《大数据时代的精确营销与服务运营》

《大数据时代的精确营销与服务运营》

                              -----------段方老师   北京大学博士后

课程收益：

通过本次培训中实际案例的分享，了解数据管理和运营中的各种经验教训（别人花费上百亿学费买来的经验啊！），深刻理解大数据运营的意义，发掘客户精确营销和运营的价值。 通过本次培训中实际案例的分享，了解数据管理和运营中的各种经验教训（别人花费上百亿学费买来的经验啊！），深刻理解大数据运营的意义，发掘客户精确营销和运营的价值。

课程背景：

2018年，中国的营销者正面临着一个极具挑战的经济时局，然而他们有机会通过撬动海量数据的杠杆来获取巨额收益。

面对中国5.13亿的互联网用户、多样化的1.8万亿GB数据，以及企业数据每年55%的增长速度，在蓬勃发展的中国市场环境中，大数据所带来的机遇前所未有，这将是中国市场的营销者们预期取得大回报的最佳时机。营销者必须知道如何透过数据库的挖掘与分析，让手中的数据与信息发挥最大的价值，通过有效整合、分析线上和线下数据，提高与客户、潜在客户互动的精准度

本讲座通过电信行业客户分析的实际案例，介绍数据分析技术在客户营销、企业管理等方面的应用价值。

培训目标：

大数据时代下，客户的重新认识和精确营销，企业的精细化运营，如何提升企业的核心竞争能力，如何更新企业运营的新理念。了解大数据处理的基本技术，包括数据仓库、云计算、数据挖掘、元数据等基本内容。解决数据质量的方法和经验，数据管理的组织机构设置等。

课程内容：

一、“大数据、大生意”：

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？

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

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、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.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”

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？

6.大数据的实现技术

1)HADOOP技术了

2)MAP/REDUCE算法

3)非结构化数据分析的特点

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？

3）提供哪些产品？

产品是什么视图？

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。

客户的交往圈子（如：户外旅游圈子关注哪些产品？）

另一个角度规划产品和服务。

2）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）

金融产品营销的特点（没有实物的高利产品）

贴片广告：《非诚勿扰2》里送保险，似乎比送房子更时尚

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；手机彩信及时展现KPI给领导。

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：电信行业客户的统一视图

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资费：经过数据精算后，告诉客户，A产品比B产品更适合张三。

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

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

5、如何避免对客户的骚扰

1）客户外呼的次数控制

2）客户外呼的内容控制

3）客户外呼的时机控制

4）语术的把握避免投诉

6、员工坐席的“服务适配”问题

1)客户是什么类型？

2)员工是什么类型？

3)产品的合适客户群如何？

4)如何让匹配的员工坐席为客户提供服务？

三、基础数据的收集和整理

1、数据的种类

1）客户数据内容（保险客户的基本资料）

2）产品数据内容（产品的编码）

3）营销数据内容（交易记录的保存）

4）服务数据内容（客户服务数据的保存）

5）金融数据的特点：（交易型数据较少、安全要求高等）

2、数据的存放方法

1）数据的清洗、转换和加载

2）存放在数据库/数据仓库

3）数据的基本分析工具EXCEL等

3、数据的基本整理

1）数据的归类存放（建模型）

2）数据的基本加工

4、数据的基础分析

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）高级的数据挖掘工具SAS和SPSS等

示例：切入几张工具的示意界面图

5、数据质量的基本保障

1）指标的口径描述和统一

2）后期补数据成本是前提收集数据成本的15倍

3）“差之毫厘谬以千里”

6、网销/电销数据的收集和整理

1）网销数据的收集/整理

2）电销数据的收集/整理

3）电销和网销数据的关键点：

示例：互联网电销企业的营销案例（产品关联分析）

四、客户的分析和认知

1、客户的定义和范畴

用户和客户的区别

客户是否要进行细分，如校园客户、家庭客户等

2、关于客户的基本“信息”（管中窥豹）

身份证信息行为爱好信息衍生信息

3、客户的基本属性标签（如旅行者推销旅行险等）

增值服务等方面，让服务更加贴近客户

4、客户的喜好（“不怕没缺点，就怕没爱好”）

经常出没的地方（高尔夫场、酒吧街、电影院等）

通过前台的观察和后台的询问等获取的知识

5、客户的细化分群

客户分群的依据（物以类聚、人以群分）

示例：电信行业客户分群案例

6、客户的知识库

实时调出符合条件的客户群体来

示例：电信行业客户知识库举例

7、如何识别欺诈客户

如何识别欺诈客户如何防范风险

示例：电销行业客户欺诈案例描述

8、客户的“再挖掘”（UPSELL/CROSSSELL）

客户群中的“种子/关键”客户客户的交往圈分析

示例：客户交往圈分析案例

基于客户交往圈，进行客户“再挖掘”

