我要預訂

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

【課程目標】

本課程從實際的市場營銷問題出發(fā)，構(gòu)建數(shù)據(jù)分析與數(shù)據(jù)挖掘模型，以解決實際的商業(yè)問題。并對大數(shù)據(jù)分析與挖掘技術進行了全面的介紹，通過從大量的市場營銷數(shù)據(jù)中分析潛在的客戶特征，挖掘客戶行為特點，實現(xiàn)精準營銷，幫助市場營銷團隊深入理解業(yè)務運作，支持業(yè)務策略制定以及運營決策。

通過本課程的學習，達到如下目的：

1、了解大數(shù)據(jù)營銷內(nèi)容，掌握大數(shù)據(jù)在營銷中的應用。

2、了解基本的營銷理論，并學會基于營銷理念來展開大數(shù)據(jù)分析。

3、熟悉數(shù)據(jù)分析/挖掘的基本過程，掌握常用的數(shù)據(jù)挖掘方法。

4、熟悉Excel數(shù)據(jù)分析工具，能夠利用Excel和SPSS軟件解決實際的營銷問題（比如定價/因素影響/預測/客戶需求/客戶價值/市場細分等）。

【授課對象】

系統(tǒng)支撐、市場營銷部、運營分析部相關技術及應用人員。

本課程由淺入深，結(jié)合原理主講軟件工具應用，不需要太深的數(shù)學知識，但希望掌握數(shù)據(jù)分析的相關人員。

【學員要求】

1、每個學員自備一臺便攜機(必須)。

2、便攜機中事先安裝好Excel 2013版本及以上。

3、便攜機中事先安裝好IBM SPSS Statistics v24版本及以上。

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】

理論精講 + 案例演練 + 實際業(yè)務問題分析 + Excel實踐操作 + SPSS實踐操作

本課程突出數(shù)據(jù)分析的實際應用，結(jié)合行業(yè)的典型應用特點，圍繞實際的商業(yè)問題，進行大數(shù)據(jù)的分析與挖掘，介紹常用的模型，以及模型適用場景，通過演練操作，以達到提升學員對營銷數(shù)據(jù)的分析以及對數(shù)據(jù)模型的深入理解。

【課程大綱】

第一部分：大數(shù)據(jù)實現(xiàn)精準營銷

1、傳統(tǒng)營銷的困境與挑戰(zhàn)

2、營銷理論的變革（4P4CnPnC）

3、大數(shù)據(jù)引領傳統(tǒng)營銷

4、大數(shù)據(jù)在營銷中的典型應用

?市場定位與客戶細分

?客戶需求與產(chǎn)品設計

?精準廣告與精準推薦

?……

5、大數(shù)據(jù)營銷的基石：用戶畫像

6、客戶生存周期中的大數(shù)據(jù)應用

演練：如何用大數(shù)據(jù)來支撐手機精準營銷項目

第二部分：大數(shù)據(jù)基礎—數(shù)據(jù)思維篇

問題：大數(shù)據(jù)的核心價值是什么？大數(shù)據(jù)是怎樣用于業(yè)務決策？

1、大數(shù)據(jù)時代：你缺的不是一堆方法，而是大數(shù)據(jù)思維

2、大數(shù)據(jù)的本質(zhì)

?數(shù)據(jù)，是對客觀事物的描述和記錄

?大數(shù)據(jù)不在于大，而在于全

3、大數(shù)據(jù)四大核心價值

?用趨勢圖來探索產(chǎn)品銷量規(guī)律

?從谷歌的GFT產(chǎn)品探索用戶需求變化

?從大數(shù)據(jù)炒股看大數(shù)據(jù)如何探索因素的相關性

?阿里巴巴預測經(jīng)濟危機的到來

?從美國總統(tǒng)競選看大數(shù)據(jù)對選民行為進行分析

4、大數(shù)據(jù)價值落地的三個關鍵環(huán)節(jié)

