第1章　客戶關系管理與大數據的關系
1.1　客戶關系管理成為企業的核心能力
1.2　客戶關系管理中的數據分析
1.3　大數據分析應用的條件
1.3.1 全面準確的海量數據
1.3.2 精細化管理理念的倡導
1.3.3 數據分析和數據挖掘技術的有效應用
1.4　大數據應用的最新進展
第2章　數據挖掘概述
2.1　數據挖掘的發展歷史
2.2　統計分析與數據挖掘的主要區別
2.3　數據挖掘的主要成熟技術以及在客戶關系管理中的主要應用
2.3.1　決策樹
2.3.2　神經網絡
2.3.3　回歸
2.3.4　關聯規則
2.3.5　聚類
2.3.6　貝葉斯分類方法
2.3.7　支持向量機
2.3.8　主成分分析
2.3.9　假設檢驗
2.4　互聯網行業數據挖掘應用的特點
第3章　客戶關系管理中常見的數據分析項目類型
3.1　目標客戶的特征分析
3.2　目標客戶的預測（響應、分類）模型
3.3　運營群體的活躍度定義
3.4　用戶路徑分析
3.5　交叉銷售模型
3.6　信息質量模型
3.7　服務保障模型
3.8　用戶（買家、賣家）分層模型
3.9　賣家（買家）交易模型
3.10　信用風險模型
3.11　商品推薦模型
3.11.1　商品推薦介紹
3.11.2　關聯規則
3.11.3　協同過濾算法
3.11.4　商品推薦模型總結
3.12　數據產品
3.13　決策支持
第4章　數據分析是跨專業、跨團隊的協調與合作
4.1　數據分析團隊與業務團隊的分工和定位
4.1.1　提出業務分析需求并且能勝任基本的數據分析
4.1.2　提供業務經驗和參考建議
4.1.3　策劃和執行精細化運營方案
4.1.4　跟蹤運營效果、反饋和總結
4.2　數據化運營是真正的多團隊、多專業的協同作業
4.3　實例示范數據化運營中的跨專業、跨團隊協調合作
第5章　數據挖掘項目完整應用案例
5.1　項目背景和業務分析需求的提出
5.2　數據分析師參與需求討論
5.3　制定需求分析框架和分析計劃
5.4　抽取樣本數據、熟悉數據、數據清洗和摸底
5.5　按計劃初步搭建挖掘模型
5.6　與業務方討論模型的初步結論，提出新的思路和模型優化方案
5.7　按優化方案重新抽取樣本并建模，提煉結論并驗證模型
5.8　完成分析報告和落地應用建議
5.9　制定具體的落地應用方案和評估方案
5.10　業務方實施落地應用方案并跟蹤、評估效果
5.11　落地應用方案在實際效果評估后，不斷修正完善
5.12　不同運營方案的評估、總結和反饋
5.13　項目應用后的總結和反思
第6章 頂尖數據挖掘平臺TipDM
6.1 TipDM產品功能
6.1.1 TipDM平臺提供的數據探索及預處理算法
6.1.2 TipDM平臺提供的分類與回歸算法
6.1.3 TipDM平臺提供的時序模式算法
6.1.4 TipDM平臺提供的聚類分析算法
6.1.5 TipDM平臺提供的關聯規則算法
6.2 TipDM使用說明
6.3 TipDM產品特點
6.3.1 支持CRISP-DM數據挖掘標準流程
6.3.2 提供豐富的數據挖掘模型和靈活算法
6.3.3 具有多模型的整合能力
6.3.4 提供靈活多樣的應用開發接口
6.3.5 海量數據的處理能力
6.3.6 適應不同類型層次人員需求
第7章 數據挖掘在金融電信行業的應用
7.1 案例二：電信3G客戶識別系統
7.1.1 挖掘目標的提出