9、客户的生命周期管理

客户的生命周期数据分析渗透到客户的生命周期全过程

10、电销/网销中能进行哪些客户分析和营销？

网络可以泄露客户更多的信息；（如何买到合适的数据？）

对客户更深层的了解，就可以进行合适的营销：

五、如何为合适的用户提供合适的金融产品？

1、营销的目的：为合适的用户提供合适的产品

除了“激情营销”，更需要“理性营销”；真正满足客户需求才能构建长久的营销关系；

客户的真实需求如何？

2、如何发现合适的用户

谁是合适的客户？标准有哪些？客户的担心、顾虑是什么？

3、如何提供合适的产品

从现有的产品客户中寻找目标客户特征

示例：客户针对性营销案例示例

4、营销案的设计和评估

如何吸引用户？如何让用户选择产品？

5、营销的过程和细节

类似CRM系统的营销流程管理

示例：电信行业CRM营销的流程框架图

6、营销的渠道选择

客户是否喜欢外呼电话，还是短信？还是网上营业厅？

示例：用户偏好渠道分析的案例

7、如何避免对客户的过渡打扰

限制每月的外呼次数；

8、网销/电销的客户数据挖掘

9、客户的挽留和延伸销售

识别真正有价值的客户；

案例：客户价值评估介绍

尽量让客户进入更高级别，避免降级：（电信行业的价格战，将钻石卡用户打成了金卡；金卡用户打成了银卡）

六、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、分析报告是展现形式

3、分析报告的思路

4、分析报告的方法

示例：分析报告演示

七、数据的质量问题

（数据仓库项目的60%精力是在解决数据质量问题）

1、数据质量的问题表现

接通率的量化依据数据转换成为成功订单几率的描述

示例：数据质量的问题分布图

2、数据质量的根源在哪里

业务管理的标准化指标的口径一致性问题

3、数据质量的管理模式

理清数据的来龙去脉列出数据的监控点

4、数据质量的量化评估方法

数据质量的评估标准

示例：数据质量的评估指标

八、云计算技术

1.Hadoop项目简介

2.HDFS体系结构

3.HDFS关键运行机制

4.MapReduce产生背景

5.MapReduce编程模型

6.MapReduce实现机制

7.MapReduce案例分析

8.HIVE介绍

9.HBASE介绍

九、总结和展望

                                     -----------段方老师   北京大学博士后     

课程收益：

       通过本次培训中实际案例的分享，了解数据管理和运营中的各种经验教训（别人花费上百亿学费买来的经验啊！），深刻理解大数据运营的意义，发掘客户精确营销和运营的价值。 通过本次培训中实际案例的分享，了解数据管理和运营中的各种经验教训（别人花费上百亿学费买来的经验啊！），深刻理解大数据运营的意义，发掘客户精确营销和运营的价值。

课程背景：

       2018年，中国的营销者正面临着一个极具挑战的经济时局，然而他们有机会通过撬动海量数据的杠杆来获取巨额收益。

       面对中国5.13亿的互联网用户、多样化的1.8万亿GB数据，以及企业数据每年55%的增长速度，在蓬勃发展的中国市场环境中，大数据所带来的机遇前所未有，这将是中国市场的营销者们预期取得大回报的最佳时机。营销者必须知道如何透过数据库的挖掘与分析，让手中的数据与信息发挥最大的价值，通过有效整合、分析线上和线下数据，提高与客户、潜在客户互动的精准度

本讲座通过电信行业客户分析的实际案例，介绍数据分析技术在客户营销、企业管理等方面的应用价值。

培训目标：

       大数据时代下，客户的重新认识和精确营销，企业的精细化运营，如何提升企业的核心竞争能力，如何更新企业运营的新理念。了解大数据处理的基本技术，包括数据仓库、云计算、数据挖掘、元数据等基本内容。解决数据质量的方法和经验，数据管理的组织机构设置等。

课程内容：

一、“大数据、大生意”：

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？

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

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、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.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”

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？

6.大数据的实现技术

1)HADOOP技术了

2)MAP/REDUCE算法

3)非结构化数据分析的特点

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？

3）提供哪些产品？

产品是什么视图？

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。

客户的交往圈子（如：户外旅游圈子关注哪些产品？）

另一个角度规划产品和服务。

2）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）

金融产品营销的特点（没有实物的高利产品）

贴片广告：《非诚勿扰2》里送保险，似乎比送房子更时尚

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；手机彩信及时展现KPI给领导。

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：电信行业客户的统一视图

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资费：经过数据精算后，告诉客户，A产品比B产品更适合张三。

