【培訓對象】
產(chǎn)品研發(fā)團隊、產(chǎn)品經(jīng)理、產(chǎn)品需求調(diào)研團隊、營銷、營銷分析、運營

【培訓收益】
金融大數(shù)據(jù)的應(yīng)用現(xiàn)狀與痛點，大數(shù)據(jù)特點，技術(shù)圖譜及大數(shù)據(jù)思維 大數(shù)據(jù)分析、建模、標簽化管理、數(shù)據(jù)洞察產(chǎn)品需求 大數(shù)據(jù)下的產(chǎn)品場景，找回需求原點，構(gòu)建金融產(chǎn)品需求場景 金融產(chǎn)品數(shù)據(jù)分析與挖掘、金融產(chǎn)品研發(fā)前置分析及商業(yè)應(yīng)用全周期 大數(shù)據(jù)洞察的客戶關(guān)系，洞察維度，客群分析，客群在線的四大場景 金融應(yīng)用場景與客群關(guān)系，基于用戶洞察體驗需求升級

一、市場調(diào)研維度與用戶認知
1、思維創(chuàng)新技術(shù)路徑
2、市場調(diào)研的目的
調(diào)研目的
調(diào)研對象
需要收集的數(shù)據(jù)
需要達成的效果
3、調(diào)研的五大維度
網(wǎng)點周邊商業(yè)
網(wǎng)點周邊社區(qū)
網(wǎng)點周邊用戶
競爭對手
合作單位
3、調(diào)研的三種方法
實地調(diào)研
文案調(diào)研
特殊調(diào)研
4、市場調(diào)研的3個目的
5、市場調(diào)研的數(shù)據(jù)陷阱
6、用戶存在無意識的感知偏誤
7、用戶觀念跟不上企業(yè)創(chuàng)新
二、市場調(diào)研方法與失效因素
1、市場調(diào)研中容易混淆的3種誤差
固有誤差
隨機誤差
主觀誤差
13、市場調(diào)研 - 行業(yè)成熟度
14、市場調(diào)研 - 市場發(fā)展空間
15、市場調(diào)研 - 未來市場規(guī)模
16、市場調(diào)研 - 行業(yè)發(fā)展趨勢
17、致使市場調(diào)研失效的7個因素
某些消費者有“隱形需求”
調(diào)研的時間太遠，不具備結(jié)論
霍桑效應(yīng)
偏見與歧視
沉迷市場機會和體量導致市研失效
消費者是自我的導致市研失效
消費者難以場景化導致市研失效
8、從眾心理導致虛假信息
9、維護形象導致虛假信息
10、思維錨定導致低效信息
11、廣告干擾導致低效信息

