主讲：段方博士

课程收益：

通过本次培训中实际案例的分享，了解数据收集、管理及分析的各种经验教训（别人花费上百亿学费买来的经验啊！），深刻理解大数据的意义，发掘客户精确营销和运营的价值，实现企业精细化管理，体会大数据运营的魅力，借助大数据实现企业新的飞跃。 通过本次培训中跨行业实际案例的分享，了解数据收集、管理的各种经验教训，学习大数据如何用于企业的内部管理（生产监控、质量管控、物流配送等），并明确行业大数据的发展前景，洞悉新的市场机遇。

课程背景：

李克强总理提出的“互联网+”，将对传统乳液注入互联网因素，如：建立乳品的“可视化”跟踪等质量监督环节，而大数据将为“互联网+”的过程注入“智慧”分析。

2014年前三季度，伊利的营业总收入达到420.70亿元，利润总额达到41.48亿元，全年营收有望持续领跑中国乳品消费市场。在生产、营销过程中，乳品行业拥有大量的数据，但如何利用这些数据，让这些数据发挥价值？是摆在伊利面临的问题。伊利的董事长潘刚先生很霸气的说过；“我眼中只有两种人：一种喝牛奶，一种不喝牛奶。我的目标是把这两种人变成一种人，让大家都喝牛奶。”

要想实现让所有人都喝牛奶，就要了解所有人的需求，通过大数据进行分析、引导，不仅让客户相信伊利乳品的质量，而且相信乳品对于不同类型、不同阶段的客户，都能带来实际的好处。伊利如何借助大数据，找到自己的目标客户，提升企业精细化管理水平，强化产品质量监控，完成相关的产业转型，是摆在管理者面前的重大问题。企业管理者必须知道如何透过大数据的收集和整理，让手中的数据与信息发挥最大的价值，通过有效整合、分析各种数据，提高目标客户的营销精准度，提升企业内部管理水平，实现产品价值最大化。

本讲座借鉴电信行业、互联网行业客户分析的实际案例，介绍数据分析技术在客户营销、质量控制、企业管理等方面的应用价值，并分析大数据如何应用在乳品的安全生产、质量控制过程，如何应用在客户需求调研，进行产品营销指导等多方面知识内容。

培训目标：

    本次培训将首先介绍一些基本概念，然后分享其它行业的案例，最后给出在伊利大数据应用的方案和前景展望。本次培训将覆盖以下内容：

1.  大数据的基本概念，了解数据资产的价值，洞悉市场的一切细节；

2.  如何收集各种数据，包括客户数据、市场数据、产品数据等；

3.  大数据如何进行客户分析和产品分析；

4.  大数据如何进行产品质量管控过程，让数据暴露出每一丝“异常”；

5.  大数据如何指导产品的精准营销；

6.  大数据挖掘算法及分析工具（数据采样、算法等）；

7. 大数据如何指导伊利企业内部的各种精细化管理？

8. 大数据如何进行伊利产业链的上下游量化管理？

课程内容：

一、 “大数据、大机遇”：

1.概述

1)大数据概念和特点

2)大数据需要哪些技术支撑

3)大数据能够带来哪些新应用？

4）乳品行业互联网时代产生的大数据内容（内部检测数据+外部营销数据等）

2.大数据时代带来对传统营销的挑战

1)大数据如何成为资产？

2)大数据如何体现精确营销

3)大数据的价值

4）乳品行业大数据对于厂商的价值（“智慧附体”）

3.大数据时代的新营销模式

1)互联网的营销模式——微博营销、微信营销、网页营销等

2)CRM——“旧貌焕发新颜”

3)精确营销——装上了GPS，实现“精确打击”

4）厂商的精准营销——乳品行业的客户精准营销（向90后小鲜肉，营销什么伊利产品？）

【示例】淘宝等电商的大数据营销案例分享

4.如何在海量数据中整合线上、线下数据，形成你对消费者的独特洞察力

1)知道客户的各个属性——互联网时代不再“是否是狗”

2)客户的群体特征——“人以群分”