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

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

5、如何避免对客户的骚扰

1）客户外呼的次数控制

2）客户外呼的内容控制

3）客户外呼的时机控制

4）语术的把握避免投诉

6、员工坐席的“服务适配”问题

1)客户是什么类型？

2)员工是什么类型？

3)产品的合适客户群如何？

4)如何让匹配的员工坐席为客户提供服务？

三、基础数据的收集和整理

1、数据的种类

1）客户数据内容（保险客户的基本资料）

2）产品数据内容（产品的编码）

3）营销数据内容（交易记录的保存）

4）服务数据内容（客户服务数据的保存）

5）金融数据的特点：（交易型数据较少、安全要求高等）

2、数据的存放方法

1）数据的清洗、转换和加载

2）存放在数据库/数据仓库

3）数据的基本分析工具EXCEL等

3、数据的基本整理

1）数据的归类存放（建模型）

2）数据的基本加工

4、数据的基础分析

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）高级的数据挖掘工具SAS和SPSS等

示例：切入几张工具的示意界面图

5、数据质量的基本保障

1）指标的口径描述和统一

2）后期补数据成本是前提收集数据成本的15倍

3）“差之毫厘谬以千里”

6、网销/电销数据的收集和整理

1）网销数据的收集/整理

2）电销数据的收集/整理

3）电销和网销数据的关键点：

示例：互联网电销企业的营销案例（产品关联分析）

四、客户的分析和认知

1、客户的定义和范畴

用户和客户的区别

客户是否要进行细分，如校园客户、家庭客户等

2、关于客户的基本“信息”（管中窥豹）

身份证信息行为爱好信息衍生信息

3、客户的基本属性标签（如旅行者推销旅行险等）

增值服务等方面，让服务更加贴近客户

4、客户的喜好（“不怕没缺点，就怕没爱好”）

经常出没的地方（高尔夫场、酒吧街、电影院等）

通过前台的观察和后台的询问等获取的知识

5、客户的细化分群

客户分群的依据（物以类聚、人以群分）

示例：电信行业客户分群案例

6、客户的知识库

实时调出符合条件的客户群体来

示例：电信行业客户知识库举例

7、如何识别欺诈客户

如何识别欺诈客户如何防范风险

示例：电销行业客户欺诈案例描述

8、客户的“再挖掘”（UPSELL/CROSSSELL）

客户群中的“种子/关键”客户客户的交往圈分析

示例：客户交往圈分析案例

基于客户交往圈，进行客户“再挖掘”

9、客户的生命周期管理

客户的生命周期数据分析渗透到客户的生命周期全过程

10、电销/网销中能进行哪些客户分析和营销？

网络可以泄露客户更多的信息；（如何买到合适的数据？）

对客户更深层的了解，就可以进行合适的营销：

五、如何为合适的用户提供合适的金融产品？

1、营销的目的：为合适的用户提供合适的产品

除了“激情营销”，更需要“理性营销”；真正满足客户需求才能构建长久的营销关系；

客户的真实需求如何？

2、如何发现合适的用户

谁是合适的客户？标准有哪些？客户的担心、顾虑是什么？

3、如何提供合适的产品

从现有的产品客户中寻找目标客户特征

示例：客户针对性营销案例示例

4、营销案的设计和评估

如何吸引用户？如何让用户选择产品？

5、营销的过程和细节

类似CRM系统的营销流程管理

示例：电信行业CRM营销的流程框架图

6、营销的渠道选择

客户是否喜欢外呼电话，还是短信？还是网上营业厅？

示例：用户偏好渠道分析的案例

7、如何避免对客户的过渡打扰

限制每月的外呼次数；

8、网销/电销的客户数据挖掘

9、客户的挽留和延伸销售

识别真正有价值的客户；

案例：客户价值评估介绍

尽量让客户进入更高级别，避免降级：（电信行业的价格战，将钻石卡用户打成了金卡；金卡用户打成了银卡）

六、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、分析报告是展现形式

3、分析报告的思路

4、分析报告的方法

示例：分析报告演示

七、数据的质量问题

（数据仓库项目的60%精力是在解决数据质量问题）

1、数据质量的问题表现

接通率的量化依据数据转换成为成功订单几率的描述

示例：数据质量的问题分布图

2、数据质量的根源在哪里

业务管理的标准化指标的口径一致性问题

3、数据质量的管理模式

理清数据的来龙去脉列出数据的监控点

4、数据质量的量化评估方法

数据质量的评估标准

示例：数据质量的评估指标

八、云计算技术

1.Hadoop项目简介

2.HDFS体系结构

3.HDFS关键运行机制

4.MapReduce产生背景

5.MapReduce编程模型

6.MapReduce实现机制

7.MapReduce案例分析

8.HIVE介绍

9.HBASE介绍

九、总结和展望

段方博士后简介

专业背景：

世界最大电信运营商总部大数据系统

总设计师、奠基人

北京大学信息处理专业博士后

北京邮电大学博士

十七年专注于数据仓库、大数据、云计算、

人工智能的研究与推广

      曾经在中国银行工作，熟悉银行业务。段方博士后承担了国际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17年的大数据（含机器学习）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系统在大型企业建设、运营的经验。其前后主持设计的技术文档，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。

