注册 找回密码
搜索
查看: 711|回复: 0
打印 上一主题 下一主题

销售数据分析 - 用数字说话

[复制链接]
跳转到指定楼层
1#
发表于 2012-3-6 10:25:03 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
销售数据分析 - 用数字说话

(转载)

            2012年3月16-17日深圳
            2012年3月22-23日北京
            2012年3月24-25日上海

【主办单位】一六八培训网

【收费标准】2800元/人(讲义、午餐、发票、茶点、赠送陈老师研发软件)

【授课对象】市场总监、市场分析人员、销售主管、销售总监及其他对营销数据分析有兴趣的人士

【联系电话】0755-86154193    86154194  刘先生、王先生

【温馨提示】本课程可为企业提供上门内训服务,欢迎来电咨询!

【特别声明】为了保证培训效果,请携带笔记本电脑并安装Office,并为Excel加载分析工具库。
        陈剑老师课程均赠送BladeOffice工具箱,请注意核对软件日期是否为培训当天日
            期以防假冒。

--------------------------------------------------------------------------------

课程背景:

      市场营销是企业的命脉,然而,为数不少的市场部、销售部工作人员由于缺乏营销分析概
念和方法,企业累积的大量数据得不到有效的利用,营销分析只停留在数据和信息的简单汇总和
流水帐式的通报,缺乏对客户、业务、营销、竞争方面的深入分析,结果决策者只能凭着本能的
反应来运作,决策存在很大的失误风险.本课程着眼于营销数据的分析和统计,教授如何挖掘数据
背后的规律和隐含的信息.通过学习本课程您将可以掌握营销数据分析的重要概念和高级技能,提
升科学管理和科学决策的水平.

--------------------------------------------------------------------------------

课程大纲:

一、导言
互联网的高速发展加上市场竞争的加剧,使得数字化营销和精确营销进入了企业的视野,并引
起了营销方式的巨大改变...
1.用数字说话      2.数字化营销新趋势    3.精确营销循环
4.实施营销数据分析的系统策划和实施        5.数据分析与挖掘工具简介
二、指标分析
指标分析是一种快速的企业绩效分析手段,是衡量企业健康状况的健康指标, 本节对各类指
标进行深入解析,并试图透视指标背后的隐含信息。
1.销售绩效的评估与考核  2.宏观市场指标  3.公司经营状况指标
4.客户相关指标          5.市场营销指标  6.对指标的细化分析,从数据的分布趋势深入分析指标
7.如何将指标分解到相关影响因子          8.案例演练
三、常规收据收集和指标统计
没数据,营销分析就成了空中楼阁。本节介绍数据搜集的思路和方法,为营销分析奠定坚实的基础
1.指标统计方法与来源格式  2.数据来源和收集途径  3.数据搜集工具和手段
4.数据表的规划和设计      5.数据的有效期和保鲜  6.将目标和KPI相连
四、竞争分析
企业总是在竞争中壮大,如果能提前预知竞争对手的信息和策略,企业更容易成功。
1.市场竞争的四个层次  2.如何界定竞争对手  3.竞争对手数据收集  4.需求的交叉弹性
5.品牌转换矩阵        6.行业竞争力分析    7.竞争分析矩阵
五、常用分析方法
数据分析需要有实际的方法和手段,以下的方法将贯穿在本课程中进行学习和演练。
1.方差分析                  2.时间序列分析和对比分析    3.频数分析
4.多业务条件动态分类汇总    5.可视化分段与结构分析
六、市场调查与置信度分析
市场调研是合法获取数据的重要来源,也是快速了解市场反应的途径,本节讨论市场调查的策划和统计方法。
1.如何策划一次市场调查 2.常规调查方法和网上调查方法3.如何进行进行统计学上有效的抽样调查
4.理解误差的来源分析  5.调研成本的策划与控制      6.如何对抽样结果进行统计
7.通过置信度分析计算调查误差
七、客户细分与精确营销
无差别的大众媒体营销已经无法满足零和的市场环境下的竞争要求。精确营销是现在及未来的发展方向,
而客户细分是精确营销的基础。
1.精确营销大趋势        2.客户细分的价值              3.客户细分与“1对1营销”的区别
4.基于数据驱动的细分介绍 5.基于数据驱动的细分的几种方法 6.客户数据库分析的RFM指标
7.顾客的价值(VOC)测量    8.基于聚类细分方法的演练      9.细分结果的应用
八、商业预测技术
预测是企业重要的决策依据,企业通过预测技术可以估计下一季度、年度的市场规模、市场占有率、销售量等。
1.预测模型的类型概述                              2.如何选择合适的预测模型
3.基于时间序列的一元回归预测,例如
i. 如何预测公司明年、后年的营业收入              ii. 如何预测新年度生产成本
4.多元回归分析:如何分析多个因素对目标值的影响程度,包含
i.如何建立多变量业务预测模型                    ii.如何评估业务模型的有效性
iii.企业外部变量(例如经济宏观数据)的选择和过滤  iv.季节因素的时间序列回归分析
5.回归分析演练:如何预测新市场的规模及制定发展目标

