1.點(diǎn)擊下面按鈕復(fù)制微信號
點(diǎn)擊復(fù)制微信號
珀菲特企業(yè)管理
Karen /鄭老師
KEY WORDS OF Corporate Training
參加對象:市場部、業(yè)務(wù)支撐部、數(shù)據(jù)分析部、運(yùn)營分析部等對業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)人員
課程費(fèi)用:電話咨詢(含:講師費(fèi)、稅費(fèi)、教材費(fèi)、會(huì)務(wù)費(fèi)、拍攝費(fèi))
授課天數(shù):4 天
授課形式:內(nèi)訓(xùn)
聯(lián)系電話:400-008-4600;13382173255(Karen /鄭老師)
官網(wǎng):www.verocapadvisors.com
課程背景| Course Background
本課程為數(shù)據(jù)分析和挖掘的工具篇,本課程面向數(shù)據(jù)分析部等專門負(fù)責(zé)數(shù)據(jù)分析與挖掘的人士,專注大數(shù)據(jù)挖掘工具SPSS Statistics的培訓(xùn)。
IBM SPSS工具是面向非專業(yè)人士的高級的分析工具(挖掘工具),它提供大量的分析方法和分析模型,能夠解決更復(fù)雜的業(yè)務(wù)問題,比如影響因素分析、客戶行為預(yù)測/精準(zhǔn)營銷、客戶群劃分、產(chǎn)品交叉銷售、產(chǎn)品銷量預(yù)測等等。工具它封裝了復(fù)雜難懂的算法實(shí)現(xiàn),即使你沒有深厚的技能能力,也能夠勝任復(fù)雜的數(shù)據(jù)分析和挖掘。
課程收益| Program Benefits
了解大數(shù)據(jù)挖掘的標(biāo)準(zhǔn)過程和挖掘步驟
掌握常用的統(tǒng)計(jì)分析方法,以及可視化
掌握常用的影響因素分析方法,學(xué)會(huì)根因分析
理解數(shù)據(jù)挖掘的常見模型,原理及適用場景。
熟練掌握SPSS基本操作,能利用SPSS解決實(shí)際的商業(yè)問題。
課程大綱| Course Outline
數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
數(shù)據(jù)挖掘概述
數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程(CRISP-DM)
商業(yè)理解
數(shù)據(jù)準(zhǔn)備
數(shù)據(jù)理解
模型建立
模型評估
模型應(yīng)用
案例:客戶流失預(yù)測及客戶挽留
數(shù)據(jù)集概述
SPSS工具介紹
數(shù)據(jù)挖掘常用模型
數(shù)據(jù)預(yù)處理
如何整理數(shù)據(jù),了解數(shù)據(jù),對數(shù)據(jù)進(jìn)行預(yù)處理?
數(shù)據(jù)預(yù)處理的四大任務(wù)
數(shù)據(jù)集成:多個(gè)數(shù)據(jù)集合并
數(shù)據(jù)清洗:異常值的處理
樣本處理:樣本篩選、樣本抽樣、樣本平衡
變量處理:變量變換、變量派生、變量精簡
數(shù)據(jù)集成(數(shù)據(jù)集合并)
樣本追加(添加數(shù)據(jù)行):橫向合并
變量合并(添加變量列):縱向合并
數(shù)據(jù)清洗(異常數(shù)據(jù)處理)
取值范圍限定
重復(fù)值處理
無效值/錯(cuò)誤值處理
缺失值處理
離群值/極端值處理
數(shù)據(jù)質(zhì)量評估
樣本處理:行處理
樣本篩選:指定條件篩選指定樣本集(減少樣本數(shù)量)
樣本抽樣:隨機(jī)抽取部分樣本集(減少樣本數(shù)量)
樣本平衡:正反樣本比例均衡
變量處理:列處理
變量變換:原變量取值更新,比如標(biāo)準(zhǔn)化
變量派生:根據(jù)舊變量生成新的變量
變量精簡:變量刪除/降維,減少變量個(gè)數(shù)
類型轉(zhuǎn)換:數(shù)據(jù)類型的相互轉(zhuǎn)換
變量精簡/變量降維常用方法
常用降維方法
如何確定降維后變量個(gè)數(shù)
特征選擇:選擇重要變量,剔除不重要變量
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
利用IV值篩選