7.1.2 分析方法與過程
7.1.3 建模仿真
7.1.4 核心知識點
7.1.5 拓展思考
7.2 案例三：基于客戶分群的精準智能營銷
7.2.1 挖掘目標的提出
7.2.2 分析方法與過程
7.2.3 建模仿真
7.2.4 核心知識點
7.2.5 拓展思考
第8章 數據挖掘在互聯網行業的應用
8.1 案例一：商業零售行業中的購物籃分析
8.1.1 挖掘目標的提出
8.1.2 分析方法與過程
8.1.3 建模仿真
8.1.4 啟發與拓展
8.2 案例二：電子商務網站用戶行為分析
8.2.1 挖掘目標的提出
8.2.2 分析方法與過程
8.2.3 建模仿真
8.2.4 啟發與拓展
8.3 案例三：基于用戶行為分析的定向網絡廣告投放
8.3.1 挖掘目標的提出
8.3.2 分析方法與過程
8.3.3 建模仿真
8.3.4 結果及分析
8.3.5 啟發與拓展
第9章 數據挖掘在生產制造行業中的應用
9.1 案例：基于RFM的企業客戶關系分析
9.1.1 挖掘目標的提出
9.1.2 分析過程與方法
9.1.3 建模仿真
第1章　客戶關系管理與大數據的關系
1.1　客戶關系管理成為企業的核心能力
1.2　客戶關系管理中的數據分析
1.3　大數據分析應用的條件
1.3.1 全面準確的海量數據
1.3.2 精細化管理理念的倡導
1.3.3 數據分析和數據挖掘技術的有效應用
1.4　大數據應用的最新進展
第2章　數據挖掘概述
2.1　數據挖掘的發展歷史
2.2　統計分析與數據挖掘的主要區別
2.3　數據挖掘的主要成熟技術以及在客戶關系管理中的主要應用
2.3.1　決策樹
2.3.2　神經網絡
2.3.3　回歸
2.3.4　關聯規則
2.3.5　聚類
2.3.6　貝葉斯分類方法
2.3.7　支持向量機
2.3.8　主成分分析
2.3.9　假設檢驗
2.4　互聯網行業數據挖掘應用的特點
第3章　客戶關系管理中常見的數據分析項目類型
3.1　目標客戶的特征分析
3.2　目標客戶的預測（響應、分類）模型
3.3　運營群體的活躍度定義
3.4　用戶路徑分析
3.5　交叉銷售模型
3.6　信息質量模型
3.7　服務保障模型
3.8　用戶（買家、賣家）分層模型
3.9　賣家（買家）交易模型
3.10　信用風險模型
3.11　商品推薦模型
3.11.1　商品推薦介紹
3.11.2　關聯規則
3.11.3　協同過濾算法
3.11.4　商品推薦模型總結
3.12　數據產品
3.13　決策支持
第4章　數據分析是跨專業、跨團隊的協調與合作
4.1　數據分析團隊與業務團隊的分工和定位
4.1.1　提出業務分析需求并且能勝任基本的數據分析
4.1.2　提供業務經驗和參考建議
4.1.3　策劃和執行精細化運營方案
4.1.4　跟蹤運營效果、反饋和總結
4.2　數據化運營是真正的多團隊、多專業的協同作業
4.3　實例示范數據化運營中的跨專業、跨團隊協調合作
第5章　數據挖掘項目完整應用案例
5.1　項目背景和業務分析需求的提出
5.2　數據分析師參與需求討論
5.3　制定需求分析框架和分析計劃
5.4　抽取樣本數據、熟悉數據、數據清洗和摸底
5.5　按計劃初步搭建挖掘模型
5.6　與業務方討論模型的初步結論，提出新的思路和模型優化方案
5.7　按優化方案重新抽取樣本并建模，提煉結論并驗證模型
5.8　完成分析報告和落地應用建議
