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)】

本課程為高級(jí)課程，培訓(xùn)的內(nèi)容是繼中級(jí)課程之后學(xué)習(xí)的，同時(shí)提供了更復(fù)雜的數(shù)據(jù)模型來(lái)解決實(shí)際工作中的商業(yè)決策問(wèn)題。

本課程面向高級(jí)數(shù)據(jù)分析人員，以及系統(tǒng)開(kāi)發(fā)人員。

本課程核心內(nèi)容為數(shù)據(jù)挖掘，分類預(yù)測(cè)模型，以及專題模型分析，幫助學(xué)員構(gòu)建系統(tǒng)全面的業(yè)務(wù)分析思維，提升學(xué)員的數(shù)據(jù)分析綜合能力。

本課程覆蓋了如下內(nèi)容：

1、數(shù)據(jù)建模過(guò)程

2、分類預(yù)測(cè)模型

3、分類模型優(yōu)化思路

4、市場(chǎng)專題分析模型

本系列課程從實(shí)際的業(yè)務(wù)需求出發(fā)，結(jié)合行業(yè)的典型應(yīng)用特點(diǎn)，圍繞實(shí)際的商業(yè)問(wèn)題，對(duì)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（從數(shù)據(jù)收集與處理，到數(shù)據(jù)分析與挖掘，再到數(shù)據(jù)可視化和報(bào)告撰寫(xiě)），通過(guò)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、表達(dá)、工具，從大量的企業(yè)經(jīng)營(yíng)數(shù)據(jù)中進(jìn)行分析，挖掘客戶行為特點(diǎn)，幫助運(yùn)營(yíng)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(yíng)決策的目的。

通過(guò)本課程的學(xué)習(xí)，達(dá)到如下目的：

1、熟悉建模的一般過(guò)程，能夠獨(dú)立完成整個(gè)預(yù)測(cè)建模項(xiàng)目的實(shí)現(xiàn)。

2、熟練使用各種分類預(yù)測(cè)模型，以及其應(yīng)用場(chǎng)景。

3、熟悉模型質(zhì)量評(píng)估的關(guān)鍵指標(biāo)，掌握模型優(yōu)化的整體思路。

4、熟練掌握常用市場(chǎng)專題分析模型：

a)學(xué)會(huì)做市場(chǎng)客戶細(xì)分，劃分客戶群

b)學(xué)會(huì)實(shí)現(xiàn)客戶價(jià)值評(píng)估

c)學(xué)會(huì)產(chǎn)品功能設(shè)計(jì)與優(yōu)化

d)掌握產(chǎn)品精準(zhǔn)推薦模型，學(xué)會(huì)推薦產(chǎn)品

e)熟悉產(chǎn)品定價(jià)策略，尋找產(chǎn)品最優(yōu)定價(jià)

【授課對(duì)象】

業(yè)務(wù)支撐部、運(yùn)營(yíng)分析部、數(shù)據(jù)分析部、大數(shù)據(jù)系統(tǒng)開(kāi)發(fā)部等對(duì)業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)人員。

【課程大綱】

第一部分：數(shù)據(jù)建模過(guò)程

1、預(yù)測(cè)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(duì)目標(biāo)變量有顯著影響的屬性來(lái)建模

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

評(píng)估模型：進(jìn)行評(píng)估模型的質(zhì)量，判斷模型是否可用

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

應(yīng)用模型：如果評(píng)估結(jié)果滿足要求，則可應(yīng)用模型于業(yè)務(wù)場(chǎng)景

2、數(shù)據(jù)挖掘常用的模型

數(shù)值預(yù)測(cè)模型：回歸預(yù)測(cè)、時(shí)序預(yù)測(cè)等

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

市場(chǎng)細(xì)分：聚類、RFM、PCA等

產(chǎn)品推薦：關(guān)聯(lián)分析、協(xié)同過(guò)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(píng)分卡使用）

基于信息增益判斷（決策樹(shù)使用）

4、模型評(píng)估

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

預(yù)測(cè)值評(píng)估指標(biāo)：MAD、MSE/RMSE、MAPE、概率等

模型評(píng)估方法：留出法、K拆交叉驗(yàn)證、自助法等

其它評(píng)估：過(guò)擬合評(píng)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(lái)的