基于信息增益來選擇屬性
因子合并:將多個(gè)變量進(jìn)行合并
PCA主成分分析
判別分析
類型轉(zhuǎn)換
因子合并/主成分分析
因子分析的原因
因子個(gè)數(shù)選擇原則
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
數(shù)據(jù)探索性分析
常用統(tǒng)計(jì)指標(biāo)分析
單變量:數(shù)值變量/分類變量
雙變量:交叉分析/相關(guān)性分析
多變量:特征選擇、因子分析
演練:描述性分析(頻數(shù)、描述、探索、分類匯總)
數(shù)據(jù)可視化
數(shù)據(jù)可視化的原則
常用可視化工具
常用可視化圖形
柱狀圖、條形圖、餅圖、折線圖、箱圖、散點(diǎn)圖等
圖形的表達(dá)及適用場景
演練:各種圖形繪制
影響因素分析篇
營銷問題:哪些因素是影響業(yè)務(wù)目標(biāo)的關(guān)鍵要素?比如,產(chǎn)品在貨架上的位置是否對銷量有影響?價(jià)格和廣告開銷是如何影響銷量的?影響風(fēng)控的關(guān)鍵因素有哪些?如何判斷?
影響因素分析的常見方法
相關(guān)分析(衡量兩數(shù)據(jù)型變量的線性相關(guān)性)
相關(guān)分析簡介
相關(guān)分析的應(yīng)用場景
相關(guān)分析的種類
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(gè)基本步驟
演練:營銷費(fèi)用會(huì)影響銷售額嗎?影響程度如何量化?
演練:哪些因素與汽車銷量有相關(guān)性
演練:影響用戶消費(fèi)水平的因素會(huì)有哪些
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
方差分析(衡量類別變量與數(shù)值變量間的相關(guān)性)
方差分析的應(yīng)用場景
方差分析的三個(gè)種類
單因素方差分析
多因素方差分析
協(xié)方差分析
單因素方差分析的原理
方差分析的四個(gè)步驟
解讀方差分析結(jié)果的兩個(gè)要點(diǎn)
演練:擺放位置與銷量有關(guān)嗎
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
協(xié)方差分析原理
協(xié)方差分析的適用場景
演練:排除產(chǎn)品價(jià)格,收入對銷量有影響嗎?
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:計(jì)數(shù)值與期望值
卡方檢驗(yàn)的原理
卡方檢驗(yàn)的幾個(gè)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
相關(guān)性分析方法總結(jié)
回歸預(yù)測模型
營銷問題:如何預(yù)測未來的產(chǎn)品銷量/銷售額?如果產(chǎn)品跟隨季節(jié)性變動(dòng),該如何預(yù)測?
回歸分析簡介和原理
回歸分析的種類
一元回歸/多元回歸
線性回歸/非線性回歸
常用回歸分析方法
散點(diǎn)圖+趨勢線(一元)
線性回歸工具(多元線性)
規(guī)劃求解工具(非線性回歸)
演練:散點(diǎn)圖找營銷費(fèi)用與銷售額的關(guān)系
線性回歸分析的五個(gè)步驟
演練:營銷費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系(線性回歸)
線性回歸方程的解讀技巧
定性描述:正相關(guān)/負(fù)相關(guān)
定量描述:自變量變化導(dǎo)致因變量的變化程度
回歸預(yù)測模型評估
質(zhì)量評估指標(biāo):判定系數(shù)R^2
如何選擇最佳回歸模型
演練:如何選擇最佳的回歸預(yù)測模型(一元曲線回歸)
帶分類自變量的回歸預(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)與資源最佳配置
回歸模型優(yōu)化
回歸分析的基本原理
三個(gè)基本概念:總變差、回歸變差、剩余變差
方程的顯著性檢驗(yàn):方程可用性
因素的顯著性檢驗(yàn):因素可用性
方程擬合優(yōu)度檢驗(yàn):質(zhì)量好壞程度
理解標(biāo)準(zhǔn)誤差含義:預(yù)測準(zhǔn)確性?
