基于大数据的培训企业解决方案

　　4 基于大数据的 TC 企业解决方案

　　4.1 建立和健全企业制度和标准。

　　虽然我国对大数据研究也已提出指导性方针，《国家中长期科技发展规划纲要 2006-2020》、《“十三五”实施国家大数据战略》中都提出把大数据作为基础性战略资源，全面促进大数据的发展实施行动[40]。然而语言类教育培训企业对于如何应用大数据到行业或企业中并没有可直接参考的行业或企业标准。

　　在国家大力支持的情况下，语言类教育培训 TC 企业趁着大数据在企业中的应用，及时的收集大数据在应用过程中的一些问题和细节，整理成相应的企业制度和标准。正如国家领导人邓小平同志所说，只能是摸着石头过河，大数据在企业应用的过程中逐步建立、健全并完善大数据在 TC 企业中的标准，然后推广至整个语言类教育培训行业，为建立并完善大数据在语言类教育行业中应用大数据标准做出企业应有的贡献。

　　4.2 引进和培养大数据人才。

　　4.2.1 引进大数据人才。

　　大数据时代也是需要大数据人才的时代，如何招聘到符合企业的大数据人才是企业需要解决的问题。TC 企业可以通过推荐或引进的方式招聘大数据人才。在招聘的过程中，TC 企业要筛选出熟悉互联网行业的大数据人才，不但要掌握大数据的相关知识，还要有很强的管理能力。能够掌握大数据的技术和工具的使用解决项目中的问题。能够很好的做到向上、向下沟通，平级沟通和跨部门沟通。可以带团队在规定的时间期限内共同完成 TC 企业相关大数据的研发工作。还有项目中的所有成员要有道德和上进心，成为一支学习型团队。

　　4.2.2 培养大数据人才。

　　TC 企业牵头，将国家高校中的大数据相关的教师与具有大数据分析能力的互联网企业中的高级技术人才联合在一起，对社会人士和高校学生进行招生教学，以实现培养大数据人才的目的。如清华、北大、复旦、浙大等高校联合百度、腾讯、阿里巴巴、华为这些已经拥有大数据和进行大数据分析的公司合作，高校的教师主要以基础理论知识进行教学，而拥有大数据实操的技术人员以项目实验导师的角色进行实战培训，被培训人员通过上述各公司的真实项目的培训和学习，最终对能通过考核的学员颁发证书，以达到真正培养大数据人才的目的。将优秀学员招聘到本公司，为 TC 企业服务。

　　4.2.3 人才的技术更新。

　　为了使 TC 企业的研发人员在大数据技术的复杂性、难度大，且发展迅速等条件下一如既往的保持对新技术的敏感度和不断提升解决 TC 企业问题的能力，所以 TC 企业要定期组织本企业内的技术人员进行技术交流、不定期组织与其它企业的技术交流。另外对参加技术培训人员达成一致意见并签订协议，在公司继续服务一定时长可享受报销全额学费的优厚条件。还可以为解决某项大数据相关的技术问题创办比赛，激励大家不断的学习新技术。

　　4.3 依靠大数据持续提供服务。

　　大数据行业相关职位最主要包括数据分析师、大数据工程师，体系结构如下：

　

　　根据大数据行业相关职位，将 51job、智联招聘和猎聘网中近一到三个月中发布的关于北京地区招聘大数据相关的职位薪酬进行统计。猎聘网招聘网站查询条件为地区：北京，搜索：大数据，时间：近一个月内。

　　当天查询后共计 3998 条数据，查询后地址如下 ：

　　https://www.liepin.com/zhaopin/?pubTime=30&ckid=99ada12b0cb6b2ed&fromSearchBtn=2&compkind=&isAnalysis=&init=-1&searchType=1&dqs=010&industryType=&jobKind=&sortFlag=15&industries=&salary=&compscale=&key=%E5%A4%A7%E6%95%B0%E6%8D%AE&clean_condition=&headckid=99ada12b0cb6b2ed&curPage=051job 招聘网站查询条件为地区：北京，搜索：大数据，时间：（未选择） 。