?業(yè)務數(shù)據(jù)化

?數(shù)據(jù)信息化

?信息策略化

案例：喜歡賺“差價”的營業(yè)員（用數(shù)據(jù)管理來識別）

第三部分：大數(shù)據(jù)精準營銷—分析框架篇

1、數(shù)據(jù)分析簡介

?數(shù)據(jù)分析的三個階段

?分析方法的三大類別

2、數(shù)據(jù)分析的六步曲

3、步驟1：明確目的--理清思路

?確定分析目的：要解決什么樣的業(yè)務問題

?確定分析思路：分解業(yè)務問題，構(gòu)建分析框架

4、步驟2：數(shù)據(jù)收集—理清思路

?明確收集數(shù)據(jù)范圍

?確定收集來源

?確定收集方法

5、步驟3：數(shù)據(jù)預處理—尋找答案

?數(shù)據(jù)質(zhì)量評估

?數(shù)據(jù)清洗、數(shù)據(jù)處理和變量處理

?探索性分析

6、步驟4：數(shù)據(jù)分析--尋找答案

?選擇合適的分析方法

?構(gòu)建合適的分析模型

?選擇合適的分析工具

7、步驟5：數(shù)據(jù)展示--觀點表達

?選擇恰當?shù)膱D表

?選擇合適的可視化工具

8、步驟6：報表撰寫--觀點表達

?選擇報告種類

?完整的報告結(jié)構(gòu)

演練：如何用大數(shù)據(jù)來支撐手機精準營銷項目

演練：如何構(gòu)建一個良好的大數(shù)據(jù)分析框架

第四部分：用戶行為分析—分析方法篇

問題：數(shù)據(jù)分析有什么方法可依?不同的方法適用解決什么樣的問題？

1、大數(shù)據(jù)精準營銷的前提：用戶行為分析

2、數(shù)據(jù)分析方法的層次

?描述性分析法（對比/分組/結(jié)構(gòu)/趨勢/交叉…）

?相關性分析法（相關/方差/卡方…）

?預測性分析法（回歸/時序/決策樹/神經(jīng)網(wǎng)絡…）

?專題性分析法（聚類/關聯(lián)/RFM模型/…）

3、統(tǒng)計分析基礎

?統(tǒng)計分析兩要素

?統(tǒng)計分析三步驟

4、統(tǒng)計分析常用指標

?匯總方式：計數(shù)、求和、百分比（增跌幅）

?集中程度：均值、中位數(shù)、眾數(shù)