案例：通信客戶流失分析及預(yù)警模型

第二部分：分類預(yù)測(cè)模型

問(wèn)題：如何評(píng)估客戶購(gòu)買(mǎi)產(chǎn)品的可能性？如何預(yù)測(cè)客戶的購(gòu)買(mǎi)行為？如何提取某類客戶的典型特征？如何向客戶精準(zhǔn)推薦產(chǎn)品或業(yè)務(wù)？

1、分類模型概述

2、常見(jiàn)分類預(yù)測(cè)模型

3、邏輯回歸（LR）

邏輯回歸模型原理及適用場(chǎng)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

多元邏輯回歸

案例：如何評(píng)估用戶是否會(huì)購(gòu)買(mǎi)某產(chǎn)品（二元邏輯回歸）

案例：多品牌選擇模型分析（多元邏輯回歸）

4、分類決策樹(shù)（DT）

問(wèn)題：如何預(yù)測(cè)客戶行為？如何識(shí)別潛在客戶？

風(fēng)控：如何識(shí)別欠貸者的特征，以及預(yù)測(cè)欠貸概率？

客戶保有：如何識(shí)別流失客戶特征，以及預(yù)測(cè)客戶流失概率？

決策樹(shù)分類簡(jiǎn)介

案例：美國(guó)零售商（Target）如何預(yù)測(cè)少女懷孕

演練：識(shí)別銀行欠貨風(fēng)險(xiǎn)，提取欠貸者的特征

構(gòu)建決策樹(shù)的三個(gè)關(guān)鍵問(wèn)題

如何選擇最佳屬性來(lái)構(gòu)建節(jié)點(diǎn)

如何分裂變量

修剪決策樹(shù)

選擇最優(yōu)屬性

熵、基尼索引、分類錯(cuò)誤

屬性劃分增益

如何分裂變量

多元?jiǎng)澐峙c二元?jiǎng)澐?/p>

連續(xù)變量離散化（最優(yōu)劃分點(diǎn)）

修剪決策樹(shù)

剪枝原則

預(yù)剪枝與后剪枝

構(gòu)建決策樹(shù)的四個(gè)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：商場(chǎng)酸奶購(gòu)買(mǎi)用戶特征提取

案例：客戶流失預(yù)警與客戶挽留

案例：識(shí)別拖欠銀行貨款者的特征，避免不良貨款

案例：識(shí)別電信詐騙者嘴臉，讓通信更安全

5、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(wèn)題

BP反向傳播網(wǎng)絡(luò)（MLP）

徑向基網(wǎng)絡(luò)（RBF）

案例：評(píng)估銀行用戶拖欠貨款的概率

6、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(píng)估

7、最近鄰分類（KNN）

基本原理

關(guān)鍵問(wèn)題

8、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(cè)分類概率（計(jì)算概率）

案例：評(píng)估銀行用戶拖欠貨款的概率

9、支持向量機(jī)（SVM）

SVM基本原理

線性可分問(wèn)題：最大邊界超平面

線性不可分問(wèn)題：特征空間的轉(zhuǎn)換

維空難與核函數(shù)

第三部分：分類模型優(yōu)化

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(gè)數(shù)據(jù)集，構(gòu)建多個(gè)弱分類器

多個(gè)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

第四部分：市場(chǎng)細(xì)分模型

問(wèn)題：我們的客戶有幾類？各類特征是什么？如何實(shí)現(xiàn)客戶細(xì)分，開(kāi)發(fā)符合細(xì)分市場(chǎng)的新產(chǎn)品？如何提取客戶特征，從而對(duì)產(chǎn)品進(jìn)行市場(chǎng)定位？