　　当天查询后共计 7674 条数据，查询后地址如下：

　　http://search.51job.com/jobsearch/search_result.php?fromJs=1&jobarea=010000&keyword=%E5%A4%A7%E6%95%B0%E6%8D%AE&keywordtype=2&lang=c&stype=2&postchannel=0000&fromType=1&confirmdate=9智联招聘网站查询条件为地区：北京，搜索：大数据，时间：（未选择） 。

　　当天查询后共计 5483 条数据，查询后地址如下：

　　http://sou.zhaopin.com/jobs/searchresult.ashx?jl=%E5%8C%97%E4%BA%AC&kw=%E5%A4%A7%E6%95%B0%E6%8D%AE&sm=0&p=1&isfilter=0&fl=530&isadv=0&sg=d6fd451cb9384625806dedd1b7bc1cb2通过八爪鱼软件或人工复制粘贴的方式将网上查询结果保存。人工整理数据后得出关于近一至三个月与大数据岗位相关的工作，猎聘网最低月薪为24949.24 元，岗位最高月薪为 41812.14 元。51job 招聘网最低月薪为 14451.84元，岗位最高月薪为 21869.63 元。智联招聘网最低月薪为 14209.43 元，岗位最高月薪为 22093.46 元。

　　操作步骤如下：

　　第一步：删除掉非大数据相关职位信息。如：招聘信息中有职位带大数据而其实就是销售、行政、助理、行业销售总监的职位信息，如“产品定位：政务软件/地理信息/智慧农村/物联网/大数据、Linux 内核开发工程师”等不是真正的大数据职位，或者是公司名称中带有大数据字样的非大数据职位，或者是一些各种语言的研发职位等。

　　第二步：排除掉薪酬为“面议”的招聘记录。

　　第三步：将月薪最低值和最高值分别累计除以记录个数。详细数据请参见《终-猎聘网 3998 含重复 75-郭丽梅-20170515.xlsx》、《终-51Job 7674-郭丽梅-20170513.xlsx》、《终-智联招聘 7444-郭丽梅-20170513.xlsx》。

　　通过三家招聘网站中的统计数据来看，与大数据岗位相关的平均最低月薪为14209.43 元，平均最高月薪为 41815.14 元。而北京市市人保局、市统计局联合发布的 2014、2015、2016 年北京市职工月均工资分别为 6463 元、7086 元、7706元。若按一个项目最少 5 个员工来计算，一年的薪酬大概需要 85 万至 251 万（852565.80 ~ 2508908.40）元。对于大数据项目，前期投入至少一至两年才初见成效，表示一个企业至少每年从净利润中为此项目支付一至两百万的员工费用。

　　对于一个企业而言，重新建设一个与大数据相关的部门或项目需要很高的经济成本，而且此部门或此项目又无法在短期内产生效果或为公司带来直观的盈利点。恐怕小企业连支付这 5 名员工的工资都困难。

　　然而，截止 2016 年 12 月，中国网民人数已达 7.31 亿，全年新增网民共计有 4299 万人。互联网的普及率已达 53.2%，超出全球平均水平有 3.1 个百分点，中国网民人数与欧洲人口总量相当。中国手机网民人数高达 6.95 亿人，使用手机上网人数与中国网民人数之比已提升至 95.1%，中国网民手机上网人数比例进一步攀升。截止 2016 年 6 月，中国网民人均每周上网时长达到 26.5 小时，比2015 年提高 0.3 小时，人均上网 3.8 小时/天。中国互联网信息中心（CNNIC）通过央视新闻微博在京发布第 38 次《中国互联网发展状态统计报告》显示，而我国在线教育用户规模达 1.18 亿，较 2015 年底增加 775 万，增长率为 70%[41]。

