我要預(yù)訂

咨詢電話：027-5111 9925 , 027-5111 9926手機(jī)：18971071887郵箱：Service@mingketang.com

【課程目標(biāo)】

本課程專注于大數(shù)據(jù)建模課程，面向數(shù)據(jù)分析部等專門負(fù)責(zé)數(shù)據(jù)分析與建模的人士。主要內(nèi)容包括數(shù)據(jù)建模的過程和步驟，以及建模涉及到的分析方法、分析模型，以及模型優(yōu)化等。

本課程從實(shí)際的業(yè)務(wù)需求出發(fā)，對數(shù)據(jù)分析及數(shù)據(jù)挖掘技術(shù)進(jìn)行了全面的介紹，通過大量的操作演練，幫助學(xué)員掌握數(shù)據(jù)分析和數(shù)據(jù)挖掘的思路、方法、工具，從大量的企業(yè)經(jīng)營數(shù)據(jù)中進(jìn)行分析，發(fā)現(xiàn)業(yè)務(wù)運(yùn)作規(guī)律，進(jìn)行客戶洞察，挖掘客戶行為特點(diǎn)，消費(fèi)行為，實(shí)現(xiàn)精準(zhǔn)營銷，幫助運(yùn)營團(tuán)隊(duì)深入理解業(yè)務(wù)運(yùn)作，以達(dá)到提升學(xué)員的數(shù)據(jù)綜合分析能力，支撐運(yùn)營決策的目的。

通過本課程的學(xué)習(xí)，達(dá)到如下目的：

1、掌握數(shù)據(jù)建模的基本過程和步驟。

2、掌握數(shù)據(jù)建模前的屬性篩選的系統(tǒng)方法，為建模打下基礎(chǔ)。

3、掌握常用的數(shù)值預(yù)測模型，包括回歸預(yù)測和時序預(yù)測，以及其適用場景。

4、掌握常用的分類預(yù)測模型，包括邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、判別分析等等，以及分類模型的優(yōu)化。

5、掌握數(shù)據(jù)挖掘常用的專題模型。

【授課對象】

業(yè)務(wù)支撐、網(wǎng)絡(luò)中心、IT系統(tǒng)部、數(shù)據(jù)分析部等對業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)專業(yè)人員。

【學(xué)員要求】

1、每個學(xué)員自備一臺便攜機(jī)(必須)。

2、便攜機(jī)中事先安裝好Office Excel 2013版本及以上。

3、便攜機(jī)中事先安裝好IBM SPSS Statistics v24版本以上軟件。

注：講師可以提供試用版本軟件及分析數(shù)據(jù)源。

【授課方式】

基礎(chǔ)知識精講 + 案例演練 + 實(shí)際業(yè)務(wù)問題分析 + SPSS實(shí)際操作

本課程突出數(shù)據(jù)挖掘的實(shí)際應(yīng)用，結(jié)合行業(yè)的典型應(yīng)用特點(diǎn)，從實(shí)際問題入手，引出相關(guān)知識，進(jìn)行大數(shù)據(jù)的收集與處理；探索數(shù)據(jù)之間的規(guī)律及關(guān)聯(lián)性，幫助學(xué)員掌握系統(tǒng)的數(shù)據(jù)預(yù)處理方法；介紹常用的模型，訓(xùn)練模型，并優(yōu)化模型，以達(dá)到最優(yōu)分析結(jié)果。

【課程大綱】

第一部分：數(shù)據(jù)建模基本過程

1、預(yù)測建模六步法

選擇模型：基于業(yè)務(wù)選擇恰當(dāng)?shù)臄?shù)據(jù)模型

屬性篩選：選擇對目標(biāo)變量有顯著影響的屬性來建模

訓(xùn)練模型：采用合適的算法對模型進(jìn)行訓(xùn)練，尋找到最合適的模型參數(shù)

