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)】

隨著大數(shù)據(jù)分析的需求越來越旺盛，大數(shù)據(jù)分析工具也越來越琳瑯滿目，然而，絕大多數(shù)的分析工具都只具有單一用途，無法滿足企業(yè)的復(fù)雜的多樣化的全面的業(yè)務(wù)分析需求，因此分析工具的選擇成為了一個(gè)挑戰(zhàn)。

一個(gè)良好的分析工具必須滿足如下要求：

1）易學(xué)易用易操作。

2）分析效率要高。

3）滿足業(yè)務(wù)分析需求。

如果要說前兩個(gè)要求，顯然類似于Excel/Power BI/Tableau等工具都是滿足要求的，但此類工具卻無法解決更復(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，這些需求用Excel/PBI等工具就難以勝任了，需要用到更高級(jí)的數(shù)據(jù)挖掘工具，比如IBM SPSS工具。IBM SPSS工具是面向非專業(yè)人士的高級(jí)的分析工具（挖掘工具），它提供大量的分析方法和分析模型，能夠解決的業(yè)務(wù)問題更豐富，提供了更加強(qiáng)大的業(yè)務(wù)數(shù)據(jù)分析功能，并且它封裝了具體的分析算法，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。

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)。

本課程從實(shí)際的業(yè)務(wù)需求出發(fā)，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，將數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程、分析思路、分析方法、分析模型，全部落地在SPSS工具中，通過大量的工具操作和演練，幫助學(xué)員熟練掌握SPSS工具的使用，并能夠?qū)PSS工具在實(shí)際的業(yè)務(wù)數(shù)據(jù)分析中滿地，實(shí)現(xiàn)“知行合一”。

通過本課程的學(xué)習(xí)，達(dá)到如下目的：

1、了解大數(shù)據(jù)挖掘的標(biāo)準(zhǔn)過程和挖掘步驟。

2、掌握基本的統(tǒng)計(jì)分析，常用的影響因素分析。

3、理解數(shù)據(jù)挖掘的常見模型，原理及適用場景。

4、熟練掌握SPSS基本操作，能利用SPSS解決實(shí)際的商業(yè)問題。

【授課對(duì)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(duì)業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)人員。

【學(xué)員要求】

1、每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。

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

3、便攜機(jī)中事先安裝好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】

基礎(chǔ)知識(shí)精講 + 案例演練 + 實(shí)際業(yè)務(wù)問題分析 + 工具實(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(shí)，進(jìn)行大數(shù)據(jù)的收集與處理；引導(dǎo)學(xué)員思考，構(gòu)建分析模型，進(jìn)行數(shù)據(jù)分析與挖掘，以及數(shù)據(jù)呈現(xiàn)與解讀，全過程演練操作，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。

【課程大綱】

第一部分：數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程

1、數(shù)據(jù)挖掘概述

2、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(píng)估

模型應(yīng)用

案例：客戶流失預(yù)測及客戶挽留

3、數(shù)據(jù)集的基本知識(shí)

a)存儲(chǔ)類型

b)統(tǒng)計(jì)類型

c)角度

4、SPSS工具簡介

第二部分：數(shù)據(jù)預(yù)處理過程

1、數(shù)據(jù)預(yù)處理的基本步驟

數(shù)據(jù)讀取、數(shù)據(jù)理解、數(shù)據(jù)處理、變量處理、探索分析

2、數(shù)據(jù)預(yù)處理的主要任務(wù)

數(shù)據(jù)集成：多個(gè)數(shù)據(jù)集的合并

數(shù)據(jù)清理：異常值的處理

數(shù)據(jù)處理：數(shù)據(jù)篩選、數(shù)據(jù)精簡、數(shù)據(jù)平衡

變量處理：變量變換、變量派生、變量精簡

數(shù)據(jù)歸約：實(shí)現(xiàn)降維，避免維災(zāi)難

3、數(shù)據(jù)集成

外部數(shù)據(jù)讀入：Txt/Excel/SPSS/Database

數(shù)據(jù)追加（添加數(shù)據(jù)）

變量合并（添加變量）

4、數(shù)據(jù)理解（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(píng)估

5、數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)處理

數(shù)據(jù)篩選：數(shù)據(jù)抽樣/選擇（減少樣本數(shù)量）

數(shù)據(jù)精簡：數(shù)據(jù)分段/離散化（減少變量的取值個(gè)數(shù)）

數(shù)據(jù)平衡：正反樣本比例均衡

6、數(shù)據(jù)準(zhǔn)備：變量處理

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：降維，減少變量個(gè)數(shù)

