課程簡介
大數(shù)據(jù)與AI時代的商業(yè)戰(zhàn)場，企業(yè)若不能將數(shù)據(jù)轉(zhuǎn)化為決策的“指南針”，便如同在迷霧中航行。多維度業(yè)務(wù)數(shù)據(jù)的收集、分析和決策能力是企業(yè)在數(shù)字時代的決勝關(guān)鍵。
課程旨在以“數(shù)據(jù)體系建設(shè)和精準(zhǔn)數(shù)據(jù)洞察”為內(nèi)核，融合亞馬遜、京東等頂尖企業(yè)在AI與大數(shù)據(jù)時代的數(shù)據(jù)實戰(zhàn)，直擊企業(yè)三大核心痛點：
1.數(shù)據(jù)冗余陷阱 —— 80%企業(yè)堆砌指標(biāo)卻難見增長，如何拆解企業(yè)轉(zhuǎn)型的數(shù)據(jù)基因，構(gòu)建精準(zhǔn)指標(biāo)體系，讓數(shù)據(jù)不再是報表數(shù)字，而是驅(qū)動業(yè)務(wù)增長的“燃料”？
2.AI決策迷思 —— 為何大量企業(yè)面對數(shù)據(jù)海洋，依然常常做出效果不佳的決策？如何讓AI輔助的數(shù)據(jù)洞察穿透業(yè)務(wù)迷霧，實現(xiàn)決策誤差率大幅提升？
3.長期價值盲區(qū) —— 如何借力大數(shù)據(jù)思維進(jìn)行數(shù)據(jù)經(jīng)營分析，找到業(yè)務(wù)瓶頸，評估產(chǎn)品與客群的LTV，讓企業(yè)資源分配從“資源黑洞”轉(zhuǎn)向“價值洼地”？
目標(biāo)收益
通過本課程的學(xué)習(xí)，您將掌握以下“數(shù)據(jù)煉金術(shù)”：
1.破局“數(shù)據(jù)迷霧”—— 在AI的輔助下，建立有效的數(shù)據(jù)收集機(jī)制，構(gòu)建精準(zhǔn)不冗余的指標(biāo)體系，告別“看數(shù)如山倒，用數(shù)如抽絲”。
2.終結(jié)“決策玄學(xué)” —— 通過AI模型的引入和多種分析手段的靈活運用，高效定位業(yè)務(wù)瓶頸，精準(zhǔn)輔助決策，大幅降低決策誤差
3.搶占“流量密碼”—— 拆解大數(shù)據(jù)驅(qū)動業(yè)務(wù)增長的底層機(jī)制，運用大數(shù)據(jù)思維為業(yè)務(wù)賦能，實現(xiàn)“需求未起，布局先行”；
培訓(xùn)對象
1.正在借力AI驅(qū)動深度數(shù)字化轉(zhuǎn)型企業(yè)的業(yè)務(wù)、產(chǎn)品、運營、研發(fā)、數(shù)據(jù)分析人員。
2.希望學(xué)習(xí)世界頂尖大數(shù)據(jù)企業(yè)如何使用AI進(jìn)行深度數(shù)據(jù)分析、獲得洞察、指導(dǎo)決策、建立數(shù)據(jù)文化的前沿企業(yè)的業(yè)務(wù)、產(chǎn)品、運營、研發(fā)、數(shù)據(jù)分析人員。
3.所有希望提升AI與大模型時代的數(shù)據(jù)意識與思維、數(shù)據(jù)應(yīng)用與洞察能力的相關(guān)崗位。
4.需要梳理數(shù)據(jù)如何賦能業(yè)務(wù)，并建立大數(shù)據(jù)分析思維提升經(jīng)營效率的企業(yè)領(lǐng)導(dǎo)。
課程大綱
| 一.數(shù)據(jù)迷霧破局之路 |
1.導(dǎo)師與課程定位 導(dǎo)師行業(yè)經(jīng)驗與成功案例介紹 從數(shù)據(jù)迷霧到精準(zhǔn)決策 2.關(guān)鍵概念導(dǎo)入 AI深度賦能的數(shù)字化轉(zhuǎn)型路徑 數(shù)據(jù)生產(chǎn)要素與數(shù)字經(jīng)濟(jì) 3.課程最佳聽課方法建議 |
| 二.做好數(shù)據(jù)分析需要知道的AI基礎(chǔ)知識 |