評估模型：進(jìn)行評估模型的質(zhì)量，判斷模型是否可用

優(yōu)化模型：如果評估結(jié)果不理想，則需要對模型進(jìn)行優(yōu)化

應(yīng)用模型：如果評估結(jié)果滿足要求，則可應(yīng)用模型于業(yè)務(wù)場景

2、數(shù)據(jù)挖掘常用的模型

數(shù)值預(yù)測模型：回歸預(yù)測、時序預(yù)測等

分類預(yù)測模型：邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等

市場細(xì)分：聚類、RFM、PCA等

產(chǎn)品推薦：關(guān)聯(lián)分析、協(xié)同過濾等

產(chǎn)品優(yōu)化：回歸、隨機(jī)效用等

產(chǎn)品定價(jià)：定價(jià)策略/最優(yōu)定價(jià)等

3、屬性篩選/特征選擇/變量降維

基于變量本身特征

基于相關(guān)性判斷

因子合并（PCA等）

IV值篩選（評分卡使用）

基于信息增益判斷（決策樹使用）

4、模型評估

模型質(zhì)量評估指標(biāo)：R^2、正確率/查全率/查準(zhǔn)率/特異性等

預(yù)測值評估指標(biāo)：MAD、MSE/RMSE、MAPE、概率等

模型評估方法：留出法、K拆交叉驗(yàn)證、自助法等

其它評估：過擬合評估

5、模型優(yōu)化

優(yōu)化模型：選擇新模型/修改模型

優(yōu)化數(shù)據(jù)：新增顯著自變量

優(yōu)化公式：采用新的計(jì)算公式

6、模型實(shí)現(xiàn)算法（暫略）

7、好模型是優(yōu)化出來的

案例：通信客戶流失分析及預(yù)警模型

第二部分：屬性篩選方法

問題：如何選擇合適的屬性來進(jìn)行建模預(yù)測？

比如：價(jià)格是否可用于產(chǎn)品銷量的預(yù)測？套餐的合理性是否會影響客戶流失？在欺詐風(fēng)險(xiǎn)中有哪些數(shù)據(jù)會有異常表現(xiàn)？

1、屬性篩選/變量降維的常用方法

基于變量本身特征來選擇屬性

基于數(shù)據(jù)間的相關(guān)性來選擇屬性

基于因子合并（如PCA分析）實(shí)現(xiàn)變量的合并

利用IV值篩選

基于信息增益來選擇屬性

2、相關(guān)分析（衡量變量間的線性相關(guān)性）

問題：這兩個屬性是否會相互影響？影響程度大嗎？

相關(guān)分析簡介

相關(guān)分析的三個種類

簡單相關(guān)分析

偏相關(guān)分析

距離相關(guān)分析

相關(guān)系數(shù)的三種計(jì)算公式

Pearson相關(guān)系數(shù)

Spearman相關(guān)系數(shù)

Kendall相關(guān)系數(shù)

相關(guān)分析的假設(shè)檢驗(yàn)

相關(guān)分析的四個基本步驟

演練：體重與腰圍的關(guān)系

演練：營銷費(fèi)用會影響銷售額嗎

演練：哪些因素與汽車銷量有相關(guān)性

演練：通信費(fèi)用與開通月數(shù)的相關(guān)分析

偏相關(guān)分析

偏相關(guān)原理：排除不可控因素后的兩變量的相關(guān)性

偏相關(guān)系數(shù)的計(jì)算公式

偏相關(guān)分析的適用場景

距離相關(guān)分析

3、方差分析(衡量類別變量與數(shù)據(jù)變量的相關(guān)性)

問題：哪些才是影響銷量的關(guān)鍵因素？

方差分析的應(yīng)用場景

方差分析的三個種類

單因素方差分析

多因素方差分析

協(xié)方差分析

方差分析的原理

方差分析的四個步驟

解讀方差分析結(jié)果的兩個要點(diǎn)

演練：終端擺放位置與終端銷量有關(guān)嗎

演練：開通月數(shù)對客戶流失的影響分析

演練：客戶學(xué)歷對消費(fèi)水平的影響分析

演練：廣告和價(jià)格是影響終端銷量的關(guān)鍵因素嗎

演練：營業(yè)員的性別、技能級別對產(chǎn)品銷量有影響嗎

演練：尋找影響產(chǎn)品銷量的關(guān)鍵因素

多因素方差分析原理

多因素方差分析的作用

多因素方差結(jié)果的解讀

演練：廣告形式、地區(qū)對銷量的影響因素分析（多因素）

協(xié)方差分析原理

協(xié)方差分析的適用場景

演練：飼料對生豬體重的影響分析（協(xié)方差分析）

4、列聯(lián)分析/卡方檢驗(yàn)（兩類別變量的相關(guān)性分析）

交叉表與列聯(lián)表

卡方檢驗(yàn)的原理

卡方檢驗(yàn)的幾個計(jì)算公式

列聯(lián)表分析的適用場景

案例：套餐類型對客戶流失的影響分析

案例：學(xué)歷對業(yè)務(wù)套餐偏好的影響分析

案例：行業(yè)/規(guī)模對風(fēng)控的影響分析

5、相關(guān)性分析各種方法的適用場景

6、主成份分析（PCA）

因子分析的原理

因子個數(shù)如何選擇

如何解讀因子含義

案例：提取影響電信客戶流失的主成分分析

第三部分：回歸預(yù)測模型篇

問題：如何預(yù)測產(chǎn)品的銷量/銷售金額？如果產(chǎn)品跟隨季節(jié)性變動，該如何預(yù)測？新產(chǎn)品上市，如果評估銷量上限及銷售增速？