?離散程度：極差、方差/標準差、IQR

?分布形態(tài)：偏度、峰度

5、基本分析方法及其適用場景

?對比分析（查看數(shù)據(jù)差距）

演練：尋找用戶的地域分布規(guī)律

演練：尋找公司主打產(chǎn)品

演練：用數(shù)據(jù)來探索增量不增收困境的解決方案

案例：銀行ATM柜員機現(xiàn)金管理分析（銀行）

?分組分析（查看數(shù)據(jù)分布）

案例：排班后面隱藏的貓膩

案例：通信運營商的流量套餐劃分合理性的評估

演練：銀行用戶消費層次分析（銀行）

演練：呼叫中心接聽電話效率分析（呼叫中心）

演練：客服中心科學排班人數(shù)需求分析（客服中心）

演練：客戶年齡分布/消費分布分析

?結(jié)構(gòu)分析（評估事物構(gòu)成）

案例：用戶市場占比結(jié)構(gòu)分析

案例：物流費用占比結(jié)構(gòu)分析（物流）

案例：中移動用戶群動態(tài)結(jié)構(gòu)分析

演練：用戶結(jié)構(gòu)/收入結(jié)構(gòu)/產(chǎn)品結(jié)構(gòu)的分析

?趨勢分析（發(fā)現(xiàn)事物隨時間的變化規(guī)律）

案例：破解零售店銷售規(guī)律

案例：手機銷量的淡旺季分析

演練：發(fā)現(xiàn)產(chǎn)品銷售的時間規(guī)律

?交叉分析（多維數(shù)據(jù)分析）

演練：用戶性別+地域分布分析

演練：不同區(qū)域的產(chǎn)品偏好分析

演練：不同教育水平的業(yè)務套餐偏好分析

6、綜合分析方法及其適用場景

?綜合評價法（多維指標歸一）

案例：南京丈母娘選女婿分析表格

演練：人才選拔評價分析（HR）

?杜邦分析法（關鍵因素分析-財務數(shù)據(jù)分析）

案例：運營商市場占有率分析（通信）

案例：服務水平提升分析（呼叫中心）

演戲：提升銷量的銷售策略分析（零售商/電商）

?漏斗分析法（關鍵流程環(huán)節(jié)分析-流失率與轉(zhuǎn)化率分析）

案例：電商產(chǎn)品銷售流程優(yōu)化與策略分析（電商）

演練：營業(yè)廳終端銷售流程分析（電信）

演練：銀行業(yè)務辦理流程優(yōu)化分析（銀行）

?矩陣分析法（產(chǎn)品策略分析-象限圖分析法）

案例：工作安排評估

案例：HR人員考核與管理

案例：波士頓產(chǎn)品策略分析

7、最合適的分析方法才是硬道理。

第五部分：用戶行為分析—分析思路篇

問題：數(shù)據(jù)分析思路是怎樣的？如何才能全面/系統(tǒng)地分析而不遺漏？

1、常用分析思路模型

2、用戶行為分析（5W2H分析思路）

?WHY：原因

?WHAT：產(chǎn)品

?WHO：客戶

?WHEN：時間

?WHERE：區(qū)域/渠道

?HOW：支付方式

?HOW MUCH：價格

案例討論：結(jié)合公司情況，搭建用戶消費習慣的分析框架（5W2H）

第六部分：影響因素分析—屬性篩選篇

營銷問題：哪些是影響市場銷量的關鍵因素？比如，產(chǎn)品在貨架上的位置是否對銷量有影響？價格和廣告開銷是如何影響銷量的？

影響風險控制的關鍵因素有哪些？如何判斷？

1、影響因素分析的常見方法

2、相關分析（衡量兩數(shù)據(jù)型變量的線性相關性）

問題：這兩個屬性是否會相互影響？影響程度大嗎？

?相關分析簡介

?相關分析的應用場景

?相關分析的種類

?簡單相關分析

?偏相關分析

?距離相關分析

?相關系數(shù)的三種計算公式

?Pearson相關系數(shù)

?Spearman相關系數(shù)

?Kendall相關系數(shù)

?相關分析的假設檢驗

?相關分析的四個基本步驟

演練：體重與腰圍的關系

演練：營銷費用會影響銷售額嗎

演練：哪些因素與汽車銷量有相關性

演練：話費與網(wǎng)齡的相關分析

?偏相關分析

?偏相關原理：排除不可控因素后的兩變量的相關性

?偏相關系數(shù)的計算公式

?偏相關分析的適用場景

?距離相關分析

3、方差分析（衡量類別變量與數(shù)值變量間的相關性）

問題：哪些才是影響銷量的關鍵因素？

?方差分析的應用場景

?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

演練：終端擺放位置與終端銷量有關嗎

演練：開通月數(shù)對客戶流失的影響分析

演練：客戶學歷對消費水平的影響分析

演練：廣告和價格是影響終端銷量的關鍵因素嗎

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（兩類別變量的相關性分析）

?交叉表與列聯(lián)表

?卡方檢驗的原理

?卡方檢驗的幾個計算公式

?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：學歷對業(yè)務套餐偏好的影響分析

案例：行業(yè)/規(guī)模對風控的影響分析

5、相關性分析方法總結(jié)

