其他分析工具 | |
| 4. 分析思维训练 | |
| （1）对比、转化、关联，横向与纵向扩展 | |
| （2）深入了解各业务板块，使分析工作贴合实际 | |
| （3）比数据分析更重要的是大数据思维和意识 | |
| 【思维训练】为什么大部分人对中国房价走势预测失误？ | |
| 【实战分享】如何通过数据分析识别已损坏的共享雨伞？ | |
| 五、大数据内部采集与外部整合 | |
| 1. 内部数据采集要点 | |
| （1）完整性——数据累积效应 | |
| （2）连续性——周期变化趋势 | |
| （3）多维度——数据的多样性 | |
| （4）倾向性——目标数据提取 | |
| 2. 外部数据渠道开拓与整合优化 | |
| （1）“互联网+”的趋势 | |
| （2）构建跨平台信息采集体系 | |
| 第三单元：基于用户画像的精准营销和创新服务 | 一、什么是用户画像 |
| 1. 用户DNA | |
| 2. 营销依据 | |
| 3. 效果转化 | |
| 【案例解析】今日头条为什么让巨头们恐慌？ | |
| 二、用户画像构建 | |
| 1 . 用户需求洞察 | |
| （1）用户角色属性划分 | |
| （2）用户真伪需求甄别 | |
| （3）保持倾听，独立判断 | |
| 2. 数据源的建立 | |
| （1）用户数据 | |
| （2）行为数据 | |
| （3）消费数据 | |
| （4）商品数据 | |
| （5）客服数据 | |
| 3. 用户画像模型 | |
| （1）群体画像模型 | |
| （2）购买兴趣模型 | |
| （3）产品定义模型 | |
| （4）风险管控模型 | |
| 【案例解析】瞄准社区生鲜，钱大妈凭什么火爆？ | |
| 三、用户标签体系 | |
| 1. 用户的基础信息 | |
| 2. 用户的社会属性 | |
| 3. 用户的行为偏好 | |
| 4. 用户的心理特征 | |
| 5. 用户的异常情况 | |
| 6. 用户的使用特权 | |
| 【实战分享】用户画像偏差：某厨具品牌线上推广遭遇的困惑 | |
| 四、用户画像建模规则 | |
| 1. 明确建模的目标和方向 | |
| 2. 掌握业务关联性和逻辑 | |
| 3. 必须结合实际应用场景 | |
| 4. 根据数据反馈优化模型 | |
| 【实战分享】用户画像重构：某家电生产企业的营销模式转型策略 | |
| 第四单元：实体产业如何植入数字基因 | 一、用户思维——为懒人服务 |
| 1. 傻瓜式、简单可依赖 | |
| 2. 别让消费者做选择题 | |
| 3. 需求洞察与痛点捕捉 | |
| 4. 用户需求VS应用场景 | |
| 【案例解析】邮政VS顺丰，用户的槽点在哪里 | |
| 二、产品思维——对一切有违人性的产品和服务保持愤怒 | |
| 1. 无痛点，不产品（服务） | |
| 2. 做减法，不做加法（功能） | |
| 3. 小步快跑，快速迭代（效率） | |
| 4. 避免过度的产品设计（机制） | |
| 【案例解析】马桶上的两个按钮VS苹果的HOME键 | |
| 【案例解析】瞬间白痴论——乔布斯1秒、马化腾3秒、张小龙5秒 | |
| 三、平台思维——规则制定者 | |
| 1. 边际成本与规模效应 | |
| 2. 利益相关者的交易结构 | |
| 3. 四度法则：深度、广度、维度、力度 | |
| 【实战分享】某新能源充电桩运营平台的纠结 | |
| 四、跨界思维——乱拳打死老师傅 | |
| 1. 挟用户数据重构市场空间 | |
| 2. 瓦解竞争对手的惯性生存条件 | |
| 3. “跨界打劫”VS“降维打击” | |
| 4.“跨界打劫”的本质：场景转换与用户体验 | |
| 【案例解析】谁夺走了分众传媒的电梯生意 | |
| 五、创新思维——做别人不做的事 | |
| 1. 创新不是瞎折腾 | |
| 2. 创新不是耍小聪明 | |
| 3. 创新是“有中生无” | |
| 4. 微创新——保持饥饿感 | |
| 【案例解析】马云声称的“珍珠港偷袭” |