1、常用的數(shù)值預(yù)測模型

回歸預(yù)測

時序預(yù)測

2、回歸預(yù)測/回歸分析

問題：如何預(yù)測未來的銷售量（定量分析）？

回歸分析的基本原理和應(yīng)用場景

回歸分析的種類（一元/多元、線性/曲線）

得到回歸方程的四種常用方法

Excel函數(shù)

散點(diǎn)圖+趨勢線

線性回歸工具

規(guī)范求解

線性回歸分析的五個步驟

回歸方程結(jié)果的解讀要點(diǎn)

評估回歸模型質(zhì)量的常用指標(biāo)

評估預(yù)測值的準(zhǔn)確度的常用指標(biāo)

演練：散點(diǎn)圖找推廣費(fèi)用與銷售額的關(guān)系（一元線性回歸）

演練：推廣費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系（多元線性回歸）

演練：讓你的營銷費(fèi)用預(yù)算更準(zhǔn)確

演練：如何選擇最佳的回歸預(yù)測模型（曲線回歸）

帶分類變量的回歸預(yù)測

演練：汽車季度銷量預(yù)測

演練：工齡、性別與終端銷量的關(guān)系

演練：如何評估銷售目標(biāo)與資源配置（營業(yè)廳）

3、自動篩選不顯著自變量

第四部分：回歸預(yù)測模型優(yōu)化篇

1、回歸分析的基本原理

三個基本概念：總變差、回歸變差、剩余變差

方程的顯著性檢驗(yàn)：是否可以做回歸分析？

因素的顯著性檢驗(yàn)：自變量是否可用？

擬合優(yōu)度檢驗(yàn)：回歸模型的質(zhì)量評估？

理解標(biāo)準(zhǔn)誤差的含義：預(yù)測的準(zhǔn)確性？

2、回歸模型優(yōu)化思路：尋找最佳回歸擬合線

如何處理預(yù)測離群值（剔除離群值）

如何剔除非顯著因素（剔除不顯著因素）

如何進(jìn)行非線性關(guān)系檢驗(yàn)（增加非線性自變量）

如何進(jìn)行相互作用檢驗(yàn)（增加相互作用自變量）

如何進(jìn)行多重共線性檢驗(yàn)（剔除共線性自變量）

如何檢驗(yàn)誤差項(xiàng)（修改因變量）

如何判斷模型過擬合（模型過擬合判斷）

案例：模型優(yōu)化案例

3、規(guī)劃求解工具簡介

4、自定義回歸模型（如何利用規(guī)劃求解進(jìn)行自定義模型）

案例：如何對餐廳客流量進(jìn)行建模及模型優(yōu)化

5、好模型都是優(yōu)化出來的

第五部分：時序預(yù)測模型

問題：無法找到影響因素，無法回歸建模，怎么辦？隨著業(yè)務(wù)受季節(jié)性因素影響，未來的銷量如何預(yù)測？

1、時序序列簡介

2、時序分析的原理及應(yīng)用場景

3、常見時序預(yù)測模型

1、評估預(yù)測值的準(zhǔn)確度指標(biāo)

平均絕對誤差MAD

均方差MSE/RMSE

平均誤差率MAPE

4、移動平均

應(yīng)用場景及原理

移動平均種類

一次移動平均

二次移動平均

加權(quán)移動平均

移動平均比率法

移動平均關(guān)鍵問題

最佳期數(shù)N的選擇原則

最優(yōu)權(quán)重系數(shù)的選取原則

演練：平板電腦銷量預(yù)測及評估

演練：快銷產(chǎn)品季節(jié)銷量預(yù)測及評估

5、指數(shù)平滑

應(yīng)用場景及原理

最優(yōu)平滑系數(shù)的選取原則

指數(shù)平滑種類

一次指數(shù)平滑

二次指數(shù)平滑（Brown線性、Holt線性、Holt指數(shù)、阻尼線性、阻尼指數(shù)）

三次指數(shù)平滑

演練：煤炭產(chǎn)量預(yù)測

演練：航空旅客量預(yù)測及評估

6、溫特期季節(jié)性預(yù)測模型

適用場景及原理

Holt-Winters加法模型

Holt-Winters乘法模型

演練：汽車銷量預(yù)測及評估

7、回歸季節(jié)預(yù)測模型

季節(jié)性回歸模型的參數(shù)