第七部分：產(chǎn)品銷量預測—回歸預測篇

營銷問題：如何預測未來的產(chǎn)品銷量？如果產(chǎn)品跟隨季節(jié)性變動，該如何預測？新產(chǎn)品上市，如果評估銷量上限及銷售增速？

1、銷量預測與市場預測模型介紹

?時序預測

?回歸模型

?季節(jié)性預測（相加/相乘模型）

?產(chǎn)品預測（珀爾曲線/龔鉑茲曲線）

2、回歸分析/回歸預測

問題：如何預測未來的銷售量（定量分析）？

?回歸分析簡介

?回歸分析的種類（一元/多元、線性/曲線）

?得到回歸方程的常用工具

?散點圖+趨勢線

?線性回歸工具

?規(guī)劃求解工具

演練：散點圖找營銷費用與銷售額的關系（一元回歸）

?線性回歸分析的五個步驟

演練：營銷費用、辦公費用與銷售額的關系（線性回歸）

?解讀線性回歸分析結(jié)果的技巧

?定性描述：正相關/負相關

?定量描述：自變量變化導致因變量的變化程度

?回歸預測模型質(zhì)量評估

?評估指標：判定系數(shù)R^2、標準誤差

?如何選擇最佳回歸模型

演練：如何選擇最佳的回歸預測模型（一元曲線回歸）

?預測值準確性評估

?MAD、MSE/RMSE、MAPE等

?帶分類變量的回歸預測

演練：汽車季度銷量預測

演練：工齡、性別與終端銷量的關系

演練：如何評估銷售目標與資源配置（營業(yè)廳）

3、回歸分析的基本原理

4、模型優(yōu)化思路：尋找最佳回歸擬合線

?如何處理預測離群值（剔除離群值）

?如何剔除不顯著因素（剔除不顯著因素）

?如何進行非線性關系檢驗（增加非線性自變量）

?如何進行相互作用檢驗（增加相互作用自變量）

?如何進行多重共線性檢驗（剔除共線性自變量）

?如何檢驗誤差項（修改因變量）

?如何判斷模型過擬合（模型過擬合判斷）

演練：模型優(yōu)化案例

5、規(guī)劃求解工具簡介（自定義回歸模型的工具）

6、自定義模型（如何利用規(guī)劃求解進行自定義模型）

案例：如何對餐廳客流量進行建模及模型優(yōu)化

7、好模型都是優(yōu)化出來的

第八部分：產(chǎn)品銷量預測—時序預測篇

1、時間序列簡介

?回歸模型的缺點

2、時序預測常用模型

3、評估預測值的準確度指標

?平均絕對誤差MAD

?均方差MSE/RMSE

?平均誤差率MAPE

4、移動平均（MA）

?應用場景及原理

?移動平均種類

?一次移動平均

?二次移動平均

?加權移動平均

?移動平均比率法

?移動平均關鍵問題

?期數(shù)N的最佳選擇方法

?最優(yōu)權重系數(shù)的選取方法

演練：平板電腦銷量預測及評估

演練：快銷產(chǎn)品季節(jié)銷量預測及評估

5、指數(shù)平滑（ES）

?應用場景及原理

?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)量預測

演練：航空旅客量預測及評估

6、溫特斯季節(jié)預測模型

?適用場景及原理

?Holt-Winters加法模型

?Holt-Winters乘法模型

演練：汽車銷量預測及評估

7、回歸季節(jié)預測模型

?季節(jié)性回歸模型的參數(shù)

?常用季節(jié)性預測模型（相加、相乘）

案例：美國航空旅客里程的季節(jié)性趨勢分析

案例：產(chǎn)品銷售季節(jié)性趨勢預測分析

8、ARIMA模型

?適用場景及原理

?ARIMA操作

演練：上海證券交易所綜合指數(shù)收益率序列分析

演練：服裝銷售數(shù)據(jù)季節(jié)性趨勢預測分析

9、新產(chǎn)品銷量預測

?新產(chǎn)品累計銷量的S曲線

?如何評估銷量增長的拐點

?珀爾曲線與龔鉑茲曲線

案例：如何預測產(chǎn)品的銷售增長拐點，以及銷量上限

演練：預測IPad產(chǎn)品的銷量

第九部分：客戶行為預測—分類預測篇

問題：如何評估客戶購買產(chǎn)品的可能性？如何預測客戶的購買行為？如何提取某類客戶的典型特征？如何向客戶精準推薦產(chǎn)品或業(yè)務？

1、分類模型概述

2、常見分類預測模型

3、邏輯回歸（LR）

?邏輯回歸模型原理及適用場景

?邏輯回歸的種類

?二項邏輯回歸

?多項邏輯回歸

?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：如何評估用戶是否會購買某產(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（DT）

問題：如何預測客戶行為？如何識別潛在客戶？

風控：如何識別欠貸者的特征，以及預測欠貸概率？

客戶保有：如何識別流失客戶特征，以及預測客戶流失概率？

?決策樹分類簡介

案例：美國零售商（Target）如何預測少女懷孕

?演練：識別銀行欠貨風險，提取欠貸者的特征

?構(gòu)建決策樹的三個關鍵問題

?如何選擇最佳屬性來構(gòu)建節(jié)點

?如何分裂變量

?修剪決策樹

?如何評估分類性能？如何選擇最優(yōu)分類模型？

案例：商場酸奶購買用戶特征提取

案例：客戶流失預警與客戶挽留

案例：識別拖欠銀行貨款者的特征，避免不良貨款

案例：識別電信詐騙者嘴臉，讓通信更安全

5、人工神經(jīng)網(wǎng)絡（ANN）

?神經(jīng)網(wǎng)絡概述

?神經(jīng)網(wǎng)絡基本原理

?神經(jīng)網(wǎng)絡的結(jié)構(gòu)

