课程大纲：

大数据综合应用和发展解析

【课程背景】
   通过本次培训中实际案例的分享，帮助企业认识到大数据时代的发展趋向，新的经济形态的发展形式，把握住大数据时代的发展机遇；使企业掌握在大数据时代，如何进行企业发展和管理创新的方式、方法，把大数据作为工具，促进企业的发展。

【课程亮点】
   未来时代是DT的时代、是万物互联的时代，是竞争是机遇和挑战并存的时代，在新经济下，如何能让我们的平台脱颖而出，根据产业机会，如何做好产品创新和平台创新，本课程将详细介绍以上部分，理论结合实际案例，课程落地性极强。

【课程收益】
培训完结后，学员能够：
－了解大数据和云计算时代给企业带来的机遇
－了解大数据和云计算时代新经济体的模型和服务及盈利模式；
－了解大数据应用经验和技术架构；
－了解DT时代新零售、新技术、新能源、新制造及新金融之间的关系；
－了解DT时代客户画像的建立方法以及产品设计的优化策略
－了解DT时代数据营销的基本方式
－了解DT时代数据分析的逻辑思路和具体的办法
－了解DT时代产品定位和市场营销定价策略

【课程对象】产品中心（总监、经理、主管）、运营中心管理人员、技术中心管理人员

【课程时长】2天 (6小时/天）

【课程大纲】
第一章   企业为什么要重视大数据
1、什么是大数据 
2、互联网时代带来的大数据的革命 
3、大数据的思考 
4、大数据、云计算、人工智能及物联网之间的逻辑关系

第二章   传统行业面对产业互联和数据时代的企业效率提升
1、如何通过云计算和大数据让自身产业的物流仓储效率*化提升 
1）智能仓储是物联网时代的趋势 
2）智能仓储和智慧物流对于我们有哪些帮助 
2、 云计算和大数据是如何改变产业金融的 
1）传统企业应该如何面对新金融 
2）传统企业在新金融中的机会点 
3）产业互联网金融和数据金融的区别是什么 
3、云计算和大数据是如何改变产业物流的 
4、数据是如何改变传统企业的 
案例：找钢网及西域工业品电商模式、鲸工工业品电商模式、震坤行工业品电商模式的效率提升介绍。

第三章   大数据时代的思维和新经济模式
1、大数据时代下的互联网新思维 
2、大数据对新零售的变革； 
3、大数据对新农业的变革； 
4、大数据对新共享经济的变革； 
5、大数据对新制造的变革； 
6、大数据对新金融的变革； 
7、大数据对传统企业行业产生的影响和变革； 
案例：大数据的B2B“搅局者”到底要做什么

第四章   大数据时代五新的关系
1、DT的大数据给金融、技术、能源、零售业及渠道等带来的变化分别是什么: 
－什么是互联网金融，什么又是物联网金融，新金融给我们企业带来的机会是什么？ 
－五新将给我们企业带来哪些机会？ 
案例：新能源，新技术，新零售，新金融给传统行业带来的实战机会

第五章   大数据时代产品设计
1、DT时代产品定位核心功能 
2、UED设计师应该具备的三种心态及知识图谱 
3、理解什么是数据时代下的设计体验及产品交互 
4、产品管理体验管理与创新 
5、什么是数据设计，如何做好数据链条设计 
案例：阿里内部产品设计，滴滴打车全体验设计。

第六章   大数据时代的用户画像和客户模型
1、客户获取分析 2、客户激活响应与偏好分析 
2、客户保有与流失分析 
3、客户价值分析 
4、客户细分维度选择 
5、客户细分维度处理及案例 
6、客户细分目标及市场定价 
7、客户细分办法比较

第七章   企业如何做好大数据营销
1、盘活数据资产  
2、淘宝数据王国——海量数据称王  
3、亚马逊数据库——*营销制胜 
4、大数据时代的线上线下融合  
5、大数据时代面临的挑战  
6、大数据让营销更精准 
7、大数据与品牌代言  
8、大数据的用户体验  
9、大数据的粉丝经济  
10、小米的崛起之路

第八章   企业如何做好数据分析
1、数据分析是神马?数据分析基本过程？ 
2、数据分析面临的常见问题 
－不知道分析什么（分析目的不明确） 
－不知道怎样分析（缺少分析方法） 
－不知道收集什么样的数据（业务理解不足） 
－不知道下一步怎么做（不了解分析过程） 
－看不懂数据表达的意思（数据解读能力差） 
－担心分析不够全面（分析思路不系统） 
－认识数据分析 
－什么是数据分析 
－数据分析的三大作用 
－数据分析的三大类别 
3、数据分析需要什么样的能力 
－懂业务、懂管理、懂分析、懂工具、懂呈现 
4、大数据应用的四层结构 
－数据基础层、数据模型层、业务模型层、业务应用层 
5、数据分析与挖掘在企业中的应用

第九章   数据分析基本过程
1、数据分析的六步曲 
2、步骤1：明确目的--理清思路 
－先有数据还是先有问题？ 
－确定分析目的 
－确定分析思路 
3、步骤2：数据收集—理清思路 
－明确收集数据范围 
－确定收集来源
 －确定收集方法 
4、步骤3：数据预处理—寻找答案 
－数据清洗、转化、提取、计算 
－数据质量评估 
5、步骤4：数据分析--寻找答案 
－分析方法选择 
－构建合适的分析模型 
－分析工具选择 
6、步骤5：数据展示--观点表达 
－选择合适的可视化工具 
－选择恰当的图表 
7、步骤6：报表撰写--观点表达 
－选择报告种类 
－完整的报告结构 
8、数据分析的三大误区

大数据综合应用和发展解析