　　目前社会大环境是中国网民数量高居世界第一，网络零售市场规模近 2 亿，社交媒体、视频、移动互联网发展迅猛。在线教育用户数量已达 1.18 亿，并且在线教育领域也在不断的细化，客户群体不断扩大，服务也朝着多元化方向发展。

　　这些都为企业获取外部大数据打好数据基础。在此背景下，语言类教育培训 TC企业的大数据部门员工要更快、更好的充分利用大数据技术解决 TC 企业的问题，为企业提供策略支持、数据支撑，扩大市场份额，为企业带来更多的收益，赚取更多的利润，以弥补大数据部门在员工岗位薪资相对较高的情况，以解决大数据部门的经济成本高的问题。

　　4.4 运用大数据优化课程产品设置。

　　北美的 Netflix 公司[42]是家喻户晓的在线影片租赁提供商，主营业务是以租赁 DVD 赢利。2012 年决定自己拍摄电影，不过在公司决定拍摄什么影片和怎么拍摄时使用了自己公司的大数据。通过每天三千多万的个人行为，如个人喜欢的电影类型，回放的位置与次数、暂停的位置，用户每天 400 万的评分和 300 万次的搜索请求等数据，通过大数据技术发现喜欢BBC剧、大卫·芬奇(David Fincher)导演和凯文·史派西(Kevin Spacey) 老戏骨的用户存在交集，如果一部影片能同时满足这几个要素，就可能大卖。事实证明，Netflix 公司聘请大卫·芬奇担任导演，凯文·史派西担当男主角的《纸牌屋》不但是公司网站上观看量最高的剧集，也在美国及四十多个国家热播。

　　语言类教育培训 TC 企业长期的办学历程积累了海量的数据信息，不但有结构化的学员基本信息、学习成绩信息，还有半结构化的系统登录日志，学习日志。由于客户在登录或非登录状态下浏览在线平台中的各个课程产品时，系统会生成半结构化的日志文件。根据日志文件，通过大数据系统进行数据收集、清洗、挖掘、统计分析，预测近期某一课程产品的班级报名客户数量，以便设置合理的班容和班级数量。

　　4.5 运用大数据提高教学质量。

　　2010 年 7 月的美国夏洛特梅克伦堡学校的教师[43]，对小学、初中和高中实施 DWIP 模型情况进行评估，初中教师在大范围的检查学生表现数据后，发现以往三年中英语熟练程度有限的学生数学成绩总是比其他同学低，由此推出语言问题阻碍学生们的数学学习，采取加强语言学习的针对措施，有效提高了学生的数学成绩。即使经验非常丰富的数学教师，也很难发现数据和语言之间的微妙关系。通过此事证明，大数据能够提高教学质量。

　　一是根据结构化的数据分析，找出学员在网上学习时长、某一知识点停留的时长和次数，或在网上被学员提问次数较多的知识点、或近一段时间学员的学习成绩等信息进行统计分析，得出规律。可以根据分析后的数据，调整各种分类课程产品的课程时长，针对少儿、老年学员，课程时长可适当缩短；增加或删减某一知识点的详细讲解。二是根据半结构化数据的整理、结合人口学特征（年龄、性别、空间、文化、职业、收入、生育率等）分析，找出学员的学习情况和学习习惯进行个性化辅导，设计出个性化的学习方案。可以根据分析后的数据，对关注最多的知识点进行重点讲解、对于感兴趣的学科进行扩充讲解。三是根据学员特征、平时的学习表现和课程结束时的课程评价问卷调查等数据进行整理和分析，对学员进行分类，预测学员的成绩，发现高危学员（贫穷家庭或单亲家庭、发展明显迟缓，以及有攻击性行为或退缩行为的学员）。可以根据分析后的数据，将同类学员或成绩相近的学员使用同一课程产品；对预测成绩有所下降的学员增加知识补充课程；可对高危学员设置生动有趣的课程产品，并增加与学员情感沟通的次数。

