課程大綱
第一講：企業所面臨的數字化轉型
一、企業數字化轉型原因
1.數字化改變商業模式
1）數據變機會
2）機會變服務
3）服務變收入
2.數字化建立企業優勢
3.數字化提升使用體驗
二、數字化轉型核心要素
1.以數據為中心的智能化發展目標
2.數字化平臺的構建
三、員工在企業數字轉型中應該作出的應對
1.IT思維和業務思維相融合
2.培養開放共享的心態
3.圍繞以用戶為中心
4.提升數據分析處理能力
第二講：利用統計方法實現數據分析
一、標度的選擇使用
量化感覺、態度、喜好等的方法
二、頻數的選擇使用（衡量對總體水平的作用程度）
1.餅圖
2.條形圖
3.直方圖
三、基于統計方法的分析
1.分析異常值與偏斜數據
2.均值VS中位數VS眾數
3.全距/四分位數的使用
4.百分位數與箱線圖的使用
5.方差VS標準差分析變異性VS分散性
6.利用概率進行分析
案例1：用戶購買公司產品概率的分析
案例2：某某企業員工加薪方案的選擇
四、基于統計方法的決策
1.比較法進行決策
2.組合法進行決策
3.貝葉斯方法進行決策
4.快省樹方法進行決策
思考：優秀員工如何選用統計指標進行評價
案例：假設檢驗與數據證偽保證決策結果的正確
綜合示例：運用統計指標分析銷售數據尋找方法提升某產品的銷量
第三講：利用大數據進行管理與運營
一、大數據現狀
1.大數據時代的標志
2.六大趨勢推動大數據發展
3.HypeCycle技術趨勢對大數據的判斷
4.新基建戰略對大數據的定位
5.數字中國的內容
案例：阿里雙11
二、大數據4V特征
1.數量大
2.多樣性
3.速度快
4.價值性
案例：大數據4V特征在數字化全量全連接中的應用
三、把握大數據的三個關鍵
1.更多——全樣本透視本質
2.更雜——透過混雜性適配場景應用
3.更好——把握相關性，提供更好服務
案例：三個關鍵對數字化實時反饋的影響
案例：大數據商業畫像示例——千人千面
練習：猜猜他是誰？
四、大數據分析
1.大數據分析的困難
2.數據即服務DaaS
討論：數字化轉型中我們應該關注工作中的哪些管理數據和業務數據，它們的價值和應用難點有哪些？
五、大數據應用
1.被動式演變成預判式
2.大數據商業價值
3.大數據在行業的應用
案例：智慧城市建設
案例：企業數據地圖實踐
討論：企業數據治理——如何管好用好數字化平臺的數據？
第四講：利用大數據技術進行營銷數據分析
一、K均值聚類算法應用——客戶價值分析
1.客戶價值分析有利于減少營銷成本
1）理解價值型客戶
2）差異化服務應對不同價值客戶
2.客戶價值分析方法
1）客戶價值識別流程
2）K均值聚類識別客戶價值
a確定中心
b計算距離
c確定新中心
d迭代得到最終分類
3）針對不同客戶價值采用不同營銷策略
視頻：根據對象不同采用不同策略的銷售視頻
案例：根據客戶的消費額和交互屬性進行聚類分析
二、決策樹算法應用——風險客戶分析
1.傳統風險分析識別方法的劣勢
2.大數據方式下分析識別方法的改進——決策樹算法應用
1）預先建立if-then的判斷規則
2）數據分析建立的規則——信息熵
3）決策樹算法操作思路
4）建立決策樹模型進行分析
a劃分屬性值
b計算劃分組的概率
c計算每個劃分規則下的信息熵
d選擇最小信息熵的規則為第一規則
e迭代到樣本分類
案例：警察是如何發現罪犯的？
案例：如何分析是否適合作為另一半
三、邏輯回歸算法應用——敏感客戶分析
1.厘清不同場景下的敏感客戶特點
2.分析敏感客戶的關注點
3.邏輯回歸算法的應用
1）二分類問題
2）個人采用二分法預判的局限性
3）預判二分類問題的優化
4）二分類結果預判的本質
5）大數據回歸方法進行二分類預判
a線性回歸大數據方法
b邏輯回歸大數據方法
案例：如何判斷對方是否真心喜歡我
案例：回歸方法預判職業發展
案例：營銷場景中敏感客戶分析降低投訴率
第五講：RapidMiner數據分析
1.分析接口
2.導入數據
3.加載數據
4.進行數據可視化
5.進行建模
6.進行模型應用
7.測試模型
8.進行模型評估
9.使用擴展
聚類算法練習：客戶價值分析
決策樹算法練習：信用風險評分分析
邏輯回歸算法練習：敏感客戶分析