5.9　制定具體的落地應用方案和評估方案
5.10　業務方實施落地應用方案并跟蹤、評估效果
5.11　落地應用方案在實際效果評估后，不斷修正完善
5.12　不同運營方案的評估、總結和反饋
5.13　項目應用后的總結和反思
第6章 頂尖數據挖掘平臺TipDM
6.1 TipDM產品功能
6.1.1 TipDM平臺提供的數據探索及預處理算法
6.1.2 TipDM平臺提供的分類與回歸算法
6.1.3 TipDM平臺提供的時序模式算法
6.1.4 TipDM平臺提供的聚類分析算法
6.1.5 TipDM平臺提供的關聯規則算法
6.2 TipDM使用說明
6.3 TipDM產品特點
6.3.1 支持CRISP-DM數據挖掘標準流程
6.3.2 提供豐富的數據挖掘模型和靈活算法
6.3.3 具有多模型的整合能力
6.3.4 提供靈活多樣的應用開發接口
6.3.5 海量數據的處理能力
6.3.6 適應不同類型層次人員需求
第7章 數據挖掘在金融電信行業的應用
7.1 案例二：電信3G客戶識別系統
7.1.1 挖掘目標的提出
7.1.2 分析方法與過程
7.1.3 建模仿真
7.1.4 核心知識點
7.1.5 拓展思考
7.2 案例三：基于客戶分群的精準智能營銷
7.2.1 挖掘目標的提出
7.2.2 分析方法與過程
7.2.3 建模仿真
7.2.4 核心知識點
7.2.5 拓展思考
第8章 數據挖掘在互聯網行業的應用
8.1 案例一：商業零售行業中的購物籃分析
8.1.1 挖掘目標的提出
8.1.2 分析方法與過程
8.1.3 建模仿真
8.1.4 啟發與拓展
8.2 案例二：電子商務網站用戶行為分析
8.2.1 挖掘目標的提出
8.2.2 分析方法與過程
8.2.3 建模仿真
8.2.4 啟發與拓展
8.3 案例三：基于用戶行為分析的定向網絡廣告投放
8.3.1 挖掘目標的提出
8.3.2 分析方法與過程
8.3.3 建模仿真
8.3.4 結果及分析
8.3.5 啟發與拓展
第9章 數據挖掘在生產制造行業中的應用
9.1 案例：基于RFM的企業客戶關系分析
9.1.1 挖掘目標的提出
9.1.2 分析過程與方法
9.1.3 建模仿真
第1章　客戶關系管理與大數據的關系
1.1　客戶關系管理成為企業的核心能力
1.2　客戶關系管理中的數據分析
1.3　大數據分析應用的條件
1.3.1 全面準確的海量數據
1.3.2 精細化管理理念的倡導
1.3.3 數據分析和數據挖掘技術的有效應用
1.4　大數據應用的最新進展
第2章　數據挖掘概述
2.1　數據挖掘的發展歷史
2.2　統計分析與數據挖掘的主要區別
2.3　數據挖掘的主要成熟技術以及在客戶關系管理中的主要應用
2.3.1　決策樹
2.3.2　神經網絡
2.3.3　回歸
2.3.4　關聯規則
2.3.5　聚類
2.3.6　貝葉斯分類方法
2.3.7　支持向量機
2.3.8　主成分分析
2.3.9　假設檢驗
2.4　互聯網行業數據挖掘應用的特點
第3章　客戶關系管理中常見的數據分析項目類型
3.1　目標客戶的特征分析
3.2　目標客戶的預測（響應、分類）模型
3.3　運營群體的活躍度定義
3.4　用戶路徑分析
3.5　交叉銷售模型
3.6　信息質量模型
3.7　服務保障模型
3.8　用戶（買家、賣家）分層模型
3.9　賣家（買家）交易模型