基于時期t的相加模型

基于時期t的相乘模型

怎樣解讀模型的含義

案例：美國航空旅客里程的季節(jié)性趨勢分析

8、新產(chǎn)品預(yù)測模型與S曲線

新產(chǎn)品累計(jì)銷量的S曲線模型

如何評估銷量增長的上限以及拐點(diǎn)

珀?duì)柷€與龔鉑茲曲線

案例：如何預(yù)測產(chǎn)品的銷售增長拐點(diǎn)，以及銷量上限

演戲：預(yù)測IPad產(chǎn)品的銷量

第六部分：分類預(yù)測模型

問題：如何評估客戶購買產(chǎn)品的可能性？或者說，影響客戶購買意向的產(chǎn)品關(guān)鍵特性是什么？

1、分類預(yù)測模型概述

2、常見分類預(yù)測模型

3、評估分類模型的常用指標(biāo)

正確率、查全率/查準(zhǔn)率、特異性等

4、邏輯回歸分析模型（LR）

問題：如果評估用戶是否購買產(chǎn)品的概率？

邏輯回歸模型原理及適用場景

邏輯回歸的種類

二項(xiàng)邏輯回歸

多項(xiàng)邏輯回歸

如何解讀邏輯回歸方程

帶分類自變量的邏輯回歸分析

多項(xiàng)邏輯回歸

案例：如何評估用戶是否會購買某產(chǎn)品（二項(xiàng)邏輯回歸）

案例：多品牌選擇模型分析（多項(xiàng)邏輯回歸）

5、決策樹分類（DT）

問題：如何提取客戶流失者、拖欠貨款者的特征？如何預(yù)測其流失的概率？

決策樹分類的原理

決策樹的三個關(guān)鍵問題

如何選擇最佳屬性來構(gòu)建節(jié)點(diǎn)

如何分裂變量

如何修剪決策樹

選擇最優(yōu)屬性

熵、基尼索引、分類錯誤

屬性劃分增益

如何分裂變量

多元劃分與二元劃分

連續(xù)變量離散化（最優(yōu)劃分點(diǎn)）

修剪決策樹

剪枝原則

預(yù)剪枝與后剪枝

構(gòu)建決策樹的四個算法

C5.0、CHAID、CART、QUEST

各種算法的比較

如何選擇最優(yōu)分類模型？

案例：識別銀行欠貨風(fēng)險(xiǎn)，提取欠貨者的特征

案例：客戶流失預(yù)警與客戶挽留模型

6、人工神經(jīng)網(wǎng)絡(luò)（ANN）

神經(jīng)網(wǎng)絡(luò)概述

神經(jīng)網(wǎng)絡(luò)基本原理

神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)的建立步驟

神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問題

BP反向傳播網(wǎng)絡(luò)（MLP）

徑向基網(wǎng)絡(luò)（RBF）

案例：評估銀行用戶拖欠貨款的概率

7、判別分析（DA）

判別分析原理

距離判別法

典型判別法

貝葉斯判別法

案例：MBA學(xué)生錄取判別分析

案例：上市公司類別評估

8、最近鄰分類（KNN）

基本原理

關(guān)鍵問題

9、貝葉斯分類（NBN）

貝葉斯分類原理

計(jì)算類別屬性的條件概率

估計(jì)連續(xù)屬性的條件概率

貝葉斯網(wǎng)絡(luò)種類：TAN/馬爾科夫毯

預(yù)測分類概率（計(jì)算概率）

案例：評估銀行用戶拖欠貨款的概率

第七部分：分類模型優(yōu)化篇（集成方法）

1、集成方法的基本原理：利用弱分類器構(gòu)建強(qiáng)分類模型

選取多個數(shù)據(jù)集，構(gòu)建多個弱分類器

多個弱分類器投票決定

2、集成方法/元算法的種類

Bagging算法

Boosting算法

3、Bagging原理

如何選擇數(shù)據(jù)集

如何進(jìn)行投票

隨機(jī)森林

4、Boosting的原理

AdaBoost算法流程

樣本選擇權(quán)重計(jì)算公式

分類器投票權(quán)重計(jì)算公式

第八部分：銀行信用評分卡模型

1、信用評分卡模型簡介

2、評分卡的關(guān)鍵問題

3、信用評分卡建立過程

篩選重要屬性

數(shù)據(jù)集轉(zhuǎn)化

建立分類模型

計(jì)算屬性分值

確定審批閾值

4、篩選重要屬性

屬性分段

基本概念：WOE、IV

屬性重要性評估

5、數(shù)據(jù)集轉(zhuǎn)化

連續(xù)屬性最優(yōu)分段

計(jì)算屬性取值的WOE

6、建立分類模型

訓(xùn)練邏輯回歸模型

評估模型

得到字段系數(shù)