回歸模型優(yōu)化措施:尋找最佳回歸擬合線
如何處理預(yù)測離群值(剔除離群值)
如何剔除不顯著因素(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)
演練:模型優(yōu)化演示
好模型都是優(yōu)化出來的
自定義回歸模型
回歸建模的本質(zhì)
規(guī)劃求解工具簡介
自定義回歸模型
案例:如何對客流量進(jìn)行建模預(yù)測及模型優(yōu)化
回歸季節(jié)預(yù)測模型模型
回歸季節(jié)模型的原理及應(yīng)用場景
加法季節(jié)模型
乘法季節(jié)模型
模型解讀
案例:美國航空旅客里程的季節(jié)性趨勢分析
新產(chǎn)品累計(jì)銷量的S曲線
S曲線模型的應(yīng)用場景(最大累計(jì)銷量及銷量增長的拐點(diǎn))
珀?duì)柷€
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
演練:預(yù)測IPad產(chǎn)品的銷量
回歸模型質(zhì)量評估
定量預(yù)測模型的評估
方程顯著性評估
因素顯著性評估
擬合優(yōu)度的評估
估計(jì)標(biāo)準(zhǔn)誤差評估
預(yù)測值準(zhǔn)確度評估
模型擬合度評估
判定系數(shù):
調(diào)整判定系數(shù):
預(yù)測值準(zhǔn)確度評估
平均絕對誤差:MAE
根均方差:RMSE
平均誤差率:MAPE
其它評估:殘差檢驗(yàn)、過擬合檢驗(yàn)
時(shí)序預(yù)測模型
營銷問題:像利率/CPI/GDP等按時(shí)序變化的指標(biāo)如何預(yù)測?當(dāng)銷量隨季節(jié)周期變動(dòng)時(shí)該如何預(yù)測?
回歸預(yù)測vs時(shí)序預(yù)測
因素分解思想
時(shí)序預(yù)測常用模型
趨勢擬合
季節(jié)擬合
平均序列擬合
評估預(yù)測值的準(zhǔn)確度指標(biāo):MAD、RMSE、MAPE
移動(dòng)平均(MA)
應(yīng)用場景及原理
移動(dòng)平均種類
一次移動(dòng)平均
二次移動(dòng)平均
加權(quán)移動(dòng)平均
移動(dòng)平均比率法
移動(dòng)平均關(guān)鍵問題
如何選取最優(yōu)參數(shù)N
如何確定最優(yōu)權(quán)重系數(shù)
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
指數(shù)平滑(ES)
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
溫特斯季節(jié)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
平穩(wěn)序列模型(ARIMA)
序列的平穩(wěn)性檢驗(yàn)
平穩(wěn)序列的擬合模型
AR(p)自回歸模型
MA(q)移動(dòng)模型
ARMA(p,q)自回歸移動(dòng)模型
模型的識別與定階
ACF圖/PACF圖
最小信息準(zhǔn)則
序列平穩(wěn)化處理
變量變換
k次差分
d階差分
ARIMA(p,d,q)模型
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(yù)測分析
平穩(wěn)序列的建模流程
分類預(yù)測模型篇
問題:如何評估客戶購買產(chǎn)品的可能性?如何預(yù)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(zhǔn)推薦產(chǎn)品或業(yè)務(wù)?
分類模型概述及其應(yīng)用場景
常見分類預(yù)測模型
邏輯回歸(LR)
邏輯回歸的適用場景
邏輯回歸的模型原理
邏輯回歸分類的幾何意義
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/多分類邏輯回歸
案例:如何評估用戶是否會(huì)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)
分類決策樹(DT)
問題:如何預(yù)測客戶行為?如何識別潛在客戶?
風(fēng)控:如何識別欠貸者的特征,以及預(yù)測欠貸概率?
客戶保有:如何識別流失客戶特征,以及預(yù)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(yù)測少女懷孕
演練:識別銀行欠貨風(fēng)險(xiǎn),提取欠貸者的特征
決策樹分類的幾何意義
構(gòu)建決策樹的三個(gè)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
修剪決策樹
選擇最優(yōu)屬性生長
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?