3.10　信用風險模型
3.11　商品推薦模型
3.11.1　商品推薦介紹
3.11.2　關聯規則
3.11.3　協同過濾算法
3.11.4　商品推薦模型總結
3.12　數據產品
3.13　決策支持
第4章　數據分析是跨專業、跨團隊的協調與合作
4.1　數據分析團隊與業務團隊的分工和定位
4.1.1　提出業務分析需求并且能勝任基本的數據分析
4.1.2　提供業務經驗和參考建議
4.1.3　策劃和執行精細化運營方案
4.1.4　跟蹤運營效果、反饋和總結
4.2　數據化運營是真正的多團隊、多專業的協同作業
4.3　實例示范數據化運營中的跨專業、跨團隊協調合作
第5章　數據挖掘項目完整應用案例
5.1　項目背景和業務分析需求的提出
5.2　數據分析師參與需求討論
5.3　制定需求分析框架和分析計劃
5.4　抽取樣本數據、熟悉數據、數據清洗和摸底
5.5　按計劃初步搭建挖掘模型
5.6　與業務方討論模型的初步結論，提出新的思路和模型優化方案
5.7　按優化方案重新抽取樣本并建模，提煉結論并驗證模型
5.8　完成分析報告和落地應用建議
5.9　制定具體的落地應用方案和評估方案
5.10　業務方實施落地應用方案并跟蹤、評估效果
5.11　落地應用方案在實際效果評估后，不斷修正完善
5.12　不同運營方案的評估、總結和反饋
5.13　項目應用后的總結和反思
第6章 頂尖數據挖掘平臺TipDM
6.1 TipDM產品功能
6.1.1 TipDM平臺提供的數據探索及預處理算法
6.1.2 TipDM平臺提供的分類與回歸算法
6.1.3 TipDM平臺提供的時序模式算法
6.1.4 TipDM平臺提供的聚類分析算法
6.1.5 TipDM平臺提供的關聯規則算法
6.2 TipDM使用說明
6.3 TipDM產品特點
6.3.1 支持CRISP-DM數據挖掘標準流程
6.3.2 提供豐富的數據挖掘模型和靈活算法
6.3.3 具有多模型的整合能力
6.3.4 提供靈活多樣的應用開發接口
6.3.5 海量數據的處理能力
6.3.6 適應不同類型層次人員需求
第7章 數據挖掘在金融電信行業的應用
7.1 案例二：電信3G客戶識別系統
7.1.1 挖掘目標的提出
7.1.2 分析方法與過程
7.1.3 建模仿真
7.1.4 核心知識點
7.1.5 拓展思考
7.2 案例三：基于客戶分群的精準智能營銷
7.2.1 挖掘目標的提出
7.2.2 分析方法與過程
7.2.3 建模仿真
7.2.4 核心知識點
7.2.5 拓展思考
第8章 數據挖掘在互聯網行業的應用
8.1 案例一：商業零售行業中的購物籃分析
8.1.1 挖掘目標的提出
8.1.2 分析方法與過程
8.1.3 建模仿真
8.1.4 啟發與拓展
8.2 案例二：電子商務網站用戶行為分析
8.2.1 挖掘目標的提出
8.2.2 分析方法與過程
8.2.3 建模仿真
8.2.4 啟發與拓展
8.3 案例三：基于用戶行為分析的定向網絡廣告投放
8.3.1 挖掘目標的提出
8.3.2 分析方法與過程
8.3.3 建模仿真
8.3.4 結果及分析
8.3.5 啟發與拓展
第9章 數據挖掘在生產制造行業中的應用
9.1 案例：基于RFM的企業客戶關系分析
9.1.1 挖掘目標的提出
9.1.2 分析過程與方法
9.1.3 建模仿真
9.1.4 核心知識點
9.1.5 拓展思考
 