3）如何发掘电子产品的潜在客户？

4）如何识别伊利“金典牛奶”的潜在客户？

5.如何建立全渠道数据平台，拓展营销渠道，提高营销效率

1)客户接触渠道分类

2)电话、QQ、微博——全方位覆盖

3)如果进行广告的精确投放？

4)互联网时代伊利营销渠道的拓展（借助“微信”营销？）

【示例】互联网企业(BAT)的大数据架构分享

6.从产品为中心向客户为中心转型

1）传统乳业的产品为中心

2）互联网时代的客户为中心

3）客户需求的量化分析？

【示例】电信行业客户分群特征描述（如何引申到乳品行业？）

二、大数据下客户的“透视”：

1、客户是“上帝”，如何找到“上帝”？

1）上帝是什么样子？

上帝是什么视图？

2）客户是什么样子？

客户是什么视图？有什么样的客户标签？

3）提供哪些产品？

产品是什么视图？有什么产品标签？

4）如何建立客户和产品间的关系？

为合适的客户，找到合适的产品

2、我们对自己的客户（“上帝”）了解多少？

1）客户会有什么特点？

客户的基本特征（如：不同产品的年龄分布）

客户的群体特征（如：不同年龄群体关注点有哪些？）

现代营销模式的基础，以现有产品为基础，寻找群体客户适合的产品和服务。

【示例】电信客户交往圈分析案例

客户的内容消费特征（如：客户喜好哪些内容？）

另一个角度规划产品和服务。

【示例】基于客户群不同特征属性，营销伊利不同的产品

2）大数据时代营销的方法

营销方法论和知识库（分析问题的知识库和方法树）

互联网时代的营销：“大数据、微营销”

营销的渠道规划：实时营销和事件营销

【示例】美剧《纸牌屋》的大数据营销；

3）企业管理方面的情况

及时发现企业真实的情况（哪些运营的关键指标KPI？）

像人体一样，如何及时发现病症？（关键指标KPI的波动范围？）

【示例】：企业的数码仪表盘，展示企业的KPI；

如何通过手机彩信及时展现KPI给领导。

【示例】互联网时代手机APP大数据应用展示

【示例】伊利大数据管理借鉴方案

3、如何“帮客户买产品，而不是推销其不需要的产品”