1、市場(chǎng)細(xì)分的常用方法

有指導(dǎo)細(xì)分

無(wú)指導(dǎo)細(xì)分

2、聚類分析

如何更好的了解客戶群體和市場(chǎng)細(xì)分？

如何識(shí)別客戶群體特征？

如何確定客戶要分成多少適當(dāng)?shù)念悇e？

聚類方法原理介紹

聚類方法作用及其適用場(chǎng)景

聚類分析的種類

K均值聚類（快速聚類）

案例：移動(dòng)三大品牌細(xì)分市場(chǎng)合適嗎？

演練：寶潔公司如何選擇新產(chǎn)品試銷(xiāo)區(qū)域？

演練：如何評(píng)選優(yōu)秀員工？

演練：中國(guó)各省份發(fā)達(dá)程度分析，讓數(shù)據(jù)自動(dòng)聚類

層次聚類（系統(tǒng)聚類）：發(fā)現(xiàn)多個(gè)類別

R型聚類與Q型聚類的區(qū)別

案例：中移動(dòng)如何實(shí)現(xiàn)客戶細(xì)分及營(yíng)銷(xiāo)策略

演練：中國(guó)省市經(jīng)濟(jì)發(fā)展情況分析（Q型聚類）

演練：裁判評(píng)分的標(biāo)準(zhǔn)衡量，避免“黑哨”（R型聚類）

兩步聚類

3、主成分分析

主成分分析方法介紹

主成分分析基本思想

主成分分析步驟

案例：如何評(píng)估汽車(chē)購(gòu)買(mǎi)者的客戶細(xì)分市場(chǎng)

第五部分：客戶價(jià)值分析

營(yíng)銷(xiāo)問(wèn)題：如何評(píng)估客戶的價(jià)值？不同的價(jià)值客戶有何區(qū)別對(duì)待？

1、如何評(píng)價(jià)客戶生命周期的價(jià)值

貼現(xiàn)率與留存率

評(píng)估客戶的真實(shí)價(jià)值

使用雙向表衡量屬性敏感度

變化的邊際利潤(rùn)

案例：評(píng)估營(yíng)銷(xiāo)行為的合理性

2、RFM模型（客戶價(jià)值評(píng)估）

RFM模型，更深入了解你的客戶價(jià)值

RFM模型與市場(chǎng)策略

RFM模型與活躍度分析

案例：淘寶客戶價(jià)值評(píng)估與促銷(xiāo)名單

案例：重購(gòu)用戶特征分析

第六部分：產(chǎn)品推薦模型

問(wèn)題：購(gòu)買(mǎi)A產(chǎn)品的顧客還常常要購(gòu)買(mǎi)其他什么產(chǎn)品？應(yīng)該給客戶推薦什么產(chǎn)品最有可能被接受？

1、從搜索引擎到推薦引擎

2、常用產(chǎn)品援藏模型及算法

3、基于流行度的推薦

基于排行榜的推薦，適用于剛注冊(cè)的用戶

優(yōu)化思路：分群推薦

4、基于內(nèi)容的推薦CBR

關(guān)鍵問(wèn)題：如何計(jì)算物品的相似度

優(yōu)缺點(diǎn)

優(yōu)化：Rocchio算法、基于標(biāo)簽的推薦、基于興趣度的推薦

5、基于用戶的推薦

關(guān)鍵問(wèn)題：如何對(duì)用戶分類/計(jì)算用戶的相似度

算法：按屬性分類、RFM模型、PCA、聚類、按偏好分類、按地理位置

6、協(xié)同過(guò)濾的推薦

基于用戶的協(xié)同過(guò)濾

基于物品的協(xié)同過(guò)濾

冷啟動(dòng)的問(wèn)題

案例：計(jì)算用戶相似度、計(jì)算物品相似度

7、基于關(guān)聯(lián)分析的推薦

如何制定套餐，實(shí)現(xiàn)交叉/捆綁銷(xiāo)售

案例：啤酒與尿布、颶風(fēng)與蛋撻

關(guān)聯(lián)分析模型原理（Association）

關(guān)聯(lián)規(guī)則的兩個(gè)關(guān)鍵參數(shù)