連續(xù)變量離散化(最優(yōu)分割點(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(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:商場用戶的典型特征提取
案例:客戶流失預(yù)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
多分類決策樹
案例:不同套餐用戶的典型特征
決策樹模型的保存與應(yīng)用
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)分類的幾何意義
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
判別分析(DA)
判別分析原理
判別分析種類
Fisher線性判別分析
案例:MBA學(xué)生錄取判別分析
案例:上市公司類別評估
最近鄰分類(KNN)
KNN模型的基本原理
KNN分類的幾何意義
K近鄰的關(guān)鍵問題
市場細(xì)分模型
問題: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,開發(fā)符合細(xì)分市場的新產(chǎn)品?如何提取客戶特征,從而對產(chǎn)品進(jìn)行市場定位?
市場細(xì)分的常用方法
有指導(dǎo)細(xì)分
無指導(dǎo)細(xì)分
聚類分析
如何更好的了解客戶群體和市場細(xì)分?
如何識別客戶群體特征?
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景
聚類分析的種類
K均值聚類
層次聚類
兩步聚類
K均值聚類(快速聚類)
案例:移動(dòng)三大品牌細(xì)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:如何自動(dòng)評選優(yōu)秀員工?
演練:中國各省份發(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)分及營銷策略
演練:中國省市經(jīng)濟(jì)發(fā)展情況分析(Q型聚類)
演練:裁判評分的標(biāo)準(zhǔn)衡量,避免“黑哨”(R型聚類)
兩步聚類
客戶細(xì)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(jìn)行細(xì)分
演練:如何針對汽車客戶群設(shè)計(jì)汽車
客戶價(jià)值評估
營銷問題:如何評估客戶的價(jià)值?不同的價(jià)值客戶有何區(qū)別對待?
如何評價(jià)客戶生命周期的價(jià)值
貼現(xiàn)率與留存率
評估客戶的真實(shí)價(jià)值
使用雙向表衡量屬性敏感度
變化的邊際利潤
案例:評估營銷行為的合理性
RFM模型(客戶價(jià)值評估)
RFM模型,更深入了解你的客戶價(jià)值
RFM模型與市場策略
RFM模型與活躍度分析
演練:“雙11”淘寶商家如何選擇價(jià)值客戶進(jìn)行促銷
演練:結(jié)合響應(yīng)模型,宜家IKE實(shí)現(xiàn)最大化營銷利潤
案例:重購用戶特征分析
假設(shè)檢驗(yàn)
參數(shù)檢驗(yàn)分析(樣本均值檢驗(yàn))
問題:如何驗(yàn)證營銷效果的有效性?
假設(shè)檢驗(yàn)概述
單樣本T檢驗(yàn)
兩獨(dú)立樣本T檢驗(yàn)
兩配對樣本T檢驗(yàn)
假設(shè)檢驗(yàn)適用場景
電信行業(yè)
案例:電信運(yùn)營商ARPU值評估分析(單樣本)
案例:營銷活動(dòng)前后分析(兩配對樣本)
金融行業(yè)
案例:信用卡消費(fèi)金額評估分析(單樣本)
醫(yī)療行業(yè)
案例:吸煙與膽固醇升高的分析(兩獨(dú)立樣本)
案例:減肥效果評估(兩配對樣本)
非參數(shù)檢驗(yàn)分析(樣本分布檢驗(yàn))
問題:這些屬性數(shù)據(jù)的分布情況如何?如何從數(shù)據(jù)分布中看出問題?