      近期启动了人工智能、区块链等新技术的研究和部署工作，积累了大型企业人工智能技术部署和应用的经验。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，行业经验丰富。

      2018年6月在美国硅谷datawork summit 2018（世界顶级的大数据峰会）上两次发言（国内仅四家中国企业参会），取得良好效果。

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

主要经验：

       大数据系统相关领域的知识：数据仓库、大数据的基本技术，熟悉当前业界的使用和规模特点。熟悉数据仓库及数据建模技术基础，实际进行过十余年数据质量管控工作。熟悉DB2/ORACLE/TERADATA等数据仓库的产品特点，了解Erwin等建模工具。了解VERTICA/GP等MPP数据库的原理和特点。熟悉数据挖掘等机器学习技术,熟悉聚类、分类、回归预测等机器学习算法，有十余年的实际数据挖掘案例经验。熟悉HADOOP相关生态的组件技术，包括：SPARK/KAFKA/FLUME/YARN/HIVE/HBASE/STORM等实现技术，熟悉：R、mahout、SAS/SPSS等数据分析技术。掌握Python、Scala等编程语言。

熟悉TensorFlow等人工智能框架，了解深度学习、增强学习、迁移学习原理，实际进行过人工智能项目的实施和部署。

授课风格：

       理智型教学，理论联系实践，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：­——十六年的大数据专业经验

1.主持设计并完成了世界电信行业最大的大数据中心系统（截至到2017年底达到500PB存储容量，累计投资150亿元）

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（500PB）。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，通过十六年的努力，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，从2010年开始通过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”，获得了北京大学的博士后。发表了几十篇文章，出版了4-5本技术专著。

5.组建了某电信运营商在数据仓库领域和云计算领域的队伍

    带动某电信运营商相关领域的员工，通过多次的培训，逐步组织了各省公司的技术骨干团队，在对系统的维护、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

    通过举办多次大数据相关技术论坛，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年结合15年大数据从业经验，完成了《大数据&大分析》（人民邮电出版社）和《大数据的互联网思维》（电子工业出版社）两本书籍的编写和出版工作。

       2018年《数联网》（人民邮电出版社）书籍已经出版（世界上第一本关于数联网的书）；《大数据基础介绍》（编写中）

 获得的奖项：

 1）2006年，《基于海量数据的经营分析系统》项目获得中国通信学会科学技术奖一等奖           2）2018年在美国硅谷datawork summit 2018 峰会上发言，取得良好反响。

部分曾服务客户：

通信行业：

        北京移动（4次）、河北移动、成都移动（4次）、遂宁移动、山东移动、惠州移动、四川移动、南充移动（2次）、泸州移动、康定移动、西昌移动、江门移动、阳江移动、江苏移动、山西移动、深圳移动、中国移动卓望公司、上海奉贤区电信、上海北区电信、上海联通、浙江联通、上海移动、中山电信、广东移动、国信公司、中国吉通、成都电信、福建移动、河南移动、河北电信、北京电信、安徽移动、广州电信……

金融保险行业：

        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、浦发银行、兴业银行、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、天和融资、南方基金管理、中信银行、中国电信翼支付、平安银行、某大宗商品交易中心、深圳佰仟金融公司……

交通行业：

       北京中交集团（9次）、华通汽车、北斗汽车、广州汽车、北京汽车、重庆北汽银翔汽车、中交威海公司、中国铁路研究院……

IT行业：

       首都信息发展公司、华为公司、爱立信公司、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、东软软件、亚信公司、新大陆公司、北京电子控股……

高校研修班：

      北京大学、清华大学、北京邮电大学、武汉大学总裁研修班、浙江大学总裁研修班、上海交通大学总裁研修班、

其它行业：

        信息产业部（2次）、北京海淀区政府（2次）、中国电力建设集团（3次）、中石油吉林公司、深圳中海油公司、广东美的电器、杭州苏宁电器、威斯特时尚购物、武汉工贸、富邦科技、新农翔饲料、爱民药业集团、宁德新能源、亿童文教股份、宁波商贸、宁波市政府、齐心文具、广州保利国际、湖南粮食集团、中远集团、宝钢地产、上海闪迪芯片公司、国家电网西安公司、国家电网武汉公司、长白山电力公司、旺旺食品有限公司、大连冰山集团……

段方老师的其它课程