支持度

置信度

關(guān)聯(lián)分析的適用場(chǎng)景

案例：購(gòu)物籃分析與產(chǎn)品捆綁銷(xiāo)售/布局優(yōu)化

案例：通信產(chǎn)品的交叉銷(xiāo)售與產(chǎn)品推薦

8、基于分類模型的推薦

9、其它推薦算法

LFM基于隱語(yǔ)義模型

按社交關(guān)系

基于時(shí)間上下文

10、多推薦引擎的協(xié)同工作

第七部分：產(chǎn)品設(shè)計(jì)優(yōu)化

1、聯(lián)合分析法

2、離散選擇模型

如何評(píng)估客戶購(gòu)買(mǎi)產(chǎn)品的概率

如何指導(dǎo)產(chǎn)品開(kāi)發(fā)？如何確定產(chǎn)品的重要特性

競(jìng)爭(zhēng)下的產(chǎn)品動(dòng)態(tài)調(diào)價(jià)

如何評(píng)估產(chǎn)品的價(jià)格彈性

案例：產(chǎn)品開(kāi)發(fā)與設(shè)計(jì)分析

案例：品牌價(jià)值與價(jià)格敏感度分析

案例：納什均衡價(jià)格

3、品牌價(jià)值評(píng)估

4、新產(chǎn)品市場(chǎng)占有率評(píng)估

第八部分：產(chǎn)品定價(jià)策略及產(chǎn)品最優(yōu)定價(jià)

營(yíng)銷(xiāo)問(wèn)題：產(chǎn)品如何實(shí)現(xiàn)最優(yōu)定價(jià)？套餐價(jià)格如何確定？采用哪些定價(jià)策略可達(dá)到利潤(rùn)最大化？

1、常見(jiàn)的定價(jià)方法

2、產(chǎn)品定價(jià)的理論依據(jù)

需求曲線與利潤(rùn)最大化

如何求解最優(yōu)定價(jià)

案例：產(chǎn)品最優(yōu)定價(jià)求解

3、如何評(píng)估需求曲線

價(jià)格彈性

曲線方程（線性、乘冪）

4、如何做產(chǎn)品組合定價(jià)

5、如何做產(chǎn)品捆綁/套餐定價(jià)

最大收益定價(jià)（演進(jìn)規(guī)劃求解）

避免價(jià)格反轉(zhuǎn)的套餐定價(jià)

案例：電信公司的寬帶、IPTV、移動(dòng)電話套餐定價(jià)

6、非線性定價(jià)原理

要理解支付意愿曲線

支付意愿曲線與需求曲線的異同

案例：雙重收費(fèi)如何定價(jià)（如會(huì)費(fèi)+按次計(jì)費(fèi)）

7、階梯定價(jià)策略

案例：電力公司如何做階梯定價(jià)

8、數(shù)量折扣定價(jià)策略

案例：如何通過(guò)折扣來(lái)實(shí)現(xiàn)薄利多銷(xiāo)

9、定價(jià)策略的評(píng)估與選擇

案例：零售公司如何選擇最優(yōu)定價(jià)策略

10、航空公司的收益管理

收益管理介紹

如何確定機(jī)票預(yù)訂限制

如何確定機(jī)票超售數(shù)量

如何評(píng)估模型的收益

案例：FBN航空公司如何實(shí)現(xiàn)收益管理（預(yù)訂/超售）

第九部分：信用評(píng)分卡模型

1、信用評(píng)分卡模型簡(jiǎn)介

2、評(píng)分卡的關(guān)鍵問(wèn)題

3、信用評(píng)分卡建立過(guò)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(píng)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(píng)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(píng)分卡

8、確定審批閾值

畫(huà)K-S曲線

計(jì)算K-S值

獲取最優(yōu)閾值

第十部分：實(shí)戰(zhàn)篇

1、電信業(yè)客戶流失預(yù)警和客戶挽留模型實(shí)戰(zhàn)

2、銀行欠貸風(fēng)險(xiǎn)預(yù)測(cè)模型實(shí)戰(zhàn)

3、銀行信用卡評(píng)分模型實(shí)戰(zhàn)

結(jié)束：課程總結(jié)與問(wèn)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(guó)家專利，在華為工作期間獲得華為數(shù)項(xiàng)獎(jiǎng)項(xiàng)，曾在英國(guó)、日本、荷蘭和比利時(shí)等海外市場(chǎng)做項(xiàng)目，對(duì)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(wèn)題。