--------------------------------------------------------------------------------

讲师介绍: --- 陈剑老师

    信息化专家、IPMA认证项目经理、MCSE、MCDBA、经济分析师,从业经验丰富,曾主持开
发大型政府业务系统、银行办公系统、电信业务系统、工业自动化控制系统等,负责过OA、
ERP、BI系统的集成与实施.历任项目经理,技术总监,副总经理等职务、熟悉公司营运管理,
财务管理,信息化管理,人事行政管理工作。
      陈剑老师擅长的课程:《实用企业数据统计和分析技术》,《专业幻灯片和图表制作
技术》,《现代项目管理》,《新产品研发和客户需求分析》,《Excel、Access和POWERPOINT
在管理中的实战运用》
      陈老师近期培训企业:东方航空、攀岭鞋业、福田医疗、银雁金融、哈尔滨移动、大
连商品交易所、泉林包装、卓志物流、佛山移动、东风置业、金域医疗检验、交银施罗德、
中钞特种防伪、金茂集团、海烟物流、中国测试技术研究院、东风汽车、雅芳、贝亲婴儿用
品、奇正藏药、达丰电脑、瑞立远东、中新图锐、喜莱德六晖橡胶金属、嘉驰国际贸易、嘉
兴福茂、蓓嘉日东时装、立顺实业、敦朴光电、苏州万通、海立(集团)、上海轮胎橡胶、
伟尔沃曼机械、宝馨科技精密机械、亚洲纸业、亿道电子、纳贝斯克食品、南京广厦置业
(集团)、天津嘉驰、上海汽轮机、伟巴斯特车顶供暖系统等企业。

--------------------------------------------------------------------------------

请将以下报名表内容打印填写后传真到:(0755) 86154195

        报  名 回  执

参加课题:《销售数据分析 - 用数字说话》SZ

时间:________________________  地点:____________   

参会单位名称:___________________________________ Email:______________________  

如发票抬头与本回执单位名称不同的。请注明:___________________________________

联系人:_______________ 电话:_____________________ 传真:_____________________
 
参加学员:_______________职务:_______________手机:_______________Email:____________

参加学员:_______________职务:_______________ 手机:_______________Email:____________

参加学员:_______________职务:_______________手机:_______________Email:____________
      
付款方式:□现金 □支票 □转帐

人数:______人  参会费用:共计:______元

备注
1.收到贵司报名信息后,我们将第一时间和贵司参会联系人进行确认;
2.在开课前一周,我们有专人给贵司发送参加培训的确认函,上面有培训报到指引,以及详细的上课地址和路线图;
3.此课程也可以安排企业内训,欢迎来电咨询及申请排期;
4.如对此课程有任何疑问,欢迎拨打电话向我们咨询

您需要登录后才可以回帖 登录 | 注册

本版积分规则

关于都市网 | 服务条款 | 开放平台 | 广告服务 | 商务洽谈 | 都市网招聘 | 都市网公益 | 客服中心 | 网站导航 | 版权所有

手机版|小黑屋|Comsenz Inc.  

© 2001-2013 源码论坛 Inc.    Powered by Weekend Design Discuz! X3.2

GMT+8, 2024-12-2 07:08 , Processed in 0.204547 second(s), 18 queries .

快速回复 返回顶部 返回列表