1）如何进行客户的“X光透视”？

（客户的统一视图包含哪些信息？哪些是关键属性？）

如何发现客户的真实需求？（服务与骚扰的区别）

【示例】：电信行业客户的内容标签展示

2）内部产品的科学选配

（如何提供专家般量化的分析，为用户提供最优的内部产品？

如：电信行业计算出最适合用户模式的资费进行选择）

【示例】：为客户定制最合适的产品：经过数据精算后，告诉客户，A产品比B产品更适合张三。

【思考】：伊利如何用数据证明舒化奶更适合张三

3）竞争对手产品的对比

与竞争对手间的产品差异化区隔

自己产品的优势和弱点（如何提供量化的分析结果？）

【示例】：竞争对手的“客户回归”分析

【思考】：伊利如何用分析数据证明由于竞争对手的产品？

4）销售过程的处理

销售时机的把握销售语术的把握

4、大数据营销的作用和价值

1）数据和知识是人的本质特征

2）大脑是人与动物的差别

3）“事半功倍”是捷径

4）从“拼刺刀”到“信息战”；示例：某人关系图

【示例】学习互联网的模式，“先有客户，再有生意”。

【思考】伊利的“互联网”思维在哪里？（客户体验和产品极致？）

三、产品的分析和认知

1、产品的特点分析

1）产品的概念

2）产品的特点

3）产品的潜在客户群分析

4）伊利产品的售后服务、跟踪

5）建立伊利产品标签知识库

2、产品的差异化描述

1）与竞争对手产品的对比

2）产品的定位调整（营养+活力+保健）

3）产品有哪些“核心属性”（营养？）

4）产品的增值服务？

【示例】牛奶的加工产品分析（乳酪？）

3、“牛奶”产品的特点

1）定位为生活必需品——营养、健康

2）产品的关键点——安全

3）“醉翁之意不在酒”——产品的增值服务

4）产品的互联网思维——牛奶之后做什么？（后向收费？）

5）伊利每种产品的特征分析

4、牛奶的产品分析

1）客户市场的牛奶产品需求？

2）能够用物联网思维建立产品质量跟踪通信链路？

3）牛奶产品的生产过程视频远处监控

4）牛奶产品的质量回溯监控——借助二维码可以查验

5）牛奶物流的GPS路线优化

6）牛奶的质量检测报告分享

【示例】智能喝水杯的设计——智能喝奶的互联网思维（后向服务）

【讨论】1.公务车里程分析，通过数据分析，有效区分自用与公用里程。
2.奶牛存栏牛头数调研，通过数据分析提高牛头数准确性；
3.奶量数据的分析，通过分析奶量数据变化，提高计划准确性。
4.体细胞、微生物、蛋白、干物质数据，通过数据分析，明确区分各区间合格率与各指标变化的规律。
5.如何通过数据分析使奶价预计更加准确；
6.养殖成本调研，通过数据分析，了解牧场的养殖情况，分析公司定价的合理性。
7.建立原奶风险监测数据库：系统体现监测计划、监测项目、实际监测频次、监测结果，每种检验药品申购周期、明细、费用及实际监测产生的检验费用等数据信息，通过以上风险监测数据，监督各地区风险监控工作的具体实施情况，明确风险预警，解决各地区通过风险监测数据质量风险识别、风险分析、风险评估、风险控制、持续风险改进等工作的落实，不断完善风险防控体系；
8.视频异常数据分析：主要通过视频监控分析基地拒收、未到、奶量、指标浮动异常信息、基础工作整改情况等。

5、 如何更新产品的设计和发展？

1）借鉴大数据，产品的设计方法（小米手机的定制）

2）客户体验如何表现？（牛奶——爽？）

3）产品的个性化定制（适合什么病人的什么牛奶？）

4）产品的质量数据？（牛奶的营养指标可以外部查验）

5）产品的体验数据？（引用后的身体指标改善数据）

6）产品的口味测试？（让客户参与并反馈——借鉴雕爷牛腩）

6、如何进行产品质量的量化管控分析？

1）牛奶产品质量量化控制过程

2）牛奶产品质量管控的数据收集

3）牛奶产品质量管控的数据分析方法

4）牛奶产品质量监控视频的图像分析

【示例】牛奶产品数据质量监控案例（孩子幼儿园的24小时视频监控公开）

7、如何进行内部的精细化管理？

1）人员管理分析

2）源奶管理分析

3）库存管理分析

4）财务管理分析

【示例】人员绩效管理示例

【示例】1.工资内部公平性和外部竞争性。
2.绩效达成及激励分析：绩效计划的有效性分析、达成及奖罚方向，及时关注绩效导向并提出建议

8、如何进行产业链的上下游量化管理？

1）用数据识别不良供货商

2）对上下游供货商的量化考核

【示例】如何识别欺诈的社会渠道供应商？

四、大数据用于企业管理

1、全过程监控

1）伊利集团的“全过程、全方位、全员”的三全质量管控体系：

2）全过程监控方法及KPI指标

3）全方位监控方法及KPI指标

4）全员监控方法及KPI指标

【讨论】1.根据识别系统生成的产量报表，如何分析出每头牛的发病、发情等相关信息。
       2.根据牛群结构预算表如何分析当月或当年的牛群繁殖率及每月的泌乳牛饲养日等相关信息