　　根据结构化、半结构化和非结构化的数据分析，对系统中教师任一教学知识点的碎片化评价，可以实时有效的分析出教师教学过程中讲解精彩的部分和讲解不到位的部分；对学员在网上学习某一知识点停留的时长和次数的统计，或在网上被学员提问次数较多的知识点的统计，教师可对此知识点进行贴切比喻和详细讲解，提高教学质量。运用系统对学生试卷可做评分分析外，还可以统计人工难以完成的单词使用频次、答卷时长，任一题的答错率等。教师根据数据分析，得知学员的表现，并以此作为调整教师教学的基础，最终可以帮助教师提高教学水平。教师可以利用大数据分析需要在何种时机对哪些学生以何种方式安排相适应的教学内容[44]。

　　4.6 运用大数据洞察客户。

　　美国折扣零售商塔吉特与怀孕预测[45]的事实证明。通过找出两种数据之间的联系关系就可以来解决日常问题。在竞争日趋激烈的市场环境中，客户是企业最重要的资产，对企业客户如何进行分析，不同的分析方法得出不同的结果，这些结果最终将会影响企业的相关决策。如何为企业争取更多的、优质客户是企业生存发展的基础。企业的客户群体被划分成三类，而第一类客户对企业是最忠诚的客户，很难动摇。那么如何将第二类以利益取向为主的客户和第三类随机动荡型客户精准定位，变成语言类教育培训 TC 企业的客户就是关键所在。利用数据挖掘技术对客户类型进行识别分为下列几个步骤：首先对客户进行分类。通过聚类方法对客户进行划分，再根据模式分析标识出每类客户的不同特征，分析出企业的价值取向型客户、利益驱动型客户和随机动荡型客户，帮助 TC 企业为每种类型的客户找出相应的营销方式，从而降低成本，提高营销的成功率。其次对客户进行关联分析。利用购物篮分析技术分析客户对课程产品的消费模式和关联情况。挖掘客户在购买一种课程产品的同时还会不会购买其它课程产品，从而有效地决定课程产品的展示组合。关联分析也可以使企业从客户的消费模式中推知他们的购买偏好，从而提高交叉课程产品的销售效果；最后是对客户进行预警分析。有研究表明，开发一个新客户比保留一个老客户要多花 4 倍多的费用[46]。因此，要想方设法的保留现有客户是许多企业关键问题所在。而客户消失往往又没有任何事先的征兆，所以它成为一个很难以控制的问题。但凡客户已经决定不再购买企业的课程产品，就很难再将他说服留下。而随着信息处理能力的增强，数据挖掘的结果能为企业很好的控制住客户的流失率，企业可以利用数据挖掘工具对客户已往的购买课程产品信息、及其它信息进行分析并对已流失客户的模式建立模型。然后企业针对不同的客户流失模型，分别采取不同的应对方式，比如主动采取优惠的营销活动来留住客户，而非客户离开后才被动应对。

　　另外大数据时代，消费者的各种行为特征和模式都可以被记录下来，人类的细微行为，会直接暴露内心的真实想法，如客户点击、浏览、留言某些资料的足迹，系统将会根据客户的这些信息推送相关信息，比如最喜欢什么类型的课程产品、什么上课时段或价位的课程产品、浏览课程产品花费的时长、购课的频次等，从海量资料中分析出每种类型客户群的喜好，再根据其喜好，制定相对应的营销方案[47]，做到精准营销。

　　对于语言教育类培训 TC 企业来讲，根据客户对企业利润的贡献性，客户可划分为 VIP 客户、主要客户、普通客户、小客户四类。根据帕雷托的 80/20 原则，20%的客户贡献 80%的销售业绩。但根据克里斯·安德森的“长尾理论”中那条细长的尾巴那样，普通客户或小客户也是支撑销售业绩的大军，只有积少成多，才能提高整个销售业绩。所以对于第三类随机动荡型客户，要变被动等待转为主动联系，根据大数据挖掘的结果，有效的使用营销策略，有针对性的推荐产品，直至被转化为本企业的真实客户为止。