非參數(shù)檢驗(yàn)概述
單樣本檢驗(yàn)
兩獨(dú)立樣本檢驗(yàn)
兩相關(guān)樣本檢驗(yàn)
兩配對樣本檢驗(yàn)
非參數(shù)檢驗(yàn)適用場景
案例:產(chǎn)品合格率檢驗(yàn)(單樣本-二項(xiàng)分布)
案例:訓(xùn)練新方法有效性檢驗(yàn)(兩配對樣本-符號/秩檢驗(yàn))
案例:促銷方式效果檢驗(yàn)(多相關(guān)樣本-Friedman檢驗(yàn))
案例:客戶滿意度差異檢驗(yàn)(多相關(guān)樣本-Cochran Q檢驗(yàn))
結(jié)束:課程總結(jié)與問題答疑。
講師背景| Introduction to lecturers
講師:傅一航
傅一航,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(jiǎng)項(xiàng),曾在英國、日本、荷蘭和比利時(shí)等海外市場做項(xiàng)目,對大數(shù)據(jù)技術(shù)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)探索企業(yè)發(fā)展規(guī)律和行業(yè)發(fā)展趨勢,有效預(yù)判市場變化和需求,基于規(guī)律和預(yù)判來進(jìn)行管理決策,并實(shí)現(xiàn)組織架構(gòu)演變、人才新技能培養(yǎng)、生產(chǎn)流程優(yōu)化,以及服務(wù)效率提升,最終匹配市場未來的變化需要,提升企業(yè)管理效率。
2、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)呈現(xiàn)企業(yè)整體經(jīng)營狀況,診斷運(yùn)營問題和風(fēng)險(xiǎn),找到業(yè)務(wù)短板,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,提升科學(xué)決策能力。
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,分析用戶需求,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、電商、互聯(lián)網(wǎng)、制造業(yè)、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)目標(biāo)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)。
重思路:數(shù)據(jù)思維+分析框架;
重體系:分析維度+分析過程;
重實(shí)戰(zhàn):分析方法+分析模型+分析工具;
重落地:可視化+數(shù)據(jù)解讀+業(yè)務(wù)策略。
董事長總經(jīng)理高管的課程:
《數(shù)字化戰(zhàn)略與商業(yè)變革》
《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
《大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應(yīng)用創(chuàng)新》
《領(lǐng)導(dǎo)干部的大數(shù)據(jù)思維與決策》
大數(shù)據(jù)市場營銷的課程:
《大數(shù)據(jù)時(shí)代的精準(zhǔn)營銷》
《“數(shù)”說營銷----大數(shù)據(jù)營銷分析實(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)助力市場營銷與服務(wù)提升》
大數(shù)據(jù)分析應(yīng)用類的課程:
《大數(shù)據(jù)分析綜合能力提升實(shí)戰(zhàn)》
《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)挖掘之SPSS工具入門與提高》
《金融行業(yè)風(fēng)險(xiǎn)預(yù)測模式實(shí)戰(zhàn)培訓(xùn)》
大數(shù)據(jù)分析語言Python課程:
《Python開發(fā)基礎(chǔ)實(shí)戰(zhàn)培訓(xùn)》
《Python數(shù)據(jù)分析與可視化實(shí)戰(zhàn)》
《Python數(shù)據(jù)建模與模型優(yōu)化實(shí)戰(zhàn)》
《Python數(shù)據(jù)挖掘?qū)n}分析》
《Python機(jī)器學(xué)習(xí)算法實(shí)戰(zhàn)》
《Python RPA辦公流程自動(dòng)化》
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),其中包括中移動(dòng)、華為、施耐德、富士康、平安集團(tuán)、中國銀行、西部航空、廣州地鐵、東風(fēng)日產(chǎn)、廣州稅務(wù)、良品鋪?zhàn)印⒅幸辟惖?、埃森哲、海天集團(tuán)、正泰電器等公司和單位。
銀行/郵政/保險(xiǎn)/證券等金融行業(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(shí)代的精準(zhǔn)營銷》
中信銀行:《大數(shù)據(jù)分析與挖掘綜合能力提升》《Python風(fēng)險(xiǎn)預(yù)測建?!?