2、生产过程各阶段的KPI量化

1）KPI指标的具体定义

2）KPI指标的歧义性

3）KPI指标的实时获取

4）生产过程上/下游影响分析

【示例】某企业数据质量监控案例

3、异常指标及时告警

1）指标异常的阀值

2）指标异常告警的渠道（手机、监控平台等）

3）实时告警机制

4、产品质量异常关键影响因素分析

1）关键影响因素分析

2）关键影响因素展示

【示例】某KPI指标关键影响因素分析

5、库存管理分析

1）获取库存信息

2）库存分析

3）进货调拨

6、渠道、进货商等上下游监控

1）上游产品质量监控

2）下游产品质量跟踪监控

3）渠道质量监控

【示例】某企业渠道欺诈识别分析

7、人力资源分析

1）人力资源情况统计

2）人力评估及考评

8、数据挖掘技术

1）数据的基本汇总

2）数据中的“金子”：从石头中淘金子

3）数据挖掘：“啤酒和尿布”的故事

4）数据采样方法及推测

5）相关系数的检验方法与模式

6）数据挖掘过程

7）数据挖掘算法介绍

    包括：线性回归、关联分析、聚类分析、决策树分析、孤立点分析等算法

【示例】：某省移动客户分群案例剖析（数据挖掘中分类算法）

【讨论1】：饲料行业分析方法与理念、财务指标分析。

【讨论2】: 1.采购趋势如何分析
2.成本数据的快速处理，如分类、汇总、筛选
3.价格数据的回归分析（季节因素）

8）数据挖掘工具介绍（SPSS/SAS等）

【讨论】1.奶牛超市各类产品及各厂家月度销售数据及利润分析
2.兽药销售数据分析
3.文档一体化方面的计算分析
4.ERP数据系统优化
5.培训满意度调查数据分析和社保工资数据统计分析
6.如何建立员工日常表现数据库，提升绩效最关键能力

五、如何编写漂亮的分析报告（既有漂亮里子，也要有漂亮面子）

1、数据是基础

2、数据分析的思维模式

【示例】可口可乐的大数据玩法

【讨论】：数据分析如何来支持业务伙伴

3、分析报告是展现形式

4、分析报告的思路

5、分析报告的方法

【示例】：分析报告演示

【讨论】：1.牧场数据及报告分析
2.乳房炎病原菌分离鉴定
3.粪污处理量月度数据分析

六、总结和展望

——乳品行业大数据的发展展望

现任国内最大通信集团大数据系统总设计师

多家培训机构及大学总裁班特邀讲师

十几年专注于大数据的研究与推广

2年中国银行金融数据管理工作经验

15年通信领域大数据研究及管理运营经验

段方博士承担了国内最大电信运营商的数据仓库和大数据中心的设计和建设、运营工作，积累了15年的大数据领域的实际工作经验。带领相关的团队，从系统创建到系统运营，开发了很多大数据领域的各种应用。积累了国内唯一的大数据在大企业建设、运营的经验。其前后主持设计的文档，有150余册、1200多万字。涉及大数据系统的数据模型、数据接口、系统架构、质量管控、业务应用、系统安全等各个领域。

受邀为多场大型专业论坛会议进行主题发言，多次获得好评，演讲经验丰富。先后给各种行业（电信行业、金融行业、制造行业、服务行业、零售行业等）进行过各种培训，累计数百次。

教育经历：

2002――2005（博士后学历）：北京大学信息科学技术学院博士后工作

1998——2001（博士学位）：北京邮电大学电子工程系攻读博士学位

1995——1998（硕士学位）：北京邮电大学智能网国家重点实验室  计算机应用专业

主讲课程：

《大数据时代企业的精细化运营和管理》

《大数据在制造业精细管理应用》

《大数据在金融行业的应用和案例》

《互联网和电信行业大数据案例分享》

《呼叫中心系统大数据分析》

《大数据时代的精确营销与服务运营》

《大数据中数据挖掘及案例（含CRISP-DM）》

《大数据处理技术架构及通过数据分析用户行为》
《大数据环境下企业转型与创新》

《金融行业客户征信大数据应用》

《大数据&大分析》

《大数据的互联网思维》

《金融行业的大数据建设及应用》

《大数据的应用及案例汇编》

《大数据关键技术及系统建设》

《某大型国企大数据系统实际案例剖析》……

授课风格：

理智型教学，将理论性、实践性与趣味性相结合,讲解深入浅出，分析、论证时思路清晰。

工作经历：

1.主持设计并完成了电信行业最大的大数据中心系统（截至到2015年达到18000TB存储容量，累计投资120亿元）

充分参考了互联网行业BAT（百度、阿里、腾讯）和谷歌等互联网企业的大数据建设案例，在电信行业主持设计并建设了国内最大的大数据中心（18PB）。基于HADOOP云计算架构，结合数据仓库系统，构建了混搭的大数据中心系统，完成了互联网内容爬去、客户内容喜好分析、客户数据业务营销、社会渠道欺诈、GIS网格量化、客户投诉分析等各种应用。提升了企业对外数据服务管理能力，增强了企业“数据变现”的水平。