?神經(jīng)網(wǎng)絡的建立步驟

?神經(jīng)網(wǎng)絡的關鍵問題

?BP反向傳播網(wǎng)絡（MLP）

?徑向基網(wǎng)絡（RBF）

案例：評估銀行用戶拖欠貨款的概率

第十部分：市場細分模型

問題：我們的客戶有幾類？各類特征是什么？如何實現(xiàn)客戶細分，開發(fā)符合細分市場的新產(chǎn)品？如何提取客戶特征，從而對產(chǎn)品進行市場定位？

1、市場細分的常用方法

?有指導細分

?無指導細分

2、聚類分析

?如何更好的了解客戶群體和市場細分？

?如何識別客戶群體特征？

?如何確定客戶要分成多少適當?shù)念悇e？

?聚類方法原理介紹

?聚類方法作用及其適用場景

?聚類分析的種類

?K均值聚類（快速聚類）

案例：移動三大品牌細分市場合適嗎？

演練：寶潔公司如何選擇新產(chǎn)品試銷區(qū)域？

演練：如何評選優(yōu)秀員工？

演練：中國各省份發(fā)達程度分析，讓數(shù)據(jù)自動聚類

?層次聚類（系統(tǒng)聚類）：發(fā)現(xiàn)多個類別

?R型聚類與Q型聚類的區(qū)別

案例：中移動如何實現(xiàn)客戶細分及營銷策略

演練：中國省市經(jīng)濟發(fā)展情況分析（Q型聚類）

演練：裁判評分的標準衡量，避免“黑哨”（R型聚類）

?兩步聚類

3、客戶細分與PCA分析法

?PCA主成分分析的原理

?PCA分析法的適用場景

演練：利用PCA對汽車客戶群進行細分

演練：如何針對汽車客戶群設計汽車

第十一部分：客戶價值分析

營銷問題：如何評估客戶的價值？不同的價值客戶有何區(qū)別對待？

1、如何評價客戶生命周期的價值

?貼現(xiàn)率與留存率

?評估客戶的真實價值

?使用雙向表衡量屬性敏感度

?變化的邊際利潤

案例：評估營銷行為的合理性

2、RFM模型（客戶價值評估）

?RFM模型，更深入了解你的客戶價值

?RFM模型與市場策略

?RFM模型與活躍度分析

案例：客戶價值評估與促銷名單

案例：重購用戶特征分析

第十二部分：產(chǎn)品推薦模型

問題：購買A產(chǎn)品的顧客還常常要購買其他什么產(chǎn)品？應該給客戶推薦什么產(chǎn)品最有可能被接受？

1、常用產(chǎn)品推薦模型

2、關聯(lián)分析

?如何制定套餐，實現(xiàn)交叉/捆綁銷售

案例：啤酒與尿布、颶風與蛋撻

?關聯(lián)分析模型原理（Association）

?關聯(lián)規(guī)則的兩個關鍵參數(shù)

?支持度

?置信度

?關聯(lián)分析的適用場景

案例：購物籃分析與產(chǎn)品捆綁銷售/布局優(yōu)化

案例：理財產(chǎn)品的交叉銷售與產(chǎn)品推薦

第十三部分：產(chǎn)品定價策略及最優(yōu)定價

營銷問題：產(chǎn)品如何實現(xiàn)最估定價？套餐價格如何確定？采用哪些定價策略可達到利潤最大化？

1、常見的定價方法

2、產(chǎn)品定價的理論依據(jù)

?需求曲線與利潤最大化

?如何求解最優(yōu)定價

案例：產(chǎn)品最優(yōu)定價求解

3、如何評估需求曲線

?價格彈性

?曲線方程（線性、乘冪）

4、如何做產(chǎn)品組合定價

5、如何做產(chǎn)品捆綁/套餐定價

?最大收益定價（演進規(guī)劃求解）

?避免價格反轉(zhuǎn)的套餐定價

案例：電信公司的寬帶、IPTV、移動電話套餐定價

6、非線性定價原理

?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：雙重收費如何定價（如會費+按次計費）

7、階梯定價策略

案例：電力公司如何做階梯定價

8、數(shù)量折扣定價策略

案例：如何通過折扣來實現(xiàn)薄利多銷

9、定價策略的評估與選擇

案例：零售公司如何選擇最優(yōu)定價策略

10、航空公司的收益管理

?收益管理介紹

?如何確定機票預訂限制

?如何確定機票超售數(shù)量

?如何評估模型的收益

案例：FBN航空公司如何實現(xiàn)收益管理（預訂/超售）

第十四部分：實戰(zhàn)篇(電信業(yè)客戶流失分析模型)