招商銀行:《大數(shù)據(jù)分析綜合能力提升》《數(shù)說營銷》《Python數(shù)據(jù)分析》
平安銀行:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》《數(shù)說營銷》《Python數(shù)據(jù)分析》
廣發(fā)銀行:《大數(shù)據(jù)下的精準(zhǔn)營銷》《大數(shù)據(jù)分析綜合能力提升》
光大銀行:《大數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用》《大數(shù)據(jù)時(shí)代下的精準(zhǔn)營銷》
交通銀行:《大數(shù)據(jù)時(shí)代的精準(zhǔn)營銷》《數(shù)說營銷實(shí)戰(zhàn)》
建設(shè)銀行:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
浦發(fā)銀行:《大數(shù)據(jù)時(shí)代下的精準(zhǔn)營銷》
農(nóng)業(yè)銀行:《大數(shù)據(jù)分析綜合能力提升》《Python數(shù)據(jù)分析、數(shù)據(jù)建?!?
民生銀行:《Python數(shù)據(jù)建模與模型優(yōu)化》
農(nóng)商行:《大數(shù)據(jù)分析綜合能力》《Python數(shù)據(jù)分析》《Python數(shù)據(jù)建?!?
微眾銀行:《大數(shù)據(jù)分析綜合能力提升》
廣東郵政:《大數(shù)據(jù)分析與挖掘綜合能力提升》《大數(shù)據(jù)建模與模型優(yōu)化》
廣西郵政:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
山東郵政:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
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》《大數(shù)據(jù)建模與優(yōu)化》
平安人壽:《大數(shù)據(jù)分析與應(yīng)用實(shí)戰(zhàn)》《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》《大數(shù)據(jù)時(shí)代下的精準(zhǔn)營銷》
平安醫(yī)??萍迹骸洞髷?shù)據(jù)思維與應(yīng)用創(chuàng)新》
天安財(cái)險(xiǎn):《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
中華人壽:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
太平洋保險(xiǎn):《大數(shù)據(jù)分析綜合能力提升》
廣電銀通:《大數(shù)據(jù)綜合能力提升》
安信證券:《大數(shù)據(jù)時(shí)代下的金融發(fā)展》
平安普惠:《Hadoop解決方案技術(shù)培訓(xùn)》
廣汽理匯:《大數(shù)據(jù)思維與數(shù)據(jù)分析實(shí)戰(zhàn)》
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)》
陸金所:《大數(shù)據(jù)分析綜合能力提升》
中金所:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
馬上消費(fèi)金額:《數(shù)說營銷實(shí)戰(zhàn)》
易鑫集團(tuán):《大數(shù)據(jù)分析綜合能力提升》
五礦經(jīng)易期貨:《大數(shù)據(jù)分析綜合能力提升》
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》
中郵金融科技:《Python基礎(chǔ)與數(shù)據(jù)分析》
……
制造行業(yè)培訓(xùn)客戶
施耐德:《大數(shù)據(jù)分析》《大數(shù)據(jù)挖掘》《大數(shù)據(jù)建模及優(yōu)化》
富士康:《大數(shù)據(jù)分析綜合能力提升》
中冶賽迪:《Python數(shù)據(jù)分析》《Python數(shù)據(jù)建?!?