7、數(shù)據(jù)降維

常用降維方法

如何確定變量個(gè)數(shù)

特征選擇：選擇重要變量，剔除不重要的變量

從變量本身考慮

從輸入變量與目標(biāo)變量的相關(guān)性考慮

對(duì)輸入變量進(jìn)行合并

因子分析（主成分分析）

因子分析的原理

因子個(gè)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

8、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）

第三部分：數(shù)據(jù)可視化篇

1、數(shù)據(jù)可視化的原則

2、常用可視化工具

3、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

4、圖形的表達(dá)及適用場景

演練：各種圖形繪制

第四部分：影響因素分析篇

問題：如何判斷一個(gè)因素對(duì)另一個(gè)因素有影響？比如營銷費(fèi)用是否會(huì)影響銷售額？產(chǎn)品價(jià)格是否會(huì)影響銷量？產(chǎn)品的陳列位置是否會(huì)影響銷量？

風(fēng)險(xiǎn)控制的關(guān)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(guān)分析（衡量變量間的的相關(guān)性）

問題：這兩個(gè)屬性是否會(huì)相互影響？影響程度大嗎？營銷費(fèi)用會(huì)影響銷售額嗎？

什么是相關(guān)關(guān)系

相關(guān)系數(shù)：衡量相關(guān)程度的指標(biāo)

相關(guān)系數(shù)的三個(gè)計(jì)算公式

相關(guān)分析的假設(shè)檢驗(yàn)

相關(guān)分析的基本步驟

相關(guān)分析應(yīng)用場景

演練：體重與腰圍的關(guān)系

演練：營銷費(fèi)用會(huì)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

案例：酒樓生意好壞與報(bào)紙銷量的相關(guān)分析

?偏相關(guān)分析

?距離相關(guān)分析

3、方差分析

問題：哪些才是影響銷量的關(guān)鍵因素？

方差分析解決什么問題

方差分析種類：單因素/雙因素可重復(fù)/雙因素?zé)o重復(fù)

方差分析的應(yīng)用場景

方差分析的原理與步驟

如何解決方差分析結(jié)果

演練：終端擺放位置與終端銷量有關(guān)嗎？

演練：開通月數(shù)驛客戶流失的影響分析

演練：客戶學(xué)歷對(duì)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(jí)別產(chǎn)品銷量有影響嗎？

案例：2015年大學(xué)生工資與父母職業(yè)的關(guān)系

案例：醫(yī)生洗手與嬰兒存活率的關(guān)系

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

多因素方差結(jié)果的解讀

演練：廣告形式、地區(qū)對(duì)銷量的影響因素分析（多因素）

協(xié)方差分析原理

演練：飼料對(duì)生豬體重的影響分析（協(xié)方差分析）

4、列聯(lián)分析（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(gè)計(jì)算公式

列聯(lián)表分析的適用場景

案例：套餐類型對(duì)客戶流失的影響分析

案例：學(xué)歷對(duì)業(yè)務(wù)套餐偏好的影響分析

案例：行業(yè)/規(guī)模對(duì)風(fēng)控的影響分析

第五部分：數(shù)據(jù)建模過程篇

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(duì)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(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(shí)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(píng)分卡使用）

基于信息增益判斷（決策樹使用）

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)化出來的

案例：通信客戶流失分析及預(yù)警模型

第六部分：數(shù)值預(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(dòng)，該如何預(yù)測？新產(chǎn)品上市，如果評(píng)估銷量上限及銷售增速？

1、銷量預(yù)測與市場預(yù)測——讓你看得更遠(yuǎn)

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）

得到回歸方程的幾種常用方法

回歸分析的五個(gè)步驟與結(jié)果解讀

回歸預(yù)測結(jié)果評(píng)估（如何評(píng)估預(yù)測質(zhì)量，如何選擇最佳回歸模型）

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(píng)估銷售目標(biāo)與資源配置（營業(yè)廳）

3、時(shí)序預(yù)測

問題：隨著時(shí)間變化，未來的銷量變化趨勢如何？

時(shí)序分析的應(yīng)用場景（基于時(shí)間的變化規(guī)律）

移動(dòng)平均MA的預(yù)測原理

指數(shù)平滑ES的預(yù)測原理

自回歸移動(dòng)平均ARIMA模型

如何評(píng)估預(yù)測值的準(zhǔn)確性？

案例：銷售額的時(shí)序預(yù)測及評(píng)估

演練：汽車銷量預(yù)測及評(píng)估

演練：電視機(jī)銷量預(yù)測分析

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

4、季節(jié)性預(yù)測模型

季節(jié)性回歸模型的參數(shù)