7、計(jì)算屬性分值

計(jì)算補(bǔ)償與刻度值

計(jì)算各字段得分

生成評分卡

8、確定審批閾值

畫K-S曲線

計(jì)算K-S值

獲取最優(yōu)閾值

結(jié)束：課程總結(jié)與問題答疑。

傅老師

華為系大數(shù)據(jù)專家

計(jì)算機(jī)軟件與理論碩士研究生（研究方向：數(shù)據(jù)挖掘、搜索引擎）。在華為工作十年，五項(xiàng)國家專利，在華為工作期間獲得華為數(shù)項(xiàng)獎項(xiàng)，曾在英國、日本、荷蘭和比利時等海外市場做項(xiàng)目，對大數(shù)據(jù)有深入的研究。

傅老師專注于大數(shù)據(jù)分析與挖掘、機(jī)器學(xué)習(xí)等應(yīng)用技術(shù)，以及大數(shù)據(jù)系統(tǒng)部署解決方案。旨在將大數(shù)據(jù)的數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)建模應(yīng)用于行業(yè)及商業(yè)領(lǐng)域，解決行業(yè)實(shí)際的問題。

1、讓決策更科學(xué)：將大數(shù)據(jù)應(yīng)用于運(yùn)營決策，用大數(shù)據(jù)探索領(lǐng)域發(fā)展規(guī)律和行業(yè)發(fā)展趨勢，有效分析用戶需求，并預(yù)測用戶行為，最終實(shí)現(xiàn)市場變化預(yù)測，提升企業(yè)科學(xué)決策能力。

2、讓管理更高效：將大數(shù)據(jù)應(yīng)用于企業(yè)管理，用大數(shù)據(jù)呈現(xiàn)企業(yè)整體運(yùn)營情況，診斷企業(yè)管理問題和風(fēng)險(xiǎn)，全面理解組織、產(chǎn)品、人員、營銷、財(cái)務(wù)等要素間的相關(guān)性，實(shí)現(xiàn)企業(yè)資源的最優(yōu)化配置，提升企業(yè)管理效率。

3、讓營銷更精準(zhǔn)：將大數(shù)據(jù)應(yīng)用于市場營銷，解決營銷中的用戶群細(xì)分和品牌定位，客戶價(jià)值評估，產(chǎn)品設(shè)計(jì)優(yōu)化，產(chǎn)品最優(yōu)定價(jià)等實(shí)際問題，實(shí)現(xiàn)精準(zhǔn)營銷和精準(zhǔn)推薦，以最小的營銷成本實(shí)現(xiàn)最大化的營銷效果。

傅老師目前致力于將大數(shù)據(jù)技術(shù)應(yīng)用于通信、金融、航空、電商、互聯(lián)網(wǎng)、政府等領(lǐng)域。傅老師的課程最大特色：實(shí)戰(zhàn)性強(qiáng)！“圍繞業(yè)務(wù)問題+搭建分析框架+運(yùn)用分析方法+建立分析模型+熟悉分析工具+形成業(yè)務(wù)策略”。以商業(yè)問題為起點(diǎn)，基于實(shí)際的業(yè)務(wù)應(yīng)用場景（明確目的），搭建全面系統(tǒng)的業(yè)務(wù)框架和分析維度（分析思路），選擇最合適的方法（分析方法），深入淺出的理論講解（分析模型），使用簡單實(shí)用的工具操作（分析工具），對分析結(jié)果進(jìn)行有效的解讀（數(shù)據(jù)可視化），最終形成具體的業(yè)務(wù)建議，實(shí)現(xiàn)業(yè)務(wù)分析/數(shù)據(jù)分析的閉環(huán)。

應(yīng)用類：

《大數(shù)據(jù)分析與數(shù)據(jù)挖掘綜合能力提升實(shí)戰(zhàn)》

《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》

《市場營銷大數(shù)據(jù)分析實(shí)戰(zhàn)培訓(xùn)》

《大數(shù)據(jù)建模與模型優(yōu)化實(shí)戰(zhàn)培訓(xùn)》

《大數(shù)據(jù)分析與挖掘之SPSS工具入門與提高》

《金融行業(yè)風(fēng)險(xiǎn)預(yù)測模型實(shí)戰(zhàn)培訓(xùn)》

理論/認(rèn)知/戰(zhàn)略類：

《大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應(yīng)用創(chuàng)新》

《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

《大數(shù)據(jù)時代的精準(zhǔn)營銷》

技術(shù)類：

《Hadoop大數(shù)據(jù)解決方案開發(fā)技術(shù)基礎(chǔ)培訓(xùn)》

《Python開發(fā)基礎(chǔ)實(shí)戰(zhàn)》

《大數(shù)據(jù)分析與挖掘之Python開發(fā)實(shí)戰(zhàn)》

《Python機(jī)器學(xué)習(xí)算法原理及優(yōu)化實(shí)現(xiàn)》

服務(wù)客戶:

傅老師曾提供過培訓(xùn)咨詢服務(wù)的客戶遍及通信、金融、交通、制造、政府等行業(yè)，包括華為、富士康、平安集團(tuán)、中國銀行、招商銀行、光大銀行、中信銀行、交通銀行、廣電銀通、西部航空、海南航空、中國移動、中國聯(lián)通、中國電信、西部航空、安能物流、廣州地鐵、富維江森、東風(fēng)日產(chǎn)、神南礦業(yè)、公交集團(tuán)、廣州稅務(wù)、良品鋪?zhàn)拥葐挝缓凸尽?/p>

金融行業(yè)培訓(xùn)客戶：

中國銀行：《大數(shù)據(jù)變革與商業(yè)模式創(chuàng)新》《大數(shù)據(jù)時代的精準(zhǔn)營銷》

廣發(fā)銀行：《大數(shù)據(jù)下的精準(zhǔn)營銷實(shí)戰(zhàn)》四期

中信銀行：《大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn)》叁期

交通銀行：《大數(shù)據(jù)時代的精準(zhǔn)營銷》

安信證券：《大數(shù)據(jù)時代下的金融發(fā)展》

平安集團(tuán)：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

平安產(chǎn)險(xiǎn)：《大數(shù)據(jù)分析綜合能力提升》

平安壽險(xiǎn)：《大數(shù)據(jù)分析與應(yīng)用實(shí)戰(zhàn)》

平安銀行：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

農(nóng)業(yè)銀行：《Python大數(shù)據(jù)分析與挖掘》叁期

建設(shè)銀行：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》兩期

光大銀行：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用實(shí)戰(zhàn)》四期

招商銀行：《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》四期

杭州銀貨通科技：《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展及應(yīng)用創(chuàng)新》