教育背景：
清華大學經濟管理學院工商管理碩士

主要工作經歷及業績
北京同昌惠德科技有限公司副總經理、國際電子商務師聯合會北京管理中心主任；
曾任美國著名CRM軟件產品咨詢顧問；香港上市公司總裁助理；外企銷售部經理；亞星汽車山西分公司經理；清華大學EMBA項目主管；國家“八五”、“九五”重點軍工項目主任，所參加項目曾獲部級科技進步二等獎。

擅長客戶關系管理(CRM)、服務營銷、客戶服務、企業電子商務、企業信息化、物流管理等領域的培訓與咨詢。

具有扎實的理論功底，豐富的行業知識及企業管理經驗，能將復雜深奧的理論用淺顯的企業實踐案例加以闡述，講課擅長啟發、互動。

主講課程有：
《360°客戶關系管理》、《商業銀行的客戶關系管理》、《汽車行業客戶關系管理》、《電信行業的客戶關系管理維護與提升》、《卓越的客戶服務技巧》、《客戶服務體系》、《企業電子商務》、《電子商務與網絡營銷》、《企業信息化與電子商務》、《汽車行業物流與供應鏈管理》、《時間管理》等。

• 企業政府關系與媒體關系管理

   

  課程大綱一、企業與政府的關系企業處理政府事務的六大誤區政府精簡和改組所發生的變化政府官員與企業之間的三大關系如何理解政府的“離不開、靠不住”怎樣與官員共舞如何與同一個政府部門的不同官員打交道學習企業與政府部門打交道的6大要領爭取政府支持的6大關鍵點政府機構工作的運作程序企業人員必須遵..

  ￥10,000   元/ 天

  人氣：818  

  

• 大數據及人工智能背景下消費和小微信貸線上獲客、產品設計、風控應對策略

   

  第一部分：金融科技發展狀況的介紹一、金融科技的現狀與發展趨勢（一）宏觀背景1、金融科技（支付寶人臉識別技術、APPLEPAY、虹膜技術、二維碼支付技術）2、利率市場化3、金融脫媒（二）移動互聯技術的發展使互聯網金融成為可能1、移動互聯網技術2、移動支付技術3、H5、APP（三）互聯網金融對傳統銀行資產業務的顛覆和沖..

  ￥   元/ 天

  人氣：927  

  

• 大數據時代——提升患者管理，構建專業藥房

   

  【課程導言】：移動互聯時代下，實體門店面臨巨大的挑戰，同時也是一種機會。馬云說：不是實體門店不行了，而是你的實體門店不行了。面臨新的沖擊實體店如何進行創新，如何守住老陣地，如何利用新武器，這是所有實體連鎖共同面臨的問題。課程從互聯網環境對我們的實體店挑戰和我們面臨的消費者消費習慣和方式的的變化入手，通過分析新零售良品鋪子，海瀾之家，名創優品的..

  ￥   元/ 天

  人氣：737  

  

• 服裝行業終端店長——客戶關系管理課程

   

  【課程大綱】1.客戶關系管理的定義2.客戶關系管理的流程3.VIP客戶的分級管理4.客戶開發的渠道5.客戶維護的技巧與方法6.老客戶的維系與營銷方法7.新客戶及潛大客戶的維系與營銷方法..

  ￥   元/ 天

  人氣：963  

  

• 服裝行業終端導購——客戶關系管理課程

   

  【課程內容】1.客戶關系管理的定義2.客戶關系管理的流程3.VIP客戶的分級管理4.客戶開發的渠道5.客戶維護的技巧與方法6.老客戶的維系與營銷方法7. 新客戶及潛大客戶的維系與營銷方法..

  ￥   元/ 天

  人氣：920  

  

• 電商互聯網大數據營銷之落地實踐鐵律

   

  課程背景：未來人貨場一切數字化，數據將成為一種資源，沒有數據沒有未來，企業如何構建自己的大數據未來？人工智能已經來臨，人工智能在營銷板塊的應用本質就是大數據營銷！企業的ERP、CRM、報表等等僅僅是零散的死數據，如何激活流動產生閉環，產生效益？經驗將成為負債，未來將利用數據產品規劃、定位、策劃、人群分析、活動策劃，數據成為商業的起點！人為..

  ￥19,100   元/ 天

  人氣：1276