正泰電器:《大數(shù)據(jù)分析實(shí)戰(zhàn)》《大數(shù)據(jù)建模及優(yōu)化》
海天集團(tuán):《大數(shù)據(jù)分析實(shí)戰(zhàn)》《大數(shù)據(jù)思維與可視化》
ABB:《大數(shù)據(jù)分析實(shí)戰(zhàn)培訓(xùn)》
延峰海納川:《Python基礎(chǔ)與數(shù)據(jù)分析》《Python數(shù)據(jù)建模》《RAP辦公自動(dòng)化》
昌碩科技:《大數(shù)據(jù)分析實(shí)戰(zhàn)》
村田電子:《大數(shù)據(jù)分析綜合能力提升》
博西家用電器:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
深圳YKK吉田拉鏈:《大數(shù)據(jù)分析綜合能力提升》
雅圖仕:《大數(shù)據(jù)分析綜合能力提升》
索菲亞:《大數(shù)據(jù)分析綜合能力提升》
沁園:《大數(shù)據(jù)分析綜合能力提升》
浦林成山:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
翔路騰龍:《大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應(yīng)用創(chuàng)新》
泰科:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
萬家樂:《Python基礎(chǔ)與數(shù)據(jù)分析》
億力機(jī)電:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
深圳大疆:《數(shù)說營銷》
一汽解放錫柴:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
通信/運(yùn)營商行業(yè)培訓(xùn)客戶
華為技術(shù):《話務(wù)量預(yù)測與排班管理》
聯(lián)通研究院:《大數(shù)據(jù)預(yù)測建模優(yōu)化》《Python數(shù)據(jù)分析》
北京聯(lián)通:《大數(shù)據(jù)分析綜合能力提升》《數(shù)說營銷》《數(shù)據(jù)挖掘?qū)n}分析》
廣州電信:《大數(shù)據(jù)時(shí)代的精準(zhǔn)營銷》
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(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)營銷技能提升實(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)展趨勢及在公司營銷領(lǐng)域的應(yīng)用》
遼寧移動(dòng)2期:《數(shù)據(jù)分析方法與經(jīng)營分析技巧》
泉州移動(dòng)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(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)品營銷能力提升》
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)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》
海南移動(dòng):《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(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)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》
東莞移動(dòng):《“數(shù)”說營銷----大數(shù)據(jù)營銷實(shí)戰(zhàn)與沙盤》
成都移動(dòng):《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(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)》
陽江移動(dòng):《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(dòng):《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(dòng):《“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(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)》
天翼愛音樂:《大數(shù)據(jù)分析綜合能力提升》
……
能源電力交通物流培訓(xùn)客戶
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)》
貴賓公司:《市場營銷數(shù)據(jù)的分析》
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)》
深圳公交集團(tuán):《大數(shù)據(jù)與智慧交通》
東風(fēng)日產(chǎn):《大數(shù)據(jù)分析與挖掘綜合能力提升》
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)出行:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
廣州地鐵:《大數(shù)據(jù)分析與數(shù)據(jù)挖掘培訓(xùn)》兩期
富維江森:《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)》
保時(shí)捷:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》《大數(shù)據(jù)分析實(shí)戰(zhàn)》
忻州供電局:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
延長殼牌:《大數(shù)據(jù)分析與挖掘綜合能力提升》
寶雞國電:《大數(shù)據(jù)分析與挖掘》兩期
寧夏國電:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》兩期
云南電網(wǎng):《大數(shù)據(jù)時(shí)代下的精準(zhǔn)營銷》
天津國電:《大數(shù)據(jù)分析綜合能力提升》
上海城投水務(wù):《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
深圳水務(wù):《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
中海油:《大數(shù)據(jù)分析實(shí)戰(zhàn)》