18、如何整理市場調(diào)研數(shù)據(jù)
19、市場調(diào)研分析報告
整個大市場分析
整體市場下的細分市場分析
典型產(chǎn)品分析
新機會
風險
大數(shù)據(jù)技術(shù)圖譜
大數(shù)據(jù)技術(shù)基礎(chǔ)
大數(shù)據(jù)的數(shù)據(jù)源特點
大數(shù)據(jù)技術(shù)邏輯
大數(shù)據(jù)全域識別
大數(shù)據(jù)數(shù)據(jù)展現(xiàn)
5、大數(shù)據(jù)思維
全樣
容錯
相關(guān)
智能
案例：
二、數(shù)據(jù)分析
1、數(shù)據(jù)分析意識
對比關(guān)系
看趨勢
重點數(shù)據(jù)
2、數(shù)據(jù)分析方法
對比分析法
結(jié)構(gòu)分析法
交叉分析法
分組分析法
漏斗分析法
杜邦分析法
矩陣關(guān)聯(lián)分析法
2、數(shù)據(jù)分析報告對產(chǎn)品研發(fā)的影響
3、數(shù)據(jù)預處理
4、特征分析
5、算法建模
線性回歸
聚類
分類
6、數(shù)據(jù)表達
分布數(shù)據(jù)可視化
分類數(shù)據(jù)可視化
線性關(guān)系數(shù)據(jù)可視化
7、數(shù)據(jù)挖掘
8、統(tǒng)計分析方法
集中趨勢
離散程度
相關(guān)程度
參數(shù)估計
假設(shè)檢驗
9、
大數(shù)據(jù)分析與建模
建模
訓練模型
應(yīng)用模型
優(yōu)化模型
2、大數(shù)據(jù)標簽化管理
數(shù)據(jù)標簽
標簽
多樣化標簽與場景化應(yīng)用
基于標簽化的產(chǎn)品畫像
3、數(shù)據(jù)洞察金融產(chǎn)品需求
4、大數(shù)據(jù)為金融產(chǎn)品賦能
5、金融大數(shù)據(jù)的數(shù)據(jù)挖掘與建模
大數(shù)據(jù)挖掘流程與邏輯
大數(shù)據(jù)基本算法邏輯
大數(shù)據(jù)挖掘特性
大數(shù)據(jù)建模邏輯
數(shù)據(jù)＋模型＝產(chǎn)品能力？
案例：
三、貫穿整個金融產(chǎn)品生命周期的數(shù)據(jù)挖掘
1、金融大數(shù)據(jù)分析與數(shù)據(jù)挖掘
業(yè)務(wù)場景
數(shù)據(jù)建模
挖掘算法
相關(guān)分析
2、大數(shù)據(jù)應(yīng)用場景及場景解析
3、找回需求原點，構(gòu)建產(chǎn)品需求場景
4、產(chǎn)品數(shù)據(jù)分析與挖掘的樣本條件
5、產(chǎn)品研發(fā)前置分析
需求任務(wù)
研究目的
關(guān)鍵指標
6、產(chǎn)品生命周期 - 產(chǎn)品研發(fā)設(shè)計
策略研究
概念評估
產(chǎn)品研發(fā)
產(chǎn)品測試
7、產(chǎn)品生命周期 – 商業(yè)應(yīng)用
導入
發(fā)展
成熟
衰退
8、產(chǎn)品商業(yè)應(yīng)用的數(shù)據(jù)觸角
案例：
四、大數(shù)據(jù)洞察的客群分析
1、與客戶關(guān)系的核心
傳統(tǒng)價值
高階價值
2、大數(shù)據(jù)驅(qū)動的客群洞察-數(shù)據(jù)維度
真實性
立體性
即時性
3、大數(shù)據(jù)驅(qū)動的客群洞察 – 營銷維度
目標客群旅程
營銷活動評估
社交表現(xiàn)追蹤
行為趨勢洞察
4、客群洞察與分析
基礎(chǔ)屬性
需求解構(gòu)
客群分層
客戶心智
內(nèi)容偏好
產(chǎn)品能力
場景故事
金融價值
邏輯解析
5、客戶在線的四大場景
輸入場景
瀏覽場景
搜索場景
交易場景
6、金融應(yīng)用場景與客群關(guān)系
可運營人群數(shù) – 活躍用戶
人群轉(zhuǎn)化率 – 關(guān)系加深率
高價值人群總量
高價值人群活躍度
7、創(chuàng)新實踐，端到端的整合場景
場景總覽
預設(shè)GMV目標，反推各階層用戶體量
8、內(nèi)容傳播渠道
內(nèi)容矩陣
數(shù)字媒介矩陣
融合匹配
KOL選擇
9、基于內(nèi)容營銷閉環(huán)的布局
基礎(chǔ)內(nèi)容投放
頭部內(nèi)容資源
人群關(guān)系觸達
10、基于用戶洞察體驗升級需求
 

 

曾任樂村淘（中國最大農(nóng)村電商平臺） 執(zhí)行總裁
曾任A股上市公司啟迪桑德（000826） 創(chuàng)新中心負責人負責啟迪桑德整體的數(shù)據(jù)化轉(zhuǎn)型與數(shù)據(jù)模型建立
百安居（中國）有限公司 電子商務(wù)顧問
互聯(lián)網(wǎng)行業(yè)協(xié)會新零售分會 特約專家
黑馬創(chuàng)業(yè)學院 實驗室級專家導師
北清智庫商學院 首席專家導師
中國生產(chǎn)力促進中心協(xié)會數(shù)字經(jīng)濟委員會特約專家

 

【個人簡介】
韓老師是互聯(lián)網(wǎng)創(chuàng)業(yè)導師團成員之一、阿里家家創(chuàng)始人之一，成功輔導中泰龍辦公家具、百安居、365谷網(wǎng)、小馬教練等10多家企業(yè)的數(shù)字化轉(zhuǎn)型升級、互聯(lián)網(wǎng)項目，其中兩家成功獲得融資。工作時間20年以上，15年以上IT高級管理經(jīng)驗。思維活躍，具有很強的創(chuàng)新性，開放性。具備多個大型平臺從商業(yè)構(gòu)思、商業(yè)模式、產(chǎn)品、技術(shù)開發(fā)、運營及市場推廣，最終形成經(jīng)營業(yè)績的成功案例。
韓老師曾帶領(lǐng)多家互聯(lián)網(wǎng)、傳統(tǒng)型企業(yè)成功轉(zhuǎn)型升級，創(chuàng)建了A股上市公司啟迪桑德（000826）的創(chuàng)新中心，創(chuàng)建了全國首例互聯(lián)網(wǎng)＋生活垃圾分類的典型模式，并創(chuàng)建了社區(qū)服務(wù)平臺，共享電池項目，再生溯源業(yè)務(wù)模式等，形成基于環(huán)保的智慧城市綜合服務(wù)平臺，成為啟迪桑德（000826）重大戰(zhàn)略。
帶領(lǐng)知名農(nóng)村電商平臺樂村淘從模式1.0成功轉(zhuǎn)型升級2.0，調(diào)整樂村淘商業(yè)模型，實現(xiàn)了一年內(nèi)從10億平臺交易額升至近百億，創(chuàng)辦了“6月6農(nóng)民節(jié)”活動，奠定了樂村淘成為農(nóng)村電商平臺領(lǐng)先的地位。
創(chuàng)辦了家居電商平臺－阿里家家，首次提出家居O2O模式，被中國家居行業(yè)協(xié)會，互聯(lián)網(wǎng)行業(yè)協(xié)會載入行業(yè)發(fā)展記錄，阿里家家成為互聯(lián)網(wǎng)家居行業(yè)發(fā)展模式里程碑式的奠定者。
2020年，輔導的泰安睿云識電，是給工業(yè)企業(yè)提供智能用電解決方案，基于物聯(lián)網(wǎng)的管理與服務(wù)平臺，12月商業(yè)模式討論，1月初商業(yè)模式確認，3月軟硬件的研發(fā)，5月試運營，服務(wù)多家工業(yè)企業(yè)，達到電力智能管理模式，幫助工業(yè)企業(yè)用電管理方面節(jié)能30%以上，7月15日發(fā)布會，8月10日，訂單突破1000萬，城市服務(wù)中心7個，8月20日，項目融資路演排名第一，獲多家投資機構(gòu)青睞，為2021年5億經(jīng)營目標打下堅實的基礎(chǔ)。這是一個典型的傳統(tǒng)企業(yè)，通過數(shù)字化轉(zhuǎn)型，突破原有發(fā)展模式，成為數(shù)字型創(chuàng)新企業(yè)。