1、電信業(yè)客戶流失預警與客戶挽留模型

2、銀行欠貸風險預測模型

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

計算機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，五項國家專利，在華為工作期間獲得華為數(shù)項獎項，曾在英國、日本、荷蘭和比利時等海外市場做項目，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、機器學習等應用技術，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)建模應用于行業(yè)及商業(yè)領域，解決行業(yè)實際的問題。

1、讓決策更科學：將大數(shù)據(jù)應用于運營決策，用大數(shù)據(jù)探索領域發(fā)展規(guī)律和行業(yè)發(fā)展趨勢，有效分析用戶需求，并預測用戶行為，最終實現(xiàn)市場變化預測，提升企業(yè)科學決策能力。

2、讓管理更高效：將大數(shù)據(jù)應用于企業(yè)管理，用大數(shù)據(jù)呈現(xiàn)企業(yè)整體運營情況，診斷企業(yè)管理問題和風險，全面理解組織、產(chǎn)品、人員、營銷、財務等要素間的相關性，實現(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：將大數(shù)據(jù)應用于市場營銷，解決營銷中的用戶群細分和品牌定位，客戶價值評估，產(chǎn)品設計優(yōu)化，產(chǎn)品最優(yōu)定價等實際問題，實現(xiàn)精準營銷和精準推薦，以最小的營銷成本實現(xiàn)最大化的營銷效果。

傅老師目前致力于將大數(shù)據(jù)技術應用于通信、金融、航空、電商、互聯(lián)網(wǎng)、政府等領域。傅老師的課程最大特色：實戰(zhàn)性強！“圍繞業(yè)務問題+搭建分析框架+運用分析方法+建立分析模型+熟悉分析工具+形成業(yè)務策略”。以商業(yè)問題為起點，基于實際的業(yè)務應用場景（明確目的），搭建全面系統(tǒng)的業(yè)務框架和分析維度（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），使用簡單實用的工具操作（分析工具），對分析結(jié)果進行有效的解讀（數(shù)據(jù)可視化），最終形成具體的業(yè)務建議，實現(xiàn)業(yè)務分析/數(shù)據(jù)分析的閉環(huán)。

應用類：

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

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

《市場營銷大數(shù)據(jù)分析實戰(zhàn)培訓》

《大數(shù)據(jù)建模與模型優(yōu)化實戰(zhàn)培訓》

《大數(shù)據(jù)分析與挖掘之SPSS工具入門與提高》

《金融行業(yè)風險預測模型實戰(zhàn)培訓》

理論/認知/戰(zhàn)略類：

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

《大數(shù)據(jù)思維與應用創(chuàng)新》

《大數(shù)據(jù)時代的精準營銷》

技術類：

《Hadoop大數(shù)據(jù)解決方案開發(fā)技術基礎培訓》

《Python開發(fā)基礎實戰(zhàn)》

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

《Python機器學習算法原理及優(yōu)化實現(xiàn)》

服務客戶:

傅老師曾提供過培訓咨詢服務的客戶遍及通信、金融、交通、制造、政府等行業(yè)，包括華為、富士康、平安集團、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、東風日產(chǎn)、神南礦業(yè)、公交集團、廣州稅務、良品鋪子等單位和公司。

金融行業(yè)培訓客戶：

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)時代的精準營銷》

廣發(fā)銀行：《大數(shù)據(jù)下的精準營銷實戰(zhàn)》四期

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

交通銀行：《大數(shù)據(jù)時代的精準營銷》

安信證券：《大數(shù)據(jù)時代下的金融發(fā)展》

平安集團：《大數(shù)據(jù)思維與應用創(chuàng)新》

平安產(chǎn)險：《大數(shù)據(jù)分析綜合能力提升》

平安壽險：《大數(shù)據(jù)分析與應用實戰(zhàn)》

平安銀行：《大數(shù)據(jù)思維與應用創(chuàng)新》

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

建設銀行：《大數(shù)據(jù)思維與應用創(chuàng)新》兩期

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

招商銀行：《“數(shù)”說營銷----大數(shù)據(jù)營銷實戰(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解決方案技術培訓》

浦發(fā)銀行：《大數(shù)據(jù)精準營銷》

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

中金所：《大數(shù)據(jù)思維與應用創(chuàng)新》

……

通信行業(yè)培訓客戶：

聯(lián)通研究院：《大數(shù)據(jù)預測建模優(yōu)化》

廣州電信：《大數(shù)據(jù)時代的精準營銷》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)精準營銷實戰(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)化運營下的大數(shù)據(jù)分析綜合能力提升實戰(zhàn)》