廣電銀通：《大數(shù)據(jù)綜合能力提升》

平安普惠金融：《Hadoop解決方案技術(shù)培訓(xùn)》

浦發(fā)銀行：《大數(shù)據(jù)精準(zhǔn)營銷》

金融壹帳通：《大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn)》

中金所：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

……

通信行業(yè)培訓(xùn)客戶：

聯(lián)通研究院：《大數(shù)據(jù)預(yù)測建模優(yōu)化》

廣州電信：《大數(shù)據(jù)時代的精準(zhǔn)營銷》兩期

北京電信：《大數(shù)據(jù)分析綜合能力提升》

香港電信：《大數(shù)據(jù)精準(zhǔn)營銷實(shí)戰(zhàn)》

上海電信：《渠道大數(shù)據(jù)分析與挖掘思路及方法》兩期

河北電信：《數(shù)據(jù)化運(yùn)營下的大數(shù)據(jù)分析綜合能力提升實(shí)戰(zhàn)》

南京電信：《大數(shù)據(jù)視圖支撐精準(zhǔn)化營銷》

佛山電信：《數(shù)據(jù)挖掘技術(shù)及其應(yīng)用培訓(xùn)》

泉州電信：《大數(shù)據(jù)挖掘、信息分析及應(yīng)用培訓(xùn)》

湖北聯(lián)通：《大數(shù)據(jù)分析與商業(yè)智能》

廣東聯(lián)通：《數(shù)據(jù)分析與數(shù)據(jù)挖掘?qū)崙?zhàn)培訓(xùn)》兩期

江蘇聯(lián)通：《大數(shù)據(jù)分析綜合能力提升》

吉林聯(lián)通：《大數(shù)據(jù)分析綜合能力提升-中級》

烏魯木齊聯(lián)通：《大數(shù)據(jù)分析綜合能力提升》

上海移動：《大數(shù)據(jù)分析與挖掘、建模及優(yōu)化》叁期

浙江移動：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用實(shí)戰(zhàn)》

江蘇移動：《大數(shù)據(jù)精準(zhǔn)營銷技能提升實(shí)戰(zhàn)》

深圳移動：《大數(shù)據(jù)分析綜合能力提升》

廣西移動：《大數(shù)據(jù)發(fā)展趨勢及在公司營銷領(lǐng)域的應(yīng)用》

遼寧移動2期：《數(shù)據(jù)分析方法與經(jīng)營分析技巧》

泉州移動3期：《數(shù)說營銷—市場營銷數(shù)據(jù)分析與挖掘應(yīng)用》

德陽移動2期：《大數(shù)據(jù)挖掘與建模優(yōu)化實(shí)戰(zhàn)培訓(xùn)》

浙江移動：《大數(shù)據(jù)產(chǎn)品營銷能力提升》

四川移動：《大數(shù)據(jù)分析與挖掘綜合能力提升》

吉林移動：《數(shù)據(jù)分析與數(shù)據(jù)挖掘培訓(xùn)》；

貴州移動：《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》

海南移動：《基于大數(shù)據(jù)運(yùn)營的用戶行為分析與精準(zhǔn)定位》

山東移動：《大數(shù)據(jù)分析綜合能力提升》

深圳移動：《大數(shù)據(jù)在行業(yè)內(nèi)外的應(yīng)用》

中國移動終端公司：《大數(shù)據(jù)分析綜合能力提升培訓(xùn)》

中山移動：《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》

東莞移動：《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》

成都移動：《數(shù)字化運(yùn)營下的數(shù)據(jù)分析與數(shù)據(jù)挖掘》

眉山移動2期：《大數(shù)據(jù)分析綜合能力提升》

云浮移動：《大數(shù)據(jù)挖掘和信息提煉專項(xiàng)培訓(xùn)》

陽江移動：《小數(shù)據(jù)·大運(yùn)營--運(yùn)營數(shù)據(jù)的分析與挖掘》

德陽移動：《電信運(yùn)營商市場營銷數(shù)據(jù)挖掘應(yīng)用典型案例》

陜西在線：《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》

四川在線：《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》

大連移動：《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》

內(nèi)蒙古移動：《大數(shù)據(jù)分析與Hadoop大數(shù)據(jù)解決方案》

貴州中移通信：《SPSS數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用實(shí)戰(zhàn)》

華為技術(shù)：《話務(wù)量預(yù)測與排班管理》

……

能源汽車交通行業(yè)培訓(xùn)客戶：

一汽解放錫柴：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

廣東郵政：《大數(shù)據(jù)分析綜合能力提升實(shí)戰(zhàn)》

深圳水務(wù)：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

寧夏國電：《大數(shù)據(jù)思維與應(yīng)用》兩期

柳州上汽五菱：《大數(shù)據(jù)下的精準(zhǔn)營銷實(shí)戰(zhàn)》

東風(fēng)商用：《數(shù)說營銷實(shí)戰(zhàn)》

東風(fēng)日產(chǎn)：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用實(shí)戰(zhàn)》兩期

富維江森（汽車）：《數(shù)字化運(yùn)營下的數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用培訓(xùn)》

廣州地鐵：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘培訓(xùn)》兩期

廣州地鐵：《數(shù)據(jù)分析與數(shù)據(jù)建模實(shí)戰(zhàn)》兩期

西部航空：《數(shù)字化運(yùn)營下的數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用培訓(xùn)》

海南航空：《利用大數(shù)據(jù)營銷提升航線收益》

南方航空：《大數(shù)據(jù)精準(zhǔn)營銷實(shí)戰(zhàn)》兩期

北京機(jī)場貴賓公司：《市場營銷數(shù)據(jù)的分析》

深圳公交集團(tuán)：《大數(shù)據(jù)與智慧交通》

延長殼牌：《大數(shù)據(jù)分析與挖掘綜合能力提升》

神南礦業(yè)：《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展與應(yīng)用創(chuàng)新》

寶雞國電：《大數(shù)據(jù)分析與挖掘》兩期

順豐快遞：《大數(shù)據(jù)分析綜合能力提升實(shí)戰(zhàn)》

……

其它行業(yè)培訓(xùn)客戶：

嶺南集團(tuán)：《大數(shù)據(jù)時代下的精準(zhǔn)營銷》

ABB：《大數(shù)據(jù)分析實(shí)戰(zhàn)培訓(xùn)》

頂新國際：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

索菲亞：《大數(shù)據(jù)分析實(shí)戰(zhàn)培訓(xùn)》

玫琳凱：《大數(shù)據(jù)思維與應(yīng)用》叁期

西部數(shù)據(jù)：《大數(shù)據(jù)分析綜合能力提升》

無限極：《大數(shù)據(jù)分析綜合能力提升》兩期

雅圖仕：《大數(shù)據(jù)分析綜合能力提升》

施耐德：《大數(shù)據(jù)分析綜合能力提升》叁期

廣州稅務(wù)：《大數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》叁期

YKK吉田拉鏈：《大數(shù)據(jù)分析綜合能力提升培訓(xùn)》

富士康：《數(shù)據(jù)分析綜合能力提升培訓(xùn)》

貴州中煙：《互聯(lián)網(wǎng)+時代的大數(shù)據(jù)思維》

深圳欣盛商：《電商大數(shù)據(jù)分析》

安能物流：《大數(shù)據(jù)挖掘分析及應(yīng)用實(shí)戰(zhàn)》

良品鋪?zhàn)樱骸洞髷?shù)據(jù)分析綜合能力提升》兩期

新時代集團(tuán)：《問題的挖掘、分析—數(shù)據(jù)分析技巧》兩期培訓(xùn)