　　对于语言类教育培训 TC 企业中的客户，根据是否已报名又可以分为两种，一种是已经报名 TC 企业的老客户，另一种是还未报名 TC 企业的潜在客户。在TC 企业原有数据中定位到有继续接受培训需求的客户可以形容成在小河里捕鱼，而在全国定位到有培训需求但未参加过本教育培训企业培训的客户可以形容成在大海里捕鱼。我们先得确定这个“大海”。TC 企业可能通过合法化的购买百度、腾讯 QQ、新浪微博、微信、淘宝、京东、当当、亚马逊、爱奇艺、PPTV 助力、优酷土豆的数据，将这个“大海”建成。在保护好个人隐私的情况下，利用 Hadoop探索数据之间的关联模式，挖掘大数据中的信息对人们状态和行为进行预测。

　　老客户是已经通过前台客户端、企业官网、移动端 App 等各种渠道报名的客户。可以根据报名信息中的性别，职业，教育水平，兴趣爱好与已报名课程的学费金额等信息分析推测其收入水平，未来的教育需求等信息，进而将符合其消费水平、职业发展、个人兴趣的课程加以营销。例如通过对老客户报名时留的身份证信息、未留下身份证信息的客户通过各种登录日志关联 QQ 或其他注册账号中的出生年月日等数据，分析得到客户的生日信息，为其提供优惠券，通过有针对性的营销活动粘住老客户。潜在客户是指在语言方面有接受培训的需求，但不一定成为语言类教育培训TC 企业的客户。而大数据技术可为收集、分析这些潜在客户提供了有力的支持。

　　4.6.1 针对个体的精准营销。

　　运用购买到的百度搜索统计数据，分析哪些地区的哪些人群经常需要通过百度查询单词或翻译，锁定目标客户，根据查询的语种有针对性的做相关语种的课程广告推送，并附带针对此类客户专门设计的优惠券，首次报名可使用此优惠券。通过使用此类优惠券的报名人次，可统计通过此方法的转化率。

　　4.6.2 针对群体精准营销。

　　通过大数据的关联关系，定位到微信、微博中类似于英语广角的特定客户群体由语言类教育培训 TC 企业中资深的、具有感染力的教师加入，经过一段时间的深入了解和适当引导，针对每个群体的特征营销适合于他们需求的课程产品，可将其群体成员导入到 TC 企业。

　　4.6.3 基于特定条件组建群体精准营销。

　　通过大数据的聚合关系，定位到当当、亚马逊中购买某一类书籍的客户；爱奇艺、腾讯视频、优酷土豆等观看同一国家影片的客户，通过半结构化或非结构化的数据，分析找出手机、QQ、邮箱、地址等联系信息，将同一地区具有相同需求的客户组建成群。针对不同地域的不同群体营销不同的课程产品。通过对这些潜在客户的精准定位和营销，增加语言类教育培训 TC 企业的客户数量。

　　4.6.4 基于更新的用户画像进行精准营销。

　　用户画像的数据不是一成不变的，也需要定时更新，那么更新用户画像数据的触发条件通常有三种方式：一是设置阈值，当获取的实时画像数据量超过这一阈值时，根据存储的画像数据结构建立新的用户画像；二是设置时间周期，每隔该周期时间后，对存储的画像数据重新构建用户画像；三是增量更新，针对上次至本次增加的数据中挖掘用户画像，然后与原用户画像进行比对，若有需要更新时进行用户画像的更新。每种方式适应于不同的场景，第一种适合数据敏感型的用户画像，第二种则适合时效性要求较高的用户画像，第三种方式适合相对稳定的用户画像。而对于 TC 企业来讲，一般的培训课程都要经过一定时长的周期，所以采用的是第二种方式，设置周期为一个月，每隔一个月时长就对存储的画像数据重新构建，以便更好的配合推荐系统，为企业及时获取有意向的客户。但在每年的寒暑假前期，对于小学生、初中生、高中生、大学生的客户而言，一个月的周期足以让一个企业失去这些客户，所以需要及时调整时间周期到三至五天。