常用季節(jié)性預(yù)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(yù)測分析

5、新產(chǎn)品預(yù)測模型與S曲線

如何評(píng)估銷量增長的拐點(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

6、自定義模型（如何利用規(guī)劃求解進(jìn)行自定義模型）

案例：如何對(duì)餐廳客流量進(jìn)行建模及模型優(yōu)化

第七部分：回歸模型優(yōu)化篇

1、回歸模型的基本原理

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)：是否可以做回歸分析？

擬合優(yōu)度檢驗(yàn)：回歸模型的質(zhì)量評(píng)估？

因素的顯著性檢驗(yàn)：自變量是否可用？

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

2、模型優(yōu)化思路：尋找最佳回歸擬合線

如何處理異常數(shù)據(jù)（殘差與異常值排除）

如何剔除非顯著因素（因素顯著性檢驗(yàn)）

如何進(jìn)行非線性關(guān)系檢驗(yàn)

如何進(jìn)行相互作用檢驗(yàn)

如何進(jìn)行多重共線性檢驗(yàn)

如何檢驗(yàn)誤差項(xiàng)

如何判斷模型過擬合

案例：模型優(yōu)化案例

第八部分：分類預(yù)測模型篇

問題：如何評(píng)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)？

1、分類模型概述

2、常見分類預(yù)測模型

3、評(píng)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、邏輯回歸模型（LR）

邏輯回歸模型原理及適用場景

邏輯回歸種類：二項(xiàng)/多項(xiàng)邏輯回歸

如何解讀邏輯回歸方程

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

消費(fèi)者品牌選擇模型分析

案例：多品牌選擇模型分析（多項(xiàng)邏輯回歸）

5、分類決策樹（DT）

問題：如何預(yù)測客戶行為？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)測欠貸概率？

客戶保有：如何識(shí)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

如何評(píng)估分類性能？

案例：美國零售商（Target）如何預(yù)測少女懷孕

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

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

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：商場酸奶購買用戶特征提取

案例：電信運(yùn)營商客戶流失預(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

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(píng)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(píng)估

8、K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(píng)估銀行用戶拖欠貨款的概率

10、支持向量機(jī)（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)

第九部分：市場細(xì)分模型篇

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(duì)產(chǎn)品進(jìn)行市場定位？

1、市場細(xì)分的常用方法

有指導(dǎo)細(xì)分

無指導(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(píng)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(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PCA分析

主成分分析原理

主成分分析基本步驟

主成分分析結(jié)果解讀

演練：PCA探索汽車購買者的細(xì)分市場

4、RFM模型客戶細(xì)分框架

第十部分：客戶價(jià)值評(píng)估

1、客戶價(jià)值評(píng)估與RFM模型

問題：如何評(píng)估客戶的價(jià)值？如何針對(duì)不同客戶采取不同的營銷策略？

RFM模型，更深入了解你的客戶價(jià)值

RFM的客戶細(xì)分框架理解

RFM模型與市場策略

RFM模型與活躍度

演練：“雙11”淘寶商家如何選擇客戶進(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

演練：重購用戶特征分析

第十一部分：假設(shè)檢驗(yàn)篇

1、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(duì)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(píng)估分析（單樣本）

案例：營銷活動(dòng)前后分析（兩配對(duì)樣本）

金融行業(yè)

案例：信用卡消費(fèi)金額評(píng)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(píng)估（兩配對(duì)樣本）

2、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(duì)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(duì)樣本-符號(hào)/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))

第十二部分：實(shí)戰(zhàn)-數(shù)據(jù)挖掘項(xiàng)目

實(shí)戰(zhàn)1：客戶流失預(yù)警與客戶挽留之真實(shí)數(shù)據(jù)分析實(shí)踐

實(shí)戰(zhàn)2：銀行信用風(fēng)險(xiǎn)分析

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(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(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(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(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(shí)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(dòng)、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(shí)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(shí)代的精準(zhǔn)營銷》

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(shí)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(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)》

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(shí)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(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)代的營銷》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(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(dòng)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(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(jí)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(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(shí)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(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)。以前參加過培訓(xùn)，兩天的培訓(xùn)我都覺得有時(shí)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(shí)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(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