- 互联网大数据时代的商业模式创新思维
- 大数据征管背景下建筑房地产企业利益最
- 大数据背景下如何利用金三管控增值税发
- 大数据时代流程管理与高效协同
- 大数据征管背景下建筑房地产企业营改增
- 大数据时代的销售行为管理—精细化销售
- 大数据时代的销售行为管理-精细化销售
- 互联网+之基于大数据的经营决策
- 互联网创新思维与大数据应用
- 大数据市场营销-如何利用大数据为市场
董事长、总经理、市场总监、销售总监、客服总监、CIO等总监以上级别
【培训收益】
第1章 客户关系管理与大数据的关系
1.1 客户关系管理成为企业的核心能力
1.2 客户关系管理中的数据分析
1.3 大数据分析应用的条件
1.3.1 全面准确的海量数据
1.3.2 精细化管理理念的倡导
1.3.3 数据分析和数据挖掘技术的有效应用
1.4 大数据应用的最新进展
第2章 数据挖掘概述
2.1 数据挖掘的发展历史
2.2 统计分析与数据挖掘的主要区别
2.3 数据挖掘的主要成熟技术以及在客户关系管理中的主要应用
2.3.1 决策树
2.3.2 神经网络
2.3.3 回归
2.3.4 关联规则
2.3.5 聚类
2.3.6 贝叶斯分类方法
2.3.7 支持向量机
2.3.8 主成分分析
2.3.9 假设检验
2.4 互联网行业数据挖掘应用的特点
第3章 客户关系管理中常见的数据分析项目类型
3.1 目标客户的特征分析
3.2 目标客户的预测（响应、分类）模型
3.3 运营群体的活跃度定义
3.4 用户路径分析
3.5 交叉销售模型
3.6 信息质量模型
3.7 服务保障模型
3.8 用户（买家、卖家）分层模型
3.9 卖家（买家）交易模型
3.10 信用风险模型
3.11 商品推荐模型
3.11.1 商品推荐介绍
3.11.2 关联规则
3.11.3 协同过滤算法
3.11.4 商品推荐模型总结
3.12 数据产品
3.13 决策支持
第4章 数据分析是跨专业、跨团队的协调与合作
4.1 数据分析团队与业务团队的分工和定位
4.1.1 提出业务分析需求并且能胜任基本的数据分析
4.1.2 提供业务经验和参考建议
4.1.3 策划和执行精细化运营方案
4.1.4 跟踪运营效果、反馈和总结
4.2 数据化运营是真正的多团队、多专业的协同作业
4.3 实例示范数据化运营中的跨专业、跨团队协调合作
第5章 数据挖掘项目完整应用案例
5.1 项目背景和业务分析需求的提出
5.2 数据分析师参与需求讨论
5.3 制定需求分析框架和分析计划
5.4 抽取样本数据、熟悉数据、数据清洗和摸底
5.5 按计划初步搭建挖掘模型
5.6 与业务方讨论模型的初步结论，提出新的思路和模型优化方案
5.7 按优化方案重新抽取样本并建模，提炼结论并验证模型
5.8 完成分析报告和落地应用建议
5.9 制定具体的落地应用方案和评估方案
5.10 业务方实施落地应用方案并跟踪、评估效果
5.11 落地应用方案在实际效果评估后，不断修正完善
5.12 不同运营方案的评估、总结和反馈
5.13 项目应用后的总结和反思
第6章 顶尖数据挖掘平台TipDM
6.1 TipDM产品功能
6.1.1 TipDM平台提供的数据探索及预处理算法
6.1.2 TipDM平台提供的分类与回归算法
6.1.3 TipDM平台提供的时序模式算法
6.1.4 TipDM平台提供的聚类分析算法
6.1.5 TipDM平台提供的关联规则算法
6.2 TipDM使用说明
6.3 TipDM产品特点
