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】

本課程為高級課程，培訓的內(nèi)容是繼中級課程之后學習的，同時提供了更復雜的數(shù)據(jù)模型來解決實際工作中的商業(yè)決策問題。

本課程面向高級數(shù)據(jù)分析人員，以及系統(tǒng)開發(fā)人員。

本課程核心內(nèi)容為數(shù)據(jù)挖掘，分類預測模型，以及專題模型分析，幫助學員構(gòu)建系統(tǒng)全面的業(yè)務(wù)分析思維，提升學員的數(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)建模過程

2、分類預測模型

3、分類模型優(yōu)化思路

4、市場專題分析模型

本系列課程從實際的業(yè)務(wù)需求出發(fā)，結(jié)合行業(yè)的典型應(yīng)用特點，圍繞實際的商業(yè)問題，對數(shù)據(jù)分析及數(shù)據(jù)挖掘技術(shù)進行了全面的介紹（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)可視化和報告撰寫），通過大量的操作演練，幫助學員掌握數(shù)據(jù)分析和數(shù)據(jù)挖掘的思路、方法、表達、工具，從大量的企業(yè)經(jīng)營數(shù)據(jù)中進行分析，挖掘客戶行為特點，幫助運營團隊深入理解業(yè)務(wù)運作，以達到提升學員的數(shù)據(jù)綜合分析能力，支撐運營決策的目的。

通過本課程的學習，達到如下目的：

1、熟悉建模的一般過程，能夠獨立完成整個預測建模項目的實現(xiàn)。

2、熟練使用各種分類預測模型，以及其應(yīng)用場景。

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

4、熟練掌握常用市場專題分析模型：

a)學會做市場客戶細分，劃分客戶群

b)學會實現(xiàn)客戶價值評估

c)學會產(chǎn)品功能設(shè)計與優(yōu)化

d)掌握產(chǎn)品精準推薦模型，學會推薦產(chǎn)品

e)熟悉產(chǎn)品定價策略，尋找產(chǎn)品最優(yōu)定價

【授課對象】

業(yè)務(wù)支撐部、運營分析部、數(shù)據(jù)分析部、大數(shù)據(jù)系統(tǒng)開發(fā)部等對業(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)建模過程

1、預測建模六步法

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

屬性篩選：選擇對目標變量有顯著影響的屬性來建模

訓練模型：采用合適的算法對模型進行訓練，尋找到最合適的模型參數(shù)

評估模型：進行評估模型的質(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)值預測模型：回歸預測、時序預測等

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

市場細分：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、隨機效用等

產(chǎn)品定價：定價策略/最優(yōu)定價等

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：R^2、正確率/查全率/查準率/特異性等

預測值評估指標：MAD、MSE/RMSE、MAPE、概率等

模型評估方法：留出法、K拆交叉驗證、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：采用新的計算公式

6、模型實現(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警模型

第二部分：分類預測模型

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(wù)？

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(guān)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

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）

修剪決策樹

剪枝原則

預剪枝與后剪枝

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：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(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

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學生錄取判別分析

案例：上市公司類別評估

7、最近鄰分類（KNN）

基本原理

關(guān)鍵問題

8、貝葉斯分類（NBN）

貝葉斯分類原理

計算類別屬性的條件概率

估計連續(xù)屬性的條件概率

貝葉斯網(wǎng)絡(luò)種類：TAN/馬爾科夫毯

預測分類概率（計算概率）

案例：評估銀行用戶拖欠貨款的概率

9、支持向量機（SVM）

SVM基本原理

線性可分問題：最大邊界超平面

線性不可分問題：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

如何進行投票

隨機森林

4、Boosting的原理

AdaBoost算法流程

樣本選擇權(quán)重計算公式

分類器投票權(quán)重計算公式

第四部分：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、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：如何評估汽車購買者的客戶細分市場

第五部分：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：淘寶客戶價值評估與促銷名單

案例：重購用戶特征分析

第六部分：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(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)鍵問題：如何計算物品的相似度

優(yōu)缺點

優(yōu)化：Rocchio算法、基于標簽的推薦、基于興趣度的推薦

5、基于用戶的推薦

關(guān)鍵問題：如何對用戶分類/計算用戶的相似度

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)同過濾的推薦

基于用戶的協(xié)同過濾

基于物品的協(xié)同過濾

冷啟動的問題

案例：計算用戶相似度、計算物品相似度

7、基于關(guān)聯(lián)分析的推薦

如何制定套餐，實現(xiàn)交叉/捆綁銷售

案例：啤酒與尿布、颶風與蛋撻

關(guān)聯(lián)分析模型原理（Association）

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

支持度

置信度

關(guān)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：通信產(chǎn)品的交叉銷售與產(chǎn)品推薦

8、基于分類模型的推薦

9、其它推薦算法

LFM基于隱語義模型

按社交關(guān)系

基于時間上下文

10、多推薦引擎的協(xié)同工作

第七部分：產(chǎn)品設(shè)計優(yōu)化

1、聯(lián)合分析法

2、離散選擇模型

如何評估客戶購買產(chǎn)品的概率

如何指導產(chǎn)品開發(fā)？如何確定產(chǎn)品的重要特性

競爭下的產(chǎn)品動態(tài)調(diào)價

如何評估產(chǎn)品的價格彈性

案例：產(chǎn)品開發(fā)與設(shè)計分析

案例：品牌價值與價格敏感度分析

案例：納什均衡價格

3、品牌價值評估

4、新產(chǎn)品市場占有率評估

第八部分：產(chǎn)品定價策略及產(chǎn)品最優(yōu)定價

營銷問題：產(chǎn)品如何實現(xiàn)最優(yōu)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）

第九部分：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

計算屬性取值的WOE

6、建立分類模型

訓練邏輯回歸模型

評估模型

得到字段系數(shù)

7、計算屬性分值

計算補償與刻度值

計算各字段得分

生成評分卡

8、確定審批閾值

畫K-S曲線

計算K-S值

獲取最優(yōu)閾值

第十部分：實戰(zhàn)篇

1、電信業(yè)客戶流失預警和客戶挽留模型實戰(zhàn)

2、銀行欠貸風險預測模型實戰(zhàn)

3、銀行信用卡評分模型實戰(zhàn)

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(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)實際的問題。

1、讓決策更科學：將大數(shù)據(jù)應(yīng)用于運營決策，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(yīng)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(wù)等要素間的相關(guān)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(yīng)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(shè)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(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：實戰(zhàn)性強！“圍繞業(yè)務(wù)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(wù)策略”。以商業(yè)問題為起點，基于實際的業(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(wù)建議，實現(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(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》

《Python開發(fā)基礎(chǔ)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(wù)客戶:

傅老師曾提供過培訓咨詢服務(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、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(wù)、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(yīng)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(yīng)用實戰(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(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》

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(yīng)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(shù)及其應(yīng)用培訓》

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

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(yīng)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(yīng)用實戰(zhàn)》

華為技術(shù)：《話務(wù)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(yīng)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(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(yīng)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(yīng)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(yīng)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(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(yīng)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(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》

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(yīng)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(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(guān)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(yīng)用。在為學員呈現(xiàn)一場思維見識領(lǐng)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(yīng)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(shù)。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(wù)。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