2.主持设计并完成了世界上最大的数据仓库系统建设

结合某电信运营商的实际情况，创制性地提出了分级式数据仓库理论，本人主持设计并建设了某电信运营商的“经营分析系统”，前后投资了80多亿人民币，建成了目前国际最大容量的数据仓库系统。实现了客户离网分析、客户细分分群、客户价值评估、数据业务产品喜好分析、一线经理贴身支撑、客户渠道分析、供应链分析、员工量化薪酬管理、营销成本分析等。提升了企业内部量化管理水平，确保客户精准营销能力，降低企业运营成本。

3.带动了国内数据仓库和大数据产业的发展

通过本人主持和设计的最大的数据仓库系统，填补了国内在数据仓库领域技术和应用的很多空白，通过十余年的努力，带动了国内一批数据仓库领域的厂商和研究力量，对国内数据仓库行业的发展起到了积极的推动作用。同时，通过HADOOP云计算技术的研发和推广，探索了云计算如何在大型企业落地的方式、方法，总结了大量的实际案例，推动了大数据在非互联网企业的经营研究。

4.学术上取得了一些成绩

依据提出的“分级式数据仓库理论”。

5.组织了某电信运营商在数据仓库领域和云计算领域的队伍

带动某电信运营商的相关员工，通过多次的培训，逐步组织了各省公司的技术骨干团队，对系统的维护、新业务的开发和工程项目的管理等方面，积累了宝贵的经验。

6.与国内外进行了积极的交流

通过举办几次数据仓库技术论坛，与国内外的厂商进行了广泛的技术交流。先后与VODAPHONE 、AT&T、VERIZION等多家国外运营商就数据仓库的建设和使用进行了充分的交流，并赴部分国外运营商进行了实地的考察工作。

与BAT等互联网企业进行了充分的调研和交流，熟悉BAT大数据的架构和应用情况。详细分析、比较过互联网企业和传统企业在大数据应用领域的各自优势，给出了实际的咨询方案。

出版著作：

2005年出版了电信行业第一本数据仓库专著《数据仓库技术及其在电信领域中的应用》和《数据仓库基础》（电子工业出版社出版）两本书籍。前后在各种技术媒体发表了几十篇各种文章，有的文章被SCI检索收录。

2015年完成《大数据&大分析》和《大数据的互联网思维》两本书籍的编写和出版工作。  

部分曾服务客户：

通信行业：北京移动（4次）、成都移动（2次）、遂宁移动、山东移动、惠州移动、四川移动、南充移动（2次）、深圳移动、上海奉贤区电信、中山电信、上海联通、国信公司、中国吉通、成都电信、上海北区电信……

金融行业：中国人民银行总行、中国银行、民生银行、工商银行、建设银行、交通银行、华夏银行、泰康人寿、中国人寿保险、太平洋保险、安邦保险、中国人民银行、汇丰投资、金泰化成投资……

汽车行业：华通汽车、北斗汽车、广州汽车、北京汽车、重庆北汽银翔汽车……

IT行业：首都信息发展公司、唐郎商旅网、青牛公司、用友软件、兰芯数据定向传媒、深圳金立手机、新东网科技……

其它行业：信息产业部（2次）、杭州苏宁电器、威斯特时尚购物、武汉工贸、北京中交集团（9次）、富邦科技、新农翔饲料、盛世达医疗设备、宁德新能源、亿童文教股份、中国电力建设集团（3次）、中石油吉林公司、中交威海公司、北京电子控股、齐心文具、北京海淀区政府（2次）、广州保利国际……