1.AI的演進(jìn)歷史與發(fā)展趨勢 2.AI的主要類型 規(guī)則式AI/專家系統(tǒng) 模型式AI：感知、認(rèn)知、推理 Agent與具身智能 通用智能 3.機(jī)器學(xué)習(xí) 監(jiān)督學(xué)習(xí) 無監(jiān)督學(xué)習(xí) 強(qiáng)化學(xué)習(xí) 深度學(xué)習(xí) 4.神經(jīng)網(wǎng)絡(luò)原理介紹 神經(jīng)網(wǎng)絡(luò) vs. 機(jī)器學(xué)習(xí)模型 生成式大模型與Transformer 卷積神經(jīng)網(wǎng)絡(luò)（CNN） 生成對抗網(wǎng)絡(luò) 5.AI的性能指標(biāo) 性能指標(biāo) 效率指標(biāo) 效果指標(biāo) 6.AI在金融、零售、物流等垂直領(lǐng)域中的應(yīng)用場景 AIGC（DeepSeek、ChatGPT等大語言模型的賦能領(lǐng)域）：生產(chǎn)力工具、智能客服、用戶個性化內(nèi)容生成、產(chǎn)品資料優(yōu)化、詳情頁優(yōu)化 產(chǎn)品設(shè)計：產(chǎn)品定位、用戶畫像、需求洞察、流量分析、精準(zhǔn)推薦、召回策略、排序模型、AI洞察、產(chǎn)品研發(fā) 運營提效：精準(zhǔn)運營策略、客群權(quán)益匹配、趨勢分析、銷售預(yù)測、智能選品、動態(tài)定價 智能營銷：用戶畫像、銷售預(yù)測、智能投放、精準(zhǔn)推薦、動態(tài)權(quán)益、時機(jī)分析、智能觸點 信息安全：異常行為識別、模式發(fā)現(xiàn)、智能風(fēng)控、反欺詐 智能制造：生產(chǎn)監(jiān)測與風(fēng)險預(yù)警、質(zhì)量監(jiān)控、事故預(yù)測、工藝優(yōu)化、智能調(diào)度、自動操作 常見企業(yè)應(yīng)用AI的認(rèn)知誤區(qū) |
| 三．?dāng)?shù)據(jù)指標(biāo)體系構(gòu)建 |
1.全景視圖 數(shù)據(jù)驅(qū)動業(yè)務(wù)增長的模式 AI與大數(shù)據(jù)驅(qū)動的數(shù)據(jù)分析 2.數(shù)據(jù)驅(qū)動的底層機(jī)制 北極星：業(yè)務(wù)KPI的先導(dǎo)指標(biāo) 3.業(yè)務(wù)指標(biāo)體系構(gòu)建方法工具箱 業(yè)務(wù)指標(biāo)的選擇與優(yōu)化 指標(biāo)體系與業(yè)務(wù)模型深度結(jié)合 精準(zhǔn)業(yè)務(wù)指標(biāo)體系萃取 指標(biāo)拆解模型：OSM分析框架 4.AI輔助數(shù)據(jù)收集整理策略 四類數(shù)據(jù)收集策略 AI輔助數(shù)據(jù)清洗與歸一化 AI與大數(shù)據(jù)創(chuàng)新循環(huán)鏈 5.案例、實戰(zhàn)經(jīng)驗與技巧分享 貸款產(chǎn)品北極星、B端產(chǎn)品北極星；金融產(chǎn)品指標(biāo)體系搭建、SaaS指標(biāo)體系萃取。 注：本節(jié)所用案例可針對客戶行業(yè)和產(chǎn)品特點進(jìn)行替換 |
| 探討共創(chuàng)1 |
?數(shù)據(jù)經(jīng)營分析實戰(zhàn)：精準(zhǔn)業(yè)務(wù)指標(biāo)體系設(shè)計 練習(xí)：幫助學(xué)員針對自己的產(chǎn)品和業(yè)務(wù)訴求，選擇業(yè)務(wù)模型，結(jié)合AI機(jī)器學(xué)習(xí)方法，推導(dǎo)和萃取精準(zhǔn)業(yè)務(wù)指標(biāo)體系 |
| 四．AI賦能的數(shù)據(jù)洞察與精準(zhǔn)決策方法 |
1.AI賦能的數(shù)據(jù)經(jīng)營分析方法 1)趨勢分析 2)下鉆分析 3)漏斗分析 4)對比分析 5)歸因分析 6)聚類分析 7)相關(guān)性分析 8)AI建模分析 2.常見數(shù)據(jù)分析誤區(qū) 3.數(shù)據(jù)分析深度案例解析 4.案例、實戰(zhàn)經(jīng)驗與技巧分享 得物的銷售曲線分析、金融的營銷漏斗分析與優(yōu)化、零售品類聚類分析、抖音快手推薦策略邏輯、亞馬遜顧客留存相關(guān)性分析、亞馬遜流失預(yù)警模型與AI機(jī)器學(xué)習(xí)、B端項目的深度對比分析…… |