南京電信：《大數(shù)據(jù)視圖支撐精準化營銷》

佛山電信：《數(shù)據(jù)挖掘技術及其應用培訓》

泉州電信：《大數(shù)據(jù)挖掘、信息分析及應用培訓》

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》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)挖掘應用實戰(zhàn)》

江蘇移動：《大數(shù)據(jù)精準營銷技能提升實戰(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域的應用》

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)分析與挖掘應用》

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

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》；

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

海南移動：《基于大數(shù)據(jù)運營的用戶行為分析與精準定位》

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)外的應用》

中國移動終端公司：《大數(shù)據(jù)分析綜合能力提升培訓》

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

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

成都移動：《數(shù)字化運營下的數(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培訓》

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

德陽移動：《電信運營商市場營銷數(shù)據(jù)挖掘應用典型案例》

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

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

大連移動：《“數(shù)”說營銷----大數(shù)據(jù)營銷實戰(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)挖掘應用實戰(zhàn)》

華為技術：《話務量預測與排班管理》

……

能源汽車交通行業(yè)培訓客戶：

一汽解放錫柴：《大數(shù)據(jù)思維與應用創(chuàng)新》

廣東郵政：《大數(shù)據(jù)分析綜合能力提升實戰(zhàn)》

深圳水務：《大數(shù)據(jù)思維與應用創(chuàng)新》

寧夏國電：《大數(shù)據(jù)思維與應用》兩期

柳州上汽五菱：《大數(shù)據(jù)下的精準營銷實戰(zhàn)》

東風商用：《數(shù)說營銷實戰(zhàn)》

東風日產(chǎn)：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘應用實戰(zhàn)》兩期

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

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

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

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

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)精準營銷實戰(zhàn)》兩期

北京機場貴賓公司：《市場營銷數(shù)據(jù)的分析》

深圳公交集團：《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戰(zhàn)》

……

其它行業(yè)培訓客戶：

嶺南集團：《大數(shù)據(jù)時代下的精準營銷》

ABB：《大數(shù)據(jù)分析實戰(zhàn)培訓》

頂新國際：《大數(shù)據(jù)思維與應用創(chuàng)新》

索菲亞：《大數(shù)據(jù)分析實戰(zhàn)培訓》

玫琳凱：《大數(shù)據(jù)思維與應用》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：《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》

富士康：《數(shù)據(jù)分析綜合能力提升培訓》

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)挖掘分析及應用實戰(zhàn)》

良品鋪子：《大數(shù)據(jù)分析綜合能力提升》兩期

新時代集團：《問題的挖掘、分析—數(shù)據(jù)分析技巧》兩期培訓

挑戰(zhàn)牧業(yè)：《大數(shù)據(jù)分析綜合能力提升》

易鑫集團：《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

賀州學院：《大數(shù)據(jù)時代的人才培養(yǎng)》

……

【學員評價】

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，他能對學員關注和付出。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。五天的課讓我進入到數(shù)據(jù)構(gòu)成的多彩、多維的世界，值得！

——學員分享

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

傅老師運用全面翔實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)所面臨的機遇與挑戰(zhàn)。結(jié)合當前關注焦點和時代熱點話題，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)營銷的進階升級和精準營銷實戰(zhàn)應用。在為學員呈現(xiàn)一場思維見識領域盛宴的同時，傅老師還與學員進行了積極互動和現(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)展中進一步把握經(jīng)濟大勢、開展前瞻預判、實施精準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)挖掘應用培訓》 學員：張經(jīng)理

五天的培訓，讓我對數(shù)據(jù)分析與數(shù)據(jù)挖掘有了進一步的了解，也學到了技術。以前參加過培訓，兩天的培訓我都覺得有時很難，而這次連續(xù)五天的培訓，我聽課過程當中既然感覺到時間過得很快。

貴州某運營商——《“數(shù)”說營銷----大數(shù)據(jù)營銷實戰(zhàn)》 學員：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。用戶細分、用戶特征提取、營銷費用預算、客戶流失預警，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。

遼寧某運營商——《數(shù)據(jù)分析與經(jīng)營分析實戰(zhàn)培訓》學員：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，期待再次學習，點贊！

我要預訂

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