(微信同号)【课程背景】
现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，同时也会释放出庞大的数据能量，大数据就是这个高科技时代的产物，大数据并不在“大”，而在于“有用”。价值含量、挖掘、应用比数量更为重要。对于需求的动态变化，需建立一个多维度的产品应用、客群画像，才能够做到“大数据比产品本身更了解产品，比客户自己更了解自己需求”，大数据的产品应用场景让数据重新理解产品，把产品自身、服务与客户形成强关系，在产品使用过程中建立数据触角，随时可清晰了解产品应用状态，客户的体验与场景需求。
课程将以大数据分析切入点，还原金融环境中的实际案例，帮助学员理解大数据是什么？大数据有什么特点，区别在哪里？数据如何洞察产品需求？产品整个生命周期的数据管理该如何做？大数据洞察的客群特点是什么？如何构建金融应用场景与客群关系？使学员学之解惑，学之能用。
【课程收益】
Ø 金融大数据的应用现状与痛点，大数据特点，技术图谱及大数据思维
Ø 大数据分析、建模、标签化管理、数据洞察产品需求
Ø 大数据下的产品场景，找回需求原点，构建金融产品需求场景
Ø 金融产品数据分析与挖掘、金融产品研发前置分析及商业应用全周期
Ø 大数据洞察的客户关系，洞察维度，客群分析，客群在线的四大场景
Ø 金融应用场景与客群关系，基于用户洞察体验需求升级
【课程特色】干货，没有废话；科学，逻辑清晰；实战，学之能用；投入，案例精彩
【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营
【课程时间】12小时
【课程大纲】
一、识别大数据与大数据价值
1、思维创新技术路径
2、金融大数据应用现状与痛点
Ø 大数据应用现状
Ø 大数据应用误区
Ø 大数据应用困扰及痛点
3、什么是大数据
Ø 大数据概念
Ø 大数据能做什么
Ø 大数据应用价值
Ø 大数据的特征与特点
4、大数据技术图谱
Ø 大数据技术基础
Ø 大数据的数据源特点
Ø 大数据技术逻辑
Ø 大数据全域识别
Ø 大数据数据展现
5、大数据思维
Ø 全样
Ø 容错
Ø 相关
Ø 智能
案例：
二、大数据分析与建模
1、大数据分析与建模
Ø 建模
Ø 训练模型
Ø 应用模型
Ø 优化模型
2、大数据标签化管理
Ø 数据标签
Ø 标签
Ø 多样化标签与场景化应用
Ø 基于标签化的产品画像
3、数据洞察金融产品需求
4、大数据为金融产品赋能
5、金融大数据的数据挖掘与建模
Ø 大数据挖掘流程与逻辑
Ø 大数据基本算法逻辑
Ø 大数据挖掘特性
Ø 大数据建模逻辑
Ø 数据＋模型＝产品能力？
案例：
三、贯穿整个金融产品生命周期的数据挖掘
1、金融大数据分析与数据挖掘
Ø 业务场景
Ø 数据建模
Ø 挖掘算法
Ø 相关分析
2、大数据应用场景及场景解析
3、找回需求原点，构建产品需求场景
4、产品数据分析与挖掘的样本条件
5、产品研发前置分析
Ø 需求任务
Ø 研究目的
Ø 关键指标
6、产品生命周期 - 产品研发设计
Ø 策略研究
Ø 概念评估
Ø 产品研发
Ø 产品测试
7、产品生命周期 – 商业应用
Ø 导入
Ø 发展
Ø 成熟
Ø 衰退
8、产品商业应用的数据触角
案例：
四、大数据洞察的客群分析
1、与客户关系的核心
Ø 传统价值
Ø 高阶价值
2、大数据驱动的客群洞察-数据维度
Ø 真实性
Ø 立体性
Ø 即时性
3、大数据驱动的客群洞察 – 营销维度
Ø 目标客群旅程
Ø 营销活动评估
Ø 社交表现追踪
Ø 行为趋势洞察
4、客群洞察与分析
Ø 基础属性
Ø 需求解构
Ø 客群分层
Ø 客户心智
Ø 内容偏好
Ø 产品能力
Ø 场景故事
Ø 金融价值
Ø 逻辑解析
5、客户在线的四大场景
Ø 输入场景
Ø 浏览场景
Ø 搜索场景
Ø 交易场景
6、金融应用场景与客群关系
Ø 可运营人群数 – 活跃用户
Ø 人群转化率 – 关系加深率
Ø 高价值人群总量
Ø 高价值人群活跃度
7、创新实践，端到端的整合场景
Ø 场景总览
Ø 预设GMV目标，反推各阶层用户体量
8、内容传播渠道
Ø 内容矩阵
Ø 数字媒介矩阵
Ø 融合匹配
Ø KOL选择
9、基于内容营销闭环的布局
Ø 基础内容投放
Ø 头部内容资源
Ø 人群关系触达
10、基于用户洞察体验升级需求