| 五. 深度專題分析：AB測試、用戶行為分析 |
1.價值魔法：AB測試實戰(zhàn)詳解 AB測試流程關(guān)鍵點 實驗樣本隨機(jī)分組 AA測試 測試指標(biāo)的選擇 置信度 新奇效應(yīng)與初識效應(yīng) 測試靈敏度提升 AB測試的替代方案 辛普森悖論 2.用戶行為深度分析與機(jī)遇洞察 ?；鶊D 線上對線下的數(shù)字孿生 結(jié)果分析vs. 行為分析 用戶行為價值分析 產(chǎn)品優(yōu)化點洞察 行為分析驅(qū)動的精準(zhǔn)營銷 3.案例、實戰(zhàn)經(jīng)驗與技巧分享 奧巴馬競選落地頁的AB測試、銀行新客權(quán)益AB測試、金融產(chǎn)品的頻道入口測試、電商產(chǎn)品頻道優(yōu)化的置信度分析、斯凱奇廣告的新奇效應(yīng)、B端產(chǎn)品用戶行為分析、亞馬遜用戶流失路徑分析 |
| 探討共創(chuàng) |
?數(shù)據(jù)分析實戰(zhàn)演練：AI驅(qū)動的產(chǎn)品瓶頸與機(jī)遇深度分析洞察 練習(xí)：幫助學(xué)員針對自己的產(chǎn)品和業(yè)務(wù)目標(biāo)，使用多種深度數(shù)據(jù)分析方法，結(jié)合AI工具的輔助，快速發(fā)現(xiàn)產(chǎn)品的瓶頸與優(yōu)化方向 |
|
一.數(shù)據(jù)迷霧破局之路 1.導(dǎo)師與課程定位 導(dǎo)師行業(yè)經(jīng)驗與成功案例介紹 從數(shù)據(jù)迷霧到精準(zhǔn)決策 2.關(guān)鍵概念導(dǎo)入 AI深度賦能的數(shù)字化轉(zhuǎn)型路徑 數(shù)據(jù)生產(chǎn)要素與數(shù)字經(jīng)濟(jì) 3.課程最佳聽課方法建議 |
|
二.做好數(shù)據(jù)分析需要知道的AI基礎(chǔ)知識 1.AI的演進(jìn)歷史與發(fā)展趨勢 2.AI的主要類型 規(guī)則式AI/專家系統(tǒng) 模型式AI：感知、認(rèn)知、推理 Agent與具身智能 通用智能 3.機(jī)器學(xué)習(xí) 監(jiān)督學(xué)習(xí) 無監(jiān)督學(xué)習(xí) 強(qiáng)化學(xué)習(xí) 深度學(xué)習(xí) 4.神經(jīng)網(wǎng)絡(luò)原理介紹 神經(jīng)網(wǎng)絡(luò) vs. 機(jī)器學(xué)習(xí)模型 生成式大模型與Transformer 卷積神經(jīng)網(wǎng)絡(luò)（CNN） 生成對抗網(wǎng)絡(luò) 5.AI的性能指標(biāo) 性能指標(biāo) 效率指標(biāo) 效果指標(biāo) 6.AI在金融、零售、物流等垂直領(lǐng)域中的應(yīng)用場景 AIGC（DeepSeek、ChatGPT等大語言模型的賦能領(lǐng)域）：生產(chǎn)力工具、智能客服、用戶個性化內(nèi)容生成、產(chǎn)品資料優(yōu)化、詳情頁優(yōu)化 產(chǎn)品設(shè)計：產(chǎn)品定位、用戶畫像、需求洞察、流量分析、精準(zhǔn)推薦、召回策略、排序模型、AI洞察、產(chǎn)品研發(fā) 運營提效：精準(zhǔn)運營策略、客群權(quán)益匹配、趨勢分析、銷售預(yù)測、智能選品、動態(tài)定價 智能營銷：用戶畫像、銷售預(yù)測、智能投放、精準(zhǔn)推薦、動態(tài)權(quán)益、時機(jī)分析、智能觸點 信息安全：異常行為識別、模式發(fā)現(xiàn)、智能風(fēng)控、反欺詐 智能制造：生產(chǎn)監(jiān)測與風(fēng)險預(yù)警、質(zhì)量監(jiān)控、事故預(yù)測、工藝優(yōu)化、智能調(diào)度、自動操作 常見企業(yè)應(yīng)用AI的認(rèn)知誤區(qū) |
