课程背景：

未来的商业银行是如何运营的？

为什么精准营销是未来企业运营的核心？

当下企业储备什么样的人才，以应对未来的竞争格局？

截止2018年，中国已达7亿移动支付用户。越来越多的人**移动互联网平台进行沟通、应用、采购、支付。同时，我们也生活在一个大数据的时代，数据、算法无处不在，未能足够利用数据和算法，没有把大数据技术与商业银行运营模式、与储户连接起来的的银行是没有未来的。

商业银行如何开展大数据分析与应用？

当前互联网对于行业的消费者加速可能远超我们的想象，如何利用互联网金融，如何利用大数据技术来进行用户画像定位，以此实现精准营销，这是很多商业银行非常感兴趣的话题。

培训将围绕如何进行产品的定位、如何去优化用户的体验、如何进行广告的精准投放，以及衡量用户价值与风险的大小等等，这类问题的解决需要结合受众群体的需求特性以及行为组合，去优化自身产品的调整策略。

【内容】

1、互联网金融、大数据、数据挖掘基础知识；

2、用户画像是什么？与精准营销的关系是什么？

3、数据从哪儿来？如何用？

4、用户画像与精准营销在商业银行相关案例；

5、**案例讲解、分析目前常用的用户画像与精准营销应用并演练。

【培训方式】

理论讲授，案例分析，方法传授、动画演示、互动讨论，讲师点评、算法演练。

【培训大纲】

前言：

一、 大数据时代的高速发展逻辑

1） 大数据技术冲击了整个商业体系

2） 大数据的“摩尔定律”发展脉络

二、 网络效率逻辑

1） 数据智能逻辑

2） 深度渗透逻辑

三、 互联网金融为什么能颠覆的传统银行业

1） 超级平台现象

2） 非对称发展

3） 商业新物种

4） 金融新生态

四、 数字经济全方位的深度渗透

1） “移动支付”改变了营销场景

2） 在线化 数据化的深度演绎

3） 数字化智能化对未来银行的深远影响

4） 商业银行转型策略——“网络化、数字化、智能化、云端化”顶层设计和战略布局

分组讨论：未来生活、工作对于互联网 及相关技术有哪些需求

一、 大数据相关热点技术

1. 大数据技术

1) 大数据时代的意义

2) 大数据基础概念

3) 大数据将“猜”出并控制一切

实战案例分析：特朗普如何**数据和算法来操控选民思想和结果

4) BAT如何利用机器学习与算法影响整个商业银行

实战案例分析：蚂蚁金服征信算法与模型，快速处理用户借贷需求

二、精准营销数据从何而来、如何应用

1. 什么要做数据挖掘——多学科的融合

2. 数据挖掘的功能：分类、预测、推估、关联、聚类、可视化

3. 用户画像有哪些商业应用价值

4. 如何收集、处理海量数据

5. 金融征信风控体系核心模式

实战案例分析：互联网金融**用户画像识别潜在机会与风险

三、建立用户画像的5个步骤

1. 准确识别用户

2. 动态跟踪用户行为轨迹

3. 结合静态数据评估用户价值

4. 用户标签定义与权重

5. 不同人群优先级排列

实战案例分析：人口属性 商业属性 消费特征 生活形态 关系

四、举一反三、无师自通创造精准营销体系

实战练习：围绕本行特点，分组练习搭建以下四方面大数据模型：

（1）市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐；

（2）客户关系管理，包括客服中心优化和客户生命周期管理；

（3）商业银行运营管理，包括业务运营监控和经营分析；

（4）创建商业化指数体系的初步搭建和分析。