6.3.1 支持CRISP-DM数据挖掘标准流程
6.3.2 提供丰富的数据挖掘模型和灵活算法
6.3.3 具有多模型的整合能力
6.3.4 提供灵活多样的应用开发接口
6.3.5 海量数据的处理能力
6.3.6 适应不同类型层次人员需求
第7章 数据挖掘在金融电信行业的应用
7.1 案例二：电信3G客户识别系统
7.1.1 挖掘目标的提出
7.1.2 分析方法与过程
7.1.3 建模仿真
7.1.4 核心知识点
7.1.5 拓展思考
7.2 案例三：基于客户分群的精准智能营销
7.2.1 挖掘目标的提出
7.2.2 分析方法与过程
7.2.3 建模仿真
7.2.4 核心知识点
7.2.5 拓展思考
第8章 数据挖掘在互联网行业的应用
8.1 案例一：商业零售行业中的购物篮分析
8.1.1 挖掘目标的提出
8.1.2 分析方法与过程
8.1.3 建模仿真
8.1.4 启发与拓展
8.2 案例二：电子商务网站用户行为分析
8.2.1 挖掘目标的提出
8.2.2 分析方法与过程
8.2.3 建模仿真
8.2.4 启发与拓展
8.3 案例三：基于用户行为分析的定向网络广告投放
8.3.1 挖掘目标的提出
8.3.2 分析方法与过程
8.3.3 建模仿真
8.3.4 结果及分析
8.3.5 启发与拓展
第9章 数据挖掘在生产制造行业中的应用
9.1 案例：基于RFM的企业客户关系分析
9.1.1 挖掘目标的提出
9.1.2 分析过程与方法
9.1.3 建模仿真
第1章 客户关系管理与大数据的关系
1.1 客户关系管理成为企业的核心能力
1.2 客户关系管理中的数据分析
1.3 大数据分析应用的条件
1.3.1 全面准确的海量数据
1.3.2 精细化管理理念的倡导
1.3.3 数据分析和数据挖掘技术的有效应用
1.4 大数据应用的最新进展
第2章 数据挖掘概述
2.1 数据挖掘的发展历史
2.2 统计分析与数据挖掘的主要区别
2.3 数据挖掘的主要成熟技术以及在客户关系管理中的主要应用
2.3.1 决策树
2.3.2 神经网络
2.3.3 回归
2.3.4 关联规则
2.3.5 聚类
2.3.6 贝叶斯分类方法
2.3.7 支持向量机
2.3.8 主成分分析
2.3.9 假设检验
2.4 互联网行业数据挖掘应用的特点
第3章 客户关系管理中常见的数据分析项目类型
3.1 目标客户的特征分析
3.2 目标客户的预测（响应、分类）模型
3.3 运营群体的活跃度定义
3.4 用户路径分析
3.5 交叉销售模型
3.6 信息质量模型
3.7 服务保障模型
3.8 用户（买家、卖家）分层模型
3.9 卖家（买家）交易模型
3.10 信用风险模型
3.11 商品推荐模型
3.11.1 商品推荐介绍
3.11.2 关联规则
3.11.3 协同过滤算法
3.11.4 商品推荐模型总结
3.12 数据产品
3.13 决策支持
第4章 数据分析是跨专业、跨团队的协调与合作
4.1 数据分析团队与业务团队的分工和定位
4.1.1 提出业务分析需求并且能胜任基本的数据分析
4.1.2 提供业务经验和参考建议
4.1.3 策划和执行精细化运营方案
4.1.4 跟踪运营效果、反馈和总结
4.2 数据化运营是真正的多团队、多专业的协同作业
4.3 实例示范数据化运营中的跨专业、跨团队协调合作
第5章 数据挖掘项目完整应用案例
5.1 项目背景和业务分析需求的提出
5.2 数据分析师参与需求讨论
5.3 制定需求分析框架和分析计划
5.4 抽取样本数据、熟悉数据、数据清洗和摸底
