【課程背景】

    現在的社會是一個高速發展的社會，科技發達，信息流通，人們之間的交流越來越密切，生活也越來越方便，同時也會釋放出龐大的數據能量，大數據就是這個高科技時代的產物，大數據并不在“大”，而在于“有用”。價值含量、挖掘、應用比數量更為重要。對于需求的動態變化，需建立一個多維度的產品應用、客群畫像，才能夠做到“大數據比產品本身更了解產品，比客戶自己更了解自己需求”，大數據的產品應用場景讓數據重新理解產品，把產品自身、服務與客戶形成強關系，在產品使用過程中建立數據觸角，隨時可清晰了解產品應用狀態，客戶的體驗與場景需求。

    課程將以大數據分析切入點，還原金融環境中的實際案例，幫助學員理解大數據是什么？大數據有什么特點，區別在哪里？數據如何洞察產品需求？產品整個生命周期的數據管理該如何做？大數據洞察的客群特點是什么？如何構建金融應用場景與客群關系？使學員學之解惑，學之能用。

【課程收益】

?  金融大數據的應用現狀與痛點，大數據特點，技術圖譜及大數據思維

?  大數據分析、建模、標簽化管理、數據洞察產品需求

?  大數據下的產品場景，找回需求原點，構建金融產品需求場景

?  金融產品數據分析與挖掘、金融產品研發前置分析及商業應用全周期

?  大數據洞察的客戶關系，洞察維度，客群分析，客群在線的四大場景

?  金融應用場景與客群關系，基于用戶洞察體驗需求升級

【課程特色】干貨，沒有廢話；科學，邏輯清晰；實戰，學之能用；投入，案例精彩

【課程對象】產品研發團隊、產品經理、產品需求調研團隊、營銷、營銷分析、運營

【課程時間】12小時

【課程大綱】

一、識別大數據與大數據價值

1、思維創新技術路徑

2、金融大數據應用現狀與痛點

?   大數據應用現狀

?   大數據應用誤區

?   大數據應用困擾及痛點

3、什么是大數據

?   大數據概念

?   大數據能做什么

?   大數據應用價值

?   大數據的特征與特點

4、大數據技術圖譜

?   大數據技術基礎

?   大數據的數據源特點

?   大數據技術邏輯

?   大數據全域識別

?   大數據數據展現

5、大數據思維

?  全樣

?  容錯

?  相關

?  智能

案例：

二、大數據分析與建模

1、大數據分析與建模

?   建模

?   訓練模型

?   應用模型

?   優化模型

2、大數據標簽化管理

?   數據標簽

?   標簽

?   多樣化標簽與場景化應用

?   基于標簽化的產品畫像

3、數據洞察金融產品需求

4、大數據為金融產品賦能

5、金融大數據的數據挖掘與建模

?   大數據挖掘流程與邏輯

?   大數據基本算法邏輯

?   大數據挖掘特性

?   大數據建模邏輯

?   數據＋模型＝產品能力？

案例：

三、貫穿整個金融產品生命周期的數據挖掘

1、金融大數據分析與數據挖掘

?  業務場景

?  數據建模

?  挖掘算法

?  相關分析

2、大數據應用場景及場景解析

3、找回需求原點，構建產品需求場景

4、產品數據分析與挖掘的樣本條件

5、產品研發前置分析

?  需求任務

?  研究目的

?  關鍵指標

6、產品生命周期 - 產品研發設計

?  策略研究

?  概念評估

?  產品研發

?  產品測試

7、產品生命周期 – 商業應用

?  導入

?  發展

?  成熟

?  衰退

8、產品商業應用的數據觸角

案例：

四、大數據洞察的客群分析

1、與客戶關系的核心

?  傳統價值

?  高階價值

2、大數據驅動的客群洞察-數據維度

?  真實性

?  立體性

?  即時性

3、大數據驅動的客群洞察 – 營銷維度

?  目標客群旅程

?  營銷活動評估

?  社交表現追蹤

?  行為趨勢洞察

4、客群洞察與分析

?  基礎屬性

?  需求解構

?  客群分層

?  客戶心智

?  內容偏好

?  產品能力

?  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、金融應用場景與客群關系

?  可運營人群數 – 活躍用戶

?  人群轉化率 – 關系加深率

?  高價值人群總量

?  高價值人群活躍度

7、創新實踐，端到端的整合場景

?  場景總覽

?  預設GMV目標，反推各階層用戶體量

8、內容傳播渠道

?  內容矩陣

?  數字媒介矩陣

?  融合匹配

?  KOL選擇

9、基于內容營銷閉環的布局

?  基礎內容投放

?  頭部內容資源

?  人群關系觸達

10、基于用戶洞察體驗升級需求