　　较短的时间周期完成用户画像的更新动作，就得需要降低计算复杂性，用降低对数据的精确性换取时间的紧迫性，为了缩短周期而放宽对数据的精确性的要求，确保实现在某个时间节点前以迅雷不及掩耳的速度将这些处在放假阶段潜在的学生转换成本企业的真实客户。

　　用户画像库是由 N 多个特征标签组成，客户基本信息相关的特征标签是固定不变的；而按周期统计的客户行为指标有些是定期变化的。此外由于更多数据源的加入，以及更详细的划分维度，这些特征标签的数量可能会改变；对于一些无用标签或者过期标签进行清除操作，对于一些新标签进行添加操作，这样才可以不断地完善和持续更新客户画像。

　　客户数据总是处在不断变化之中，随着时间的流逝，原来初三的学生就会转成高中生，而此时的客户也因为时间的流逝原来的用户画像已经严重不符合现在的客户现状，此时如何对已经得到的用户画像进行更新维护是需要解决的重要问题。一个最简单的最直接的办法是完全更新，在读取客户所有历史数据重新生成用户画像的问题就是计算量大、耗费时间长。而对于这个由初中生变为高中生的客户来讲，他/她的用户画像只需要更新有改变的地方，不需要更新的地方则不去重复更新。而且使用增量更新大大缩减了计算量。使用增量式更新算法是滑动窗口过滤算法，该算法强调的是滑动时间窗口，当数据库中的数据集更新后，只需要调整时间窗口，删除原有的数据集，然后加上新增的数据集。当然对历史客户数据需要进行计算并存储中间值，中间值和新增数据计算得到新的客户画像。

　　因中间值应该涉及不同的粒度，所以中间值具有较大的冗余，且需要较长时间的存储中间结果，占用大量空间。由于冗余的中间值使得增量更新时能够在不同粒度进行灵活计算。例如，一个推荐系统在不同时间粒度内，基于客户查询课程信息的日志，以客户为单位采用计算方式进行更新计算的课程次数。采用不同粒度时间范围，可以灵活地响应客户的查询需求，方便进行快速计算。针对个体、群体、特定条件组建群体的精准营销，和通过日志的分析、用户画像，对不同的客户做相应产品的课程推荐，最终实现扩大市场份额的目标。

　　

　　4.7 运用大数据精准推荐。

　　VISA & MasterCard 与商户推荐[48]。MasterCard Advisors 部门收集和分析了来自 210 个国家的 15 亿信用卡用户的 650 亿条交易记录，用来预测商业发展和客户的消费趋势。研究发现，如果一个人下午四点左右给汽车加油就很可能在下一个小时去购物或者就餐，还发现这些客户在这一小时的花费大约为 35-50美元。这样商家就可以在此时间段的加油小票背面附上加油站附近商店的优惠券。而对于语言类教育培训 TC 企业来讲，也可以通过各种收集到的数据为客户进行课程产品的推荐。