挑戰(zhàn)牧業(yè)：《大數(shù)據(jù)分析綜合能力提升》

易鑫集團(tuán)：《大數(shù)據(jù)分析綜合能力提升》

贛州監(jiān)獄：《大數(shù)據(jù)時代的營銷》共三期培訓(xùn)

賀州學(xué)院：《大數(shù)據(jù)時代的人才培養(yǎng)》

……

【學(xué)員評價(jià)】

傅老師是我目前聽過的很少忽悠而多干貨的老師，能夠?qū)⒗碚撝v得深入淺出，將案例講深講透，將實(shí)戰(zhàn)講得易理解易操作。在課堂中，他能把枯燥的數(shù)據(jù)說得有生命，在課堂上，他能對學(xué)員關(guān)注和付出。我不是對數(shù)據(jù)很喜歡的人，但仍然在課堂中能夠感覺到數(shù)據(jù)的生命力。五天的課讓我進(jìn)入到數(shù)據(jù)構(gòu)成的多彩、多維的世界，值得！

——學(xué)員分享

某金融行業(yè)---《大數(shù)據(jù)變革與商業(yè)模式創(chuàng)新》

傅老師運(yùn)用全面翔實(shí)的案例和不拘一格的語言，全方位剖析大數(shù)據(jù)發(fā)展以來在工具、思維和文化上帶來的變革，生動闡述數(shù)據(jù)分析過程六部曲、數(shù)據(jù)戰(zhàn)略七大思維等經(jīng)典概述，立體呈現(xiàn)大數(shù)據(jù)時代企業(yè)所面臨的機(jī)遇與挑戰(zhàn)。結(jié)合當(dāng)前關(guān)注焦點(diǎn)和時代熱點(diǎn)話題，傅老師現(xiàn)場分享了第一代傳統(tǒng)營銷、第二代互聯(lián)網(wǎng)營銷、第三代大數(shù)據(jù)營銷的進(jìn)階升級和精準(zhǔn)營銷實(shí)戰(zhàn)應(yīng)用。在為學(xué)員呈現(xiàn)一場思維見識領(lǐng)域盛宴的同時，傅老師還與學(xué)員進(jìn)行了積極互動和現(xiàn)場答疑，在相互交流中啟迪智慧、開拓思維，在思想碰撞中點(diǎn)燃大數(shù)據(jù)時代下的創(chuàng)新引擎，為全行在未來發(fā)展中進(jìn)一步把握經(jīng)濟(jì)大勢、開展前瞻預(yù)判、實(shí)施精準(zhǔn)決策提供了重要思想指引。

吉林某企業(yè)——《數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用培訓(xùn)》 學(xué)員：張經(jīng)理

五天的培訓(xùn)，讓我對數(shù)據(jù)分析與數(shù)據(jù)挖掘有了進(jìn)一步的了解，也學(xué)到了技術(shù)。以前參加過培訓(xùn)，兩天的培訓(xùn)我都覺得有時很難，而這次連續(xù)五天的培訓(xùn)，我聽課過程當(dāng)中既然感覺到時間過得很快。

貴州某運(yùn)營商——《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)》 學(xué)員：劉經(jīng)理

傅老師的課程，開拓了我營銷的思維，大數(shù)據(jù)營銷，重在利用數(shù)據(jù)為營銷服務(wù)。用戶細(xì)分、用戶特征提取、營銷費(fèi)用預(yù)算、客戶流失預(yù)警，原來可以這樣利用大數(shù)據(jù)，以后不再需要“拍腦袋”了,呵呵。

遼寧某運(yùn)營商——《數(shù)據(jù)分析與經(jīng)營分析實(shí)戰(zhàn)培訓(xùn)》學(xué)員：于經(jīng)理

傅老師的課程全程高能，信息量巨大，我們已經(jīng)建議公司安排后續(xù)高級課程，期待再次學(xué)習(xí)，點(diǎn)贊！

我要預(yù)訂

咨詢電話：027-5111 9925 , 027-5111 9926手機(jī)：18971071887郵箱：Service@mingketang.com