|
三．?dāng)?shù)據(jù)指標(biāo)體系構(gòu)建 1.全景視圖 數(shù)據(jù)驅(qū)動業(yè)務(wù)增長的模式 AI與大數(shù)據(jù)驅(qū)動的數(shù)據(jù)分析 2.數(shù)據(jù)驅(qū)動的底層機(jī)制 北極星：業(yè)務(wù)KPI的先導(dǎo)指標(biāo) 3.業(yè)務(wù)指標(biāo)體系構(gòu)建方法工具箱 業(yè)務(wù)指標(biāo)的選擇與優(yōu)化 指標(biāo)體系與業(yè)務(wù)模型深度結(jié)合 精準(zhǔn)業(yè)務(wù)指標(biāo)體系萃取 指標(biāo)拆解模型：OSM分析框架 4.AI輔助數(shù)據(jù)收集整理策略 四類數(shù)據(jù)收集策略 AI輔助數(shù)據(jù)清洗與歸一化 AI與大數(shù)據(jù)創(chuàng)新循環(huán)鏈 5.案例、實戰(zhàn)經(jīng)驗與技巧分享 貸款產(chǎn)品北極星、B端產(chǎn)品北極星；金融產(chǎn)品指標(biāo)體系搭建、SaaS指標(biāo)體系萃取。 注：本節(jié)所用案例可針對客戶行業(yè)和產(chǎn)品特點進(jìn)行替換 |
|
探討共創(chuàng)1 ?數(shù)據(jù)經(jīng)營分析實戰(zhàn)：精準(zhǔn)業(yè)務(wù)指標(biāo)體系設(shè)計 練習(xí)：幫助學(xué)員針對自己的產(chǎn)品和業(yè)務(wù)訴求，選擇業(yè)務(wù)模型，結(jié)合AI機(jī)器學(xué)習(xí)方法，推導(dǎo)和萃取精準(zhǔn)業(yè)務(wù)指標(biāo)體系 |
|
四．AI賦能的數(shù)據(jù)洞察與精準(zhǔn)決策方法 1.AI賦能的數(shù)據(jù)經(jīng)營分析方法 1)趨勢分析 2)下鉆分析 3)漏斗分析 4)對比分析 5)歸因分析 6)聚類分析 7)相關(guān)性分析 8)AI建模分析 2.常見數(shù)據(jù)分析誤區(qū) 3.數(shù)據(jù)分析深度案例解析 4.案例、實戰(zhàn)經(jīng)驗與技巧分享 得物的銷售曲線分析、金融的營銷漏斗分析與優(yōu)化、零售品類聚類分析、抖音快手推薦策略邏輯、亞馬遜顧客留存相關(guān)性分析、亞馬遜流失預(yù)警模型與AI機(jī)器學(xué)習(xí)、B端項目的深度對比分析…… |
|
五. 深度專題分析：AB測試、用戶行為分析 1.價值魔法：AB測試實戰(zhàn)詳解 AB測試流程關(guān)鍵點 實驗樣本隨機(jī)分組 AA測試 測試指標(biāo)的選擇 置信度 新奇效應(yīng)與初識效應(yīng) 測試靈敏度提升 AB測試的替代方案 辛普森悖論 2.用戶行為深度分析與機(jī)遇洞察 桑基圖 線上對線下的數(shù)字孿生 結(jié)果分析vs. 行為分析 用戶行為價值分析 產(chǎn)品優(yōu)化點洞察 行為分析驅(qū)動的精準(zhǔn)營銷 3.案例、實戰(zhàn)經(jīng)驗與技巧分享 奧巴馬競選落地頁的AB測試、銀行新客權(quán)益AB測試、金融產(chǎn)品的頻道入口測試、電商產(chǎn)品頻道優(yōu)化的置信度分析、斯凱奇廣告的新奇效應(yīng)、B端產(chǎn)品用戶行為分析、亞馬遜用戶流失路徑分析 |
|
探討共創(chuàng) ?數(shù)據(jù)分析實戰(zhàn)演練：AI驅(qū)動的產(chǎn)品瓶頸與機(jī)遇深度分析洞察 練習(xí)：幫助學(xué)員針對自己的產(chǎn)品和業(yè)務(wù)目標(biāo)，使用多種深度數(shù)據(jù)分析方法，結(jié)合AI工具的輔助，快速發(fā)現(xiàn)產(chǎn)品的瓶頸與優(yōu)化方向 |
近期公開課推薦