神南礦業(yè):《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展與應(yīng)用創(chuàng)新》
珠海港興:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
神南礦業(yè):《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展與應(yīng)用創(chuàng)新》
安能物流:《大數(shù)據(jù)分析綜合能力提升》
順豐速運(yùn):《大數(shù)據(jù)分析綜合能力提升》《數(shù)據(jù)精準(zhǔn)營銷實(shí)戰(zhàn)》
……
直銷/零售/電商/互聯(lián)網(wǎng)等行業(yè)培訓(xùn)客戶
良品鋪?zhàn)樱骸?/span>大數(shù)據(jù)分析綜合能力提升》兩期
周大福:《大數(shù)據(jù)分析與挖掘?qū)崙?zhàn)培訓(xùn)》
新時(shí)代:《問題的挖掘、分析—數(shù)據(jù)分析技巧》兩期培訓(xùn)
深圳欣盛商:《電商大數(shù)據(jù)分析》
無限極:《大數(shù)據(jù)分析綜合能力提升》兩期
歐萊雅:《Python根因分析與預(yù)測》
玫琳凱:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》《大數(shù)據(jù)分析實(shí)戰(zhàn)》
上海找鋼網(wǎng):《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
頂新國際:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
華潤集團(tuán):《大數(shù)據(jù)時(shí)代下的精準(zhǔn)營銷》
壹藥網(wǎng):《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
其他行業(yè)部分培訓(xùn)客戶
埃森哲:《Python基礎(chǔ)與數(shù)據(jù)分析》《Python數(shù)據(jù)分析與可視化》《RAP流程自動(dòng)化化》
嶺南集團(tuán):《大數(shù)據(jù)時(shí)代下的精準(zhǔn)營銷》
贛州監(jiān)獄:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》叁期
貴州中煙:《互聯(lián)網(wǎng)+時(shí)代的大數(shù)據(jù)思維》
廣州稅務(wù):《大數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》叁期
西部數(shù)據(jù):《大數(shù)據(jù)分析綜合能力提升》
文思海輝:《大數(shù)據(jù)分析綜合能力提升》
內(nèi)蒙古社科聯(lián):《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
深圳會(huì)展中心:《大數(shù)據(jù)價(jià)值實(shí)現(xiàn)與應(yīng)用創(chuàng)新》
重慶國際復(fù)材:《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
挑戰(zhàn)牧業(yè):《大數(shù)據(jù)分析綜合能力提升》
廣東立白:《大數(shù)據(jù)分析綜合能力提升》
……
Service Procedure
Service Advantages
我們擁有幾百家各類企業(yè)的項(xiàng)目咨詢基礎(chǔ)、多行業(yè)數(shù)據(jù)庫、多年的行業(yè)經(jīng)驗(yàn),并對企業(yè)進(jìn)行深度研究和剖析,總結(jié)出一系列深入的觀點(diǎn)和經(jīng)驗(yàn)。
我們的咨詢方案的設(shè)計(jì)過程秉承“知行合一”的理念,既具備理論知識,又重視項(xiàng)目的實(shí)操性。經(jīng)過多年的經(jīng)驗(yàn),我們積累了豐富的案例庫,涉及18個(gè)領(lǐng)域,近千個(gè)案例,并將案例與咨詢項(xiàng)目完美結(jié)合。
我們的咨詢團(tuán)隊(duì)分布于各大領(lǐng)域,擁有多年的業(yè)內(nèi)從業(yè)經(jīng)驗(yàn),具備豐富的企業(yè)管理實(shí)操經(jīng)驗(yàn)。在定制咨詢方案前,我們會(huì)為客戶匹配多位業(yè)內(nèi)咨詢師,供客戶進(jìn)行比對選擇,根據(jù)客戶需求及問題,定制化地設(shè)計(jì)咨詢方案,確保項(xiàng)目的順利進(jìn)行。
ABOUT PERFECT CONSULTANT
We are? Talent training and intelligent manufacturing solutions provider.
What we do ?Provide organizational performance improvement and talent learning development business.
Customers:Each year, we serves more than 1000 enterprises (including fortune 500 enterprises, joint venture factories, state-owned enterprises, rapidly developing private enterprises and industry-leading enterprises).
10年更懂你
中大型企業(yè)共同選擇
累計(jì)培訓(xùn)學(xué)員
現(xiàn)有公開課
現(xiàn)有內(nèi)訓(xùn)課
現(xiàn)有在線課程
輻射城市
OFFLINE BUSINESS
高層團(tuán)隊(duì)引導(dǎo)工作坊
中層管理內(nèi)訓(xùn)
基層管理內(nèi)訓(xùn)
人才梯隊(duì)建設(shè)咨詢項(xiàng)目
工廠運(yùn)營咨詢項(xiàng)目
TTT內(nèi)訓(xùn)師咨詢項(xiàng)目
領(lǐng)導(dǎo)力公開課
精益智造公開課
個(gè)人效能公開課
ONLINE BUSINESS
數(shù)字化搭建企業(yè)學(xué)習(xí)平臺(tái),加速人才培養(yǎng)
功能包含:作業(yè)管理、考試管理、簽到管理、課程學(xué)習(xí)、排名管理、微課上傳、直播等
700門在線課程,任選10門課程體驗(yàn),掃碼注冊體驗(yàn)
PART OF TRAINED COMPANIES INCLUDED BUT NOT LIMITED TO
Copyright © 2006-2023 PerfectPX All rights reserved. 蘇州珀菲特企業(yè)管理顧問有限公司 版權(quán)所有 蘇ICP備11056827號-1 蘇公網(wǎng)安備 32050702010145號