1、讓決策更科學(xué)：將大數(shù)據(jù)應(yīng)用于運(yùn)營(yíng)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(shì)，有效分析用戶需求，并預(yù)測(cè)用戶行為，最終實(shí)現(xiàn)市場(chǎng)變化預(yù)測(cè)，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(yíng)情況，診斷企業(yè)管理問(wèn)題和風(fēng)險(xiǎn)，全面理解組織、產(chǎn)品、人員、營(yíng)銷(xiāo)、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(yíng)銷(xiāo)更精準(zhǔn)：將大數(shù)據(jù)應(yīng)用于市場(chǎng)營(yíng)銷(xiāo)，解決營(yíng)銷(xiāo)中的用戶群細(xì)分和品牌定位，客戶價(jià)值評(píng)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(wèn)題，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)和精準(zhǔn)推薦，以最小的營(yíng)銷(xiāo)成本實(shí)現(xiàn)最大化的營(yíng)銷(xiāo)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(wèn)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(wèn)題為起點(diǎn)，基于實(shí)際的業(yè)務(wù)應(yīng)用場(chǎng)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(jiǎn)單實(shí)用的工具操作（分析工具），對(duì)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(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)與沙盤(pán)》

《市場(chǎng)營(yíng)銷(xiāo)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(mén)與提高》

《金融行業(yè)風(fēng)險(xiǎn)預(yù)測(cè)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(shí)代的精準(zhǔn)營(yíng)銷(xiāo)》

技術(shù)類：

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

《Python開(kāi)發(fā)基礎(chǔ)實(shí)戰(zhàn)》

《大數(shù)據(jù)分析與挖掘之Python開(kāi)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(guò)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(guó)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(guó)移動(dòng)、中國(guó)聯(lián)通、中國(guó)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(guó)銀行：《大數(shù)據(jù)變革與商業(yè)模式創(chuàng)新》《大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷(xiāo)》

廣發(fā)銀行：《大數(shù)據(jù)下的精準(zhǔn)營(yíng)銷(xiāo)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(shí)代的精準(zhǔn)營(yíng)銷(xiāo)》

安信證券：《大數(shù)據(jù)時(shí)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(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)與沙盤(pán)》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(yíng)銷(xiāo)》

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(cè)建模優(yōu)化》

廣州電信：《大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷(xiāo)》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(yíng)銷(xiāo)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(yíng)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(yíng)銷(xiāo)》

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(jí)》

烏魯木齊聯(lián)通：《大數(shù)據(jù)分析綜合能力提升》

上海移動(dòng)：《大數(shù)據(jù)分析與挖掘、建模及優(yōu)化》叁期

浙江移動(dòng)：《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(dòng)：《大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)技能提升實(shí)戰(zhàn)》

深圳移動(dòng)：《大數(shù)據(jù)分析綜合能力提升》

廣西移動(dòng)：《大數(shù)據(jù)發(fā)展趨勢(shì)及在公司營(yíng)銷(xiāo)領(lǐng)域的應(yīng)用》

遼寧移動(dòng)2期：《數(shù)據(jù)分析方法與經(jīng)營(yíng)分析技巧》

泉州移動(dòng)3期：《數(shù)說(shuō)營(yíng)銷(xiāo)—市場(chǎng)營(yíng)銷(xiāo)數(shù)據(jù)分析與挖掘應(yīng)用》

德陽(yáng)移動(dòng)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(dòng)：《大數(shù)據(jù)產(chǎn)品營(yíng)銷(xiāo)能力提升》

四川移動(dòng)：《大數(shù)據(jù)分析與挖掘綜合能力提升》

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

貴州移動(dòng)：《“數(shù)”說(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)與沙盤(pán)》

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

山東移動(dòng)：《大數(shù)據(jù)分析綜合能力提升》

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

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

中山移動(dòng)：《“數(shù)”說(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)與沙盤(pán)》

東莞移動(dòng)：《“數(shù)”說(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)與沙盤(pán)》