　　对于只浏览网站，未注册成为用户的客户，可以通过购买、合作或爬虫方式来获取和分析客户信息。每个用户在登录网站时都会在日志文件中留下对应的信息。WEB 日志是 WEB 服务器处理程序根据特定规范生成的 ASCII 文本。目前常见的 WEB 日志格式有 Apache 的 NCSA 日志格式和 IIS（Internet InformationServices）的 W3C 日志格式。NCSA 格式又分为两种，一种是普通日志格式（CLF），另一种是扩展日志格式（ECLF）。目前，扩展日志格式（ECLF）和基于自定义类型的 Apache 日志格式是最常用的日志格式，而 W3C 扩展日志格式（ExLF）的输出信息更为丰富，主要在微软 IIS 中应用。日志中记录访问主机的 IP 地址或解析的域名、访问时间、请求资源的 URL 或访问网页的地址、访问该页面的时长等信息。根据 Web 日志中的内容分析用户意图，通过数据挖掘的方法发现客户的潜在信息，对用户的行为进行分析。分析用户的 web 访问动机，是否希望参加某类的语言培训，点击查看的培训课程的价格范围是多少，此条访问用户的地域位置，和此用户访问网站的时间段范围等信息，对近段时间的 Web 日志内容进行分析，能够发现用户的偏好和兴趣点。用各种标签为用户进行标识，完成初步的用户画像。系统通过对 web 日志的分析挖掘结果应用于网站，若此用户再次浏览网站，根据分析后的结果，将符合条件的课程有针对性的推荐给用户。

　　利用 Hadoop 实现日志大数据的快速预处理过程，使用键-值（Key-Value）存储数据库和列存储数据库优于关系型数据库。键值存储数据库是基于哈希计算的按照键值对的形式进行组织、索引和存储。跟关系型数据库相比，键-值数据库是由松耦合的键值对组成不涉及数据间的业务关系。列存储数据库主要应对分布式存储的海量数据。关系型数据库以行为单位进行储存，列式数据库是以关系数据库中的列为单位进行每一列单独存储，所以能将同类数据存储在连续的空间中。列式数据访问查询只涉及到被查询的列，大大降低了数据库的 I/O，并且数据库的横向扩展性更好。根据微博、微信、QQ、淘宝、京东、苏宁、当当、百度、爱奇艺、腾讯视频、优酷土豆视频网站中日志中的 IP 地址等信息确定哪些账号为同一客户。通过 Hadoop 对社交软件中的文本内容进行分析，对同一客户的微博、微信、QQ 等消息进行分析，分析出此客户目前时间段的晴雨表，即情绪状态是高兴还是悲伤中。再根据此客户在淘宝、京东、苏宁、当当等网站中购买商品所处同类商品中的价位判断此客户的消费能力。还根据此客户经常观看视频的语言种类或在百度中经常查询的内容中分析此客户喜欢的语种或需要使用的语种；此客户喜欢观看电影的类型分析此客户的性格，再根据此客户百度地图、高德地图中的行驶路线和时间点，或通过发送朋友圈的地址判断此客户是经常出差、爱旅游人士还是一个习惯固定地点上下班的人士，以此来判断推荐给客户是游学类培训还是正规课堂教学还是视频直播课类的课程产品；根据此客户观看影片的时间段分析推荐给此客户是平日白天、平日晚上还是周末上课的课程产品；另外根据此客户每次观看视频的时长推荐不同时长课时的课程，或微直播的视频课程。

　　通过以上种种分析结果给用户贴上对应的标准，生成简单最初的用户画像。若客户的情绪是高兴阶段，推荐的课程产品的价格应该比他/她在平时消费其它产品时的价格水平略高；若客户的情绪是悲伤阶段，尽量选择不推荐或推荐的课程产品比他/她在平时消费其它产品时的价格水平略低。

　　本章小结。

　　本章主要为 TC 企业提供大数据的应用策略。首先需要建立和健全企业制度和标准。其次需要引进和培养大数据人才。最后大数据技术可运用在课程产品设置、教师教学质量、教学管理效率和精准营销等方面。并且详细说明大数据分析在培训企业管理流程、市场营销以及课程内容等具体环节的应用分析。通过大数据信息的整理和分析，可以使 TC 企业按照一定的标准开发客户群体，并设置相关度、契合度高的课程内容，也能够更加精准的选择师资以提高培训水平和教学效率，使 TC 企业建立起自身产品差异化，建立自有品牌稳固占有市场。