5.5 按计划初步搭建挖掘模型
5.6 与业务方讨论模型的初步结论，提出新的思路和模型优化方案
5.7 按优化方案重新抽取样本并建模，提炼结论并验证模型
5.8 完成分析报告和落地应用建议
5.9 制定具体的落地应用方案和评估方案
5.10 业务方实施落地应用方案并跟踪、评估效果
5.11 落地应用方案在实际效果评估后，不断修正完善
5.12 不同运营方案的评估、总结和反馈
5.13 项目应用后的总结和反思
第6章 顶尖数据挖掘平台TipDM
6.1 TipDM产品功能
6.1.1 TipDM平台提供的数据探索及预处理算法
6.1.2 TipDM平台提供的分类与回归算法
6.1.3 TipDM平台提供的时序模式算法
6.1.4 TipDM平台提供的聚类分析算法
6.1.5 TipDM平台提供的关联规则算法
6.2 TipDM使用说明
6.3 TipDM产品特点
6.3.1 支持CRISP-DM数据挖掘标准流程
6.3.2 提供丰富的数据挖掘模型和灵活算法
6.3.3 具有多模型的整合能力
6.3.4 提供灵活多样的应用开发接口
6.3.5 海量数据的处理能力
6.3.6 适应不同类型层次人员需求
第7章 数据挖掘在金融电信行业的应用
7.1 案例二：电信3G客户识别系统
7.1.1 挖掘目标的提出
7.1.2 分析方法与过程
7.1.3 建模仿真
7.1.4 核心知识点
7.1.5 拓展思考
7.2 案例三：基于客户分群的精准智能营销
7.2.1 挖掘目标的提出
7.2.2 分析方法与过程
7.2.3 建模仿真
7.2.4 核心知识点
7.2.5 拓展思考
第8章 数据挖掘在互联网行业的应用
8.1 案例一：商业零售行业中的购物篮分析
8.1.1 挖掘目标的提出
8.1.2 分析方法与过程
8.1.3 建模仿真
8.1.4 启发与拓展
8.2 案例二：电子商务网站用户行为分析
8.2.1 挖掘目标的提出
8.2.2 分析方法与过程
8.2.3 建模仿真
8.2.4 启发与拓展
8.3 案例三：基于用户行为分析的定向网络广告投放
8.3.1 挖掘目标的提出
8.3.2 分析方法与过程
8.3.3 建模仿真
8.3.4 结果及分析
8.3.5 启发与拓展
第9章 数据挖掘在生产制造行业中的应用
9.1 案例：基于RFM的企业客户关系分析
9.1.1 挖掘目标的提出
9.1.2 分析过程与方法
9.1.3 建模仿真
第1章 客户关系管理与大数据的关系
1.1 客户关系管理成为企业的核心能力
1.2 客户关系管理中的数据分析
1.3 大数据分析应用的条件
1.3.1 全面准确的海量数据
1.3.2 精细化管理理念的倡导
1.3.3 数据分析和数据挖掘技术的有效应用
1.4 大数据应用的最新进展
第2章 数据挖掘概述
2.1 数据挖掘的发展历史
2.2 统计分析与数据挖掘的主要区别
2.3 数据挖掘的主要成熟技术以及在客户关系管理中的主要应用
2.3.1 决策树
2.3.2 神经网络
2.3.3 回归
2.3.4 关联规则
2.3.5 聚类
2.3.6 贝叶斯分类方法
2.3.7 支持向量机
2.3.8 主成分分析
2.3.9 假设检验
2.4 互联网行业数据挖掘应用的特点
第3章 客户关系管理中常见的数据分析项目类型
3.1 目标客户的特征分析
3.2 目标客户的预测（响应、分类）模型
3.3 运营群体的活跃度定义
3.4 用户路径分析
3.5 交叉销售模型
3.6 信息质量模型
3.7 服务保障模型
