数字化转型与落地实践策略
战“疫”期间，助力线上交易、远程办公、在线教育，云服务无处不在；从流动人员健康监测，到疫情态势研判，大数据应用身手不凡；广泛应用机器人配送、无接触方舱CT、红外人体温度快速筛检仪，人工智能崭露头角……数字技术的普及运用，人们愈发感受到产业数字化的重要性。

近几年里互联网巨头攻城略地，其根本原因在对数据资产的极致应用。阿里巴巴掌握了中国人的消费记录，腾讯获取了我们的社交关系链，滴滴出行和百度地图最清楚人们的行动轨迹，美团最了解我们的吃喝玩乐。甚至人们平时用键盘和手机打字，也被搜狗掌握了我们的输入习惯。这些沉淀的数据资产，对于企业而言就是核心竞争力。

然而，很多行业在大数据面前还显得比较迟缓，数据利用基本上处于信息查询、报表提交层面，主要是对现有数据的简单加工，很少涉及数据挖掘等深层应用。数据开发意识不强，数据思维不足，数据应用滞后。尤其在客户行为分析，消费心理捕捉、个性化服务与业务创新、洞察市场趋势等方面亟待提升。此外，在基础数据管理、数据平台搭建、数据分析人才储备上比较欠缺，无法有效盘活数据资产，为企业经营决策提供有力依据。

在数字化背景下，如何借助大数据为管理和营销提供有力支撑，如何有效挖掘自身已经沉淀的数据，并实现跨行业、跨平台的外部数据资源整合，基于用户画像构建，实现大数据实现精准营销和创新服务，是现阶段企业管理者需要认真思考的。
1. 了解数字化的时代背景和基础条件，正确认知大数据的应用价值；

2. 透视大数据的基本规律和特性，掌握大数据思维，提高工作效率；

3. 搭建数据管理平台，开展数据分析，发现数据背后的问题和机会；

4. 基于数字化应用，优化业务流程，构建精细化、智能化管理体系；

5. 为组织植入数字化基因，树立创新管理意识，持续的发现新机会。
引言：数字化时代企业生存之道——保持饥饿感

1.数字经济才是真正的“计划经济”

2.数据资产是企业发展的核心竞争力

3.数字化转型是双轮驱动的“一把手工程”

第一单元：数字化背景下的商业变革

一、大数据内涵定义和基础条件

1. 阿里巴巴新战略：数字经济体

2. 大数据三个要素

（1）大——海量，平台级

（2）数——信息，结构化

（3）据——精准、可依赖

3. 大数据的六个特征

4.大数据的三种类型

（1）消费数据——多维度记录

（2）机器和传感数据——图文、语音、影像

（3）行为数据——位置、轨迹、交易

5.大数据+移动互联网

——终端普及率

——用户习惯

——支付体系

6.大数据+物联网

（1）物联网的三个基本特征

（2）物联网的本质：连接一切

（3）传感器——人类感官的延伸

【案例解析】万物互联——当尿不湿植入芯片

7.大数据+5G

（1）高速率：大幅提高传输速率

（2）低时延：端到端毫秒级时延

（3）大带宽：km²百万级设备接入

（4）广连接：应用场景更加丰富

【案例解析】消费互联网VS产业互联网

8.大数据+云计算

（1）大数据反哺云计算

（2）算力提升与算法优化

（4）企业上云和政务上云大趋势

【案例解析】过去一百年人类离不开电力，未来人类离不开算力

9.大数据+AI人工智能

【案例解析】百度AI战略——无人驾驶

二、数字化转型面临的难点

1.数据思维：数据意识较弱，人才储备不足

2.数据采集：数据积累时间长，但质量不佳

3.数据开发：应用场景不够，缺乏业务突破点

4.数据应用：条件所限，缺少应用的成功案例

5.数据共享：数据不统一，难以发挥整体作用

第二单元：数字化平台构建及应用策略

一、大数据开发的重要性

1. 发现运营存在的不足

2. 市场变化和竞对动态

3. 客户需求与极致体验

4. 个性化营销方案制定

5. 洞察行业周期性走势

6. 为决策提供有效依据

【案例解析】什么是马云眼中的“新能源”

二、大数据开发运营流程

1. 数据采集

2. 数据整合

3. 数据清洗

4. 数据分析

5. 数据呈现

6. 建模应用

三、数字化管理与信息化构建

1. 掌握业务板块与数据运行之间的底层逻辑

2. 建立数据共享机制提升部门协同效率

3. 设定关键指标，通过数据反馈进行科学决策

（1）业务改进措施

（2）绩效考核体系

（3）服务流程优化

（4）信息安全管理

（5）客服体系建设

（6）品牌建设

4. 符合实际情况的数据开发流程

（1）数据接入

（2）数据整合

（3）数据清洗

（4）数据分析

（5）数据呈现

（6）建模应用

【实战分享】共享雨伞“JJ伞”数据管理平台搭建

四、数字化运营及应用方向

1. 产品研发：数据反馈与产品定位

【案例解析】从产品定义看众安保险如何玩转大数据

2. 用户画像：消费者心理及行为分析

【案例解析】在非洲卖的最好的中国手机品牌

1.精准营销：痛点捕捉与需求触达

4. 风险管控：数据监测与风险预警

【案例解析】上海外滩陈毅广场踩踏事件的反思和启示

5. 运营效率：智能化和精细化管理

6.创新服务：客户个性化需求满足

【案例解析】门店暴增，“优剪”的大数据思维和颠覆式创新

五、大数据分析挖掘方法和要点

1. 统计性分析

（1）结合业务场景设定关键指标

（2）不同维度组合的统计模型

（3）导向性的数据提取

【案例解析】飞机真的是最安全的交通工具？

【实战分享】从某外卖平台的统计数据中，你能看出什么？

2. 预测性分析

（1）捕捉各个因素之间的内在关联

（2）通过历史数据发掘规律和趋势

（3）风险评估，预判和管控

【案例解析】为什么电力数据真实反映了国民经济运行状况？

3. 可视化分析

（1）形成观点和结论

（2）文不如表，表不如图

（3）呈现方式——Excel、PPT或其他分析工具

4. 分析思维训练

（1）对比、转化、关联，横向与纵向扩展

（2）深入了解各业务板块，使分析工作贴合实际

（3）比数据分析更重要的是大数据思维和意识

【思维训练】为什么大部分人对中国房价走势预测失误？

【实战分享】如何通过数据分析识别已损坏的共享雨伞？

第三单元：基于用户画像的精准营销和创新服务

一、什么是用户画像

1. 用户DNA

2. 营销依据

3. 效果转化

【案例解析】今日头条为什么让巨头们恐慌？

二、用户画像构建

1 . 用户需求洞察

（1）用户角色属性划分

（2）用户真伪需求甄别

（3）保持倾听，独立判断

【案例解析】70后谈存钱、80后谈还钱、90后谈花钱

2. 数据源的建立

（1）用户数据

（2）行为数据

（3）消费数据

（4）商品数据

（5）客服数据

3. 用户画像模型

（1）群体画像模型

（2）购买兴趣模型

（3）产品定义模型

（4）风险管控模型

【案例解析】瞄准社区生鲜，钱大妈凭什么火爆？

张世民老师的其它课程