【主講課程】
《企業(yè)數(shù)字化轉(zhuǎn)型升級實戰(zhàn)》
《數(shù)字化領(lǐng)導力》
《敏捷管理》
《數(shù)字戰(zhàn)略與商業(yè)模式創(chuàng)新》
《數(shù)字思維》
《產(chǎn)品與用戶驅(qū)動的商業(yè)模型創(chuàng)新》
《人工智能與企業(yè)創(chuàng)新應(yīng)用》
《數(shù)字力量-零售的智能變革》
《破繭成蝶－工業(yè)大數(shù)據(jù)驅(qū)動智能制造》
《金融數(shù)字營銷》
《數(shù)字孿生驅(qū)動智能金融創(chuàng)新》
《物聯(lián)網(wǎng)創(chuàng)新應(yīng)用與物聯(lián)經(jīng)濟》
《普惠金融數(shù)字化轉(zhuǎn)型》
《大數(shù)據(jù)分析與銀行運營解析》
《新零售營銷與渠道管理》
《零售數(shù)字變革下的運營體系與策略》
《零售變革的數(shù)字供應(yīng)鏈》

【客戶評價】
韓老師講課生動、貼合實際，案例豐富，對智能零售分析透徹，大數(shù)據(jù)對傳統(tǒng)零售業(yè)態(tài)進行價值重構(gòu)，有獨到的見解，值得一聽。
——前華為榮耀手機總裁 劉江峰
韓老師的智能零售與大數(shù)據(jù)課程理論和實際案例非常豐富，條理清晰，具備很強的實戰(zhàn)性，讓我們在智能零售方面有了更好的思路！。
——百安居（中國）有限公司總裁 吳篤卿
韓老師的課程深入淺出，有很強的系統(tǒng)性和前瞻性，既有一定的理論高度，又有豐富的實戰(zhàn)案例，實現(xiàn)了理論和實踐的有機結(jié)合，非常實用，有很強的現(xiàn)實指導意義，為零售企業(yè)的轉(zhuǎn)型升級提供了清晰的思路和路徑。
——燕京集團副總 劉翔宇
韓老師的授課能更多地從實際角度出發(fā)，運用其多年實戰(zhàn)的積累，理論與實踐相結(jié)合，更生動地讓大家理解什么是智能零售。
——招商蛇口董秘 劉寧
本公司一直從事傳統(tǒng)的零售行業(yè)，尤其是這幾年在電商大環(huán)境的沖擊下需要零售創(chuàng)新，聽了韓老師的智能零售課程深受啟發(fā)，并且對公司的整個模式進行了梳理，目前已經(jīng)取得了很好的效果，整體的銷售額也有了一定的增長。
——河北東安集團董事長 李致華
整個課程并不是單純的理論灌輸，更多的是一些智能零售場景應(yīng)用、實戰(zhàn)經(jīng)驗與案例分析講解，非常實用。
——啟迪桑德副總裁 張新建
授課方式輕松、有趣，課程從實戰(zhàn)角度出發(fā)，結(jié)合了案例與發(fā)展路徑，讓我更加深刻體會到大數(shù)據(jù)重要性，以及企業(yè)運營過程中為業(yè)務(wù)服務(wù)，全面挖掘大數(shù)據(jù)價值，并做到更精準營銷
——中央人民廣播電臺社教節(jié)目中心資深編導 楊澤柱