3.8 用户（买家、卖家）分层模型
3.9 卖家（买家）交易模型
3.10 信用风险模型
3.11 商品推荐模型
3.11.1 商品推荐介绍
3.11.2 关联规则
3.11.3 协同过滤算法
3.11.4 商品推荐模型总结
3.12 数据产品
3.13 决策支持
第4章 数据分析是跨专业、跨团队的协调与合作
4.1 数据分析团队与业务团队的分工和定位
4.1.1 提出业务分析需求并且能胜任基本的数据分析
4.1.2 提供业务经验和参考建议
4.1.3 策划和执行精细化运营方案
4.1.4 跟踪运营效果、反馈和总结
4.2 数据化运营是真正的多团队、多专业的协同作业
4.3 实例示范数据化运营中的跨专业、跨团队协调合作
第5章 数据挖掘项目完整应用案例
5.1 项目背景和业务分析需求的提出
5.2 数据分析师参与需求讨论
5.3 制定需求分析框架和分析计划
5.4 抽取样本数据、熟悉数据、数据清洗和摸底
5.5 按计划初步搭建挖掘模型
5.6 与业务方讨论模型的初步结论，提出新的思路和模型优化方案
5.7 按优化方案重新抽取样本并建模，提炼结论并验证模型
5.8 完成分析报告和落地应用建议
5.9 制定具体的落地应用方案和评估方案
5.10 业务方实施落地应用方案并跟踪、评估效果
5.11 落地应用方案在实际效果评估后，不断修正完善
5.12 不同运营方案的评估、总结和反馈
5.13 项目应用后的总结和反思
第6章 顶尖数据挖掘平台TipDM
6.1 TipDM产品功能
6.1.1 TipDM平台提供的数据探索及预处理算法
6.1.2 TipDM平台提供的分类与回归算法
6.1.3 TipDM平台提供的时序模式算法
6.1.4 TipDM平台提供的聚类分析算法
6.1.5 TipDM平台提供的关联规则算法
6.2 TipDM使用说明
6.3 TipDM产品特点
6.3.1 支持CRISP-DM数据挖掘标准流程
6.3.2 提供丰富的数据挖掘模型和灵活算法
6.3.3 具有多模型的整合能力
6.3.4 提供灵活多样的应用开发接口
6.3.5 海量数据的处理能力
6.3.6 适应不同类型层次人员需求
第7章 数据挖掘在金融电信行业的应用
7.1 案例二：电信3G客户识别系统
7.1.1 挖掘目标的提出
7.1.2 分析方法与过程
7.1.3 建模仿真
7.1.4 核心知识点
7.1.5 拓展思考
7.2 案例三：基于客户分群的精准智能营销
7.2.1 挖掘目标的提出
7.2.2 分析方法与过程
7.2.3 建模仿真
7.2.4 核心知识点
7.2.5 拓展思考
第8章 数据挖掘在互联网行业的应用
8.1 案例一：商业零售行业中的购物篮分析
8.1.1 挖掘目标的提出
8.1.2 分析方法与过程
8.1.3 建模仿真
8.1.4 启发与拓展
8.2 案例二：电子商务网站用户行为分析
8.2.1 挖掘目标的提出
8.2.2 分析方法与过程
8.2.3 建模仿真
8.2.4 启发与拓展
8.3 案例三：基于用户行为分析的定向网络广告投放
8.3.1 挖掘目标的提出
8.3.2 分析方法与过程
8.3.3 建模仿真
8.3.4 结果及分析
8.3.5 启发与拓展
第9章 数据挖掘在生产制造行业中的应用
9.1 案例：基于RFM的企业客户关系分析
9.1.1 挖掘目标的提出
9.1.2 分析过程与方法
9.1.3 建模仿真
9.1.4 核心知识点
9.1.5 拓展思考
北京大学、上海交通大学、浙江大学特邀客户关系管理讲师
微软中国商务管理解决方案特聘讲师