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

眉山移動(dòng)2期：《大數(shù)據(jù)分析綜合能力提升》

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

陽(yáng)江移動(dòng)：《小數(shù)據(jù)·大運(yùn)營(yíng)--運(yùn)營(yíng)數(shù)據(jù)的分析與挖掘》

德陽(yáng)移動(dòng)：《電信運(yùn)營(yíng)商市場(chǎng)營(yíng)銷(xiāo)數(shù)據(jù)挖掘應(yīng)用典型案例》

陜西在線：《“數(shù)”說(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)與沙盤(pán)》

四川在線：《“數(shù)”說(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)與沙盤(pán)》

大連移動(dòng)：《“數(shù)”說(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)與沙盤(pán)》

內(nèi)蒙古移動(dòng)：《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(cè)與排班管理》

……

能源汽車(chē)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(guó)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(yíng)銷(xiāo)實(shí)戰(zhàn)》

東風(fēng)商用：《數(shù)說(shuō)營(yíng)銷(xiāo)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(chē)）：《數(shù)字化運(yùn)營(yíng)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(yíng)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(yíng)銷(xiāo)提升航線收益》

南方航空：《大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)實(shí)戰(zhàn)》兩期

北京機(jī)場(chǎng)貴賓公司：《市場(chǎng)營(yíng)銷(xiāo)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(zhǎng)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(guó)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(shí)代下的精準(zhǔn)營(yíng)銷(xiāo)》

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

頂新國(guó)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(wú)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(shí)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(shí)代集團(tuán)：《問(wèn)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(shí)代的營(yíng)銷(xiāo)》共三期培訓(xùn)

賀州學(xué)院：《大數(shù)據(jù)時(shí)代的人才培養(yǎng)》

……

【學(xué)員評(píng)價(jià)】

傅老師是我目前聽(tīng)過(guò)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(shuō)得有生命，在課堂上，他能對(duì)學(xué)員關(guān)注和付出。我不是對(duì)數(shù)據(jù)很喜歡的人，但仍然在課堂中能夠感覺(jué)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(yǔ)言，全方位剖析大數(shù)據(jù)發(fā)展以來(lái)在工具、思維和文化上帶來(lái)的變革，生動(dòng)闡述數(shù)據(jù)分析過(guò)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(shí)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(shí)代熱點(diǎn)話題，傅老師現(xiàn)場(chǎng)分享了第一代傳統(tǒng)營(yíng)銷(xiāo)、第二代互聯(lián)網(wǎng)營(yíng)銷(xiāo)、第三代大數(shù)據(jù)營(yíng)銷(xiāo)的進(jìn)階升級(jí)和精準(zhǔn)營(yíng)銷(xiāo)實(shí)戰(zhàn)應(yīng)用。在為學(xué)員呈現(xiàn)一場(chǎng)思維見(jiàn)識(shí)領(lǐng)域盛宴的同時(shí)，傅老師還與學(xué)員進(jìn)行了積極互動(dòng)和現(xiàn)場(chǎng)答疑，在相互交流中啟迪智慧、開(kāi)拓思維，在思想碰撞中點(diǎn)燃大數(shù)據(jù)時(shí)代下的創(chuàng)新引擎，為全行在未來(lái)發(fā)展中進(jìn)一步把握經(jīng)濟(jì)大勢(shì)、開(kāi)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(duì)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(guò)培訓(xùn)，兩天的培訓(xùn)我都覺(jué)得有時(shí)很難，而這次連續(xù)五天的培訓(xùn)，我聽(tīng)課過(guò)程當(dāng)中既然感覺(jué)到時(shí)間過(guò)得很快。

貴州某運(yùn)營(yíng)商——《“數(shù)”說(shuō)營(yíng)銷(xiāo)----大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)》 學(xué)員：劉經(jīng)理

傅老師的課程，開(kāi)拓了我營(yíng)銷(xiāo)的思維，大數(shù)據(jù)營(yíng)銷(xiāo)，重在利用數(shù)據(jù)為營(yíng)銷(xiāo)服務(wù)。用戶細(xì)分、用戶特征提取、營(yíng)銷(xiāo)費(fèi)用預(yù)算、客戶流失預(yù)警，原來(lái)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(yíng)商——《數(shù)據(jù)分析與經(jīng)營(yíng)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(jí)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