中国机械工业企业管理协会特聘客户关系管理讲师
清华大学国际工程项目管理学院特聘客户关系管理讲师
国际电子商务师联合会特聘讲师
清华大学MBA管理培训俱乐部常务理事
雅虎中国北京推广会特邀演讲嘉宾
北京市司法局干部培训特邀讲师
教育背景：
清华大学经济管理学院工商管理硕士
主要工作经历及业绩
北京同昌惠德科技有限公司副总经理、国际电子商务师联合会北京管理中心主任；
曾任美国著名CRM软件产品咨询顾问；香港上市公司总裁助理；外企销售部经理；亚星汽车山西分公司经理；清华大学EMBA项目主管；国家“八五”、“九五”重点军工项目主任，所参加项目曾获部级科技进步二等奖。
擅长客户关系管理(CRM)、服务营销、客户服务、企业电子商务、企业信息化、物流管理等领域的培训与咨询。
具有扎实的理论功底，丰富的行业知识及企业管理经验，能将复杂深奥的理论用浅显的企业实践案例加以阐述，讲课擅长启发、互动。
主讲课程有：
《360°客户关系管理》、《商业银行的客户关系管理》、《汽车行业客户关系管理》、《电信行业的客户关系管理维护与提升》、《卓越的客户服务技巧》、《客户服务体系》、《企业电子商务》、《电子商务与网络营销》、《企业信息化与电子商务》、《汽车行业物流与供应链管理》、《时间管理》等。
-
课程大纲一、企业与政府的关系企业处理政府事务的六大误区政府精简和改组所发生的变化政府官员与企业之间的三大关系如何理解政府的“离不开、靠不住”怎样与官员共舞如何与同一个政府部门的不同官员打交道学习企业与政府部门打交道的6大要领争取政府支持的6大关键点政府机构工作的运作程序企业人员必须遵..
人气：948
-
大数据及人工智能背景下消费和小微信贷线上获客、产品设计、风控应对策略
第一部分：金融科技发展状况的介绍一、金融科技的现状与发展趋势（一）宏观背景1、金融科技（支付宝人脸识别技术、APPLEPAY、虹膜技术、二维码支付技术）2、利率市场化3、金融脱媒（二）移动互联技术的发展使互联网金融成为可能1、移动互联网技术2、移动支付技术3、H5、APP（三）互联网金融对传统银行资产业务的颠覆和冲..
人气：1011
-
【课程导言】：移动互联时代下，实体门店面临巨大的挑战，同时也是一种机会。马云说：不是实体门店不行了，而是你的实体门店不行了。面临新的冲击实体店如何进行创新，如何守住老阵地，如何利用新武器，这是所有实体连锁共同面临的问题。课程从互联网环境对我们的实体店挑战和我们面临的消费者消费习惯和方式的的变化入手，通过分析新零售良品铺子，海澜之家，名创优品的..
人气：803
-
【课程大纲】1.客户关系管理的定义2.客户关系管理的流程3.VIP客户的分级管理4.客户开发的渠道5.客户维护的技巧与方法6.老客户的维系与营销方法7.新客户及潜大客户的维系与营销方法..
人气：1112
-
【课程内容】1.客户关系管理的定义2.客户关系管理的流程3.VIP客户的分级管理4.客户开发的渠道5.客户维护的技巧与方法6.老客户的维系与营销方法7. 新客户及潜大客户的维系与营销方法..
人气：1077
-
课程背景：未来人货场一切数字化，数据将成为一种资源，没有数据没有未来，企业如何构建自己的大数据未来？人工智能已经来临，人工智能在营销板块的应用本质就是大数据营销！企业的ERP、CRM、报表等等仅仅是零散的死数据，如何激活流动产生闭环，产生效益？经验将成为负债，未来将利用数据产品规划、定位、策划、人群分析、活动策划，数据成为商业的起点！人为..
人气：1428
