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】

隨著大數據分析的需求越來越旺盛，大數據分析工具也越來越琳瑯滿目，然而，絕大多數的分析工具都只具有單一用途，無法滿足企業的復雜的多樣化的全面的業務分析需求，因此分析工具的選擇成為了一個挑戰。

一個良好的分析工具必須滿足如下要求：

1）易學易用易操作。

2）分析效率要高。

3）滿足業務分析需求。

如果要說前兩個要求，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雜的業務問題，比如影響因素分析、客戶行為預測/精準營銷、客戶群劃分、產品交叉銷售、產品銷量預測等等，這些需求用Excel/PBI等工具就難以勝任了，需要用到更高級的數據挖掘工具，比如IBM SPSS工具。IBM SPSS工具是面向非專業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，能夠解決的業務問題更豐富，提供了更加強大的業務數據分析功能，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，也能夠勝任復雜的數據分析和挖掘。

本課程面向數據分析部等專門負責數據分析與挖掘的人士，專注大數據挖掘工具SPSS Statistics的培訓。

本課程從實際的業務需求出發，對數據分析及數據挖掘技術進行了全面的介紹，將數據挖掘標準流程、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，幫助學員熟練掌握SPSS工具的使用，并能夠將SPSS工具在實際的業務數據分析中滿地，實現“知行合一”。

通過本課程的學習，達到如下目的：

1、了解大數據挖掘的標準過程和挖掘步驟。

2、掌握基本的統計分析，常用的影響因素分析。

3、理解數據挖掘的常見模型，原理及適用場景。

4、熟練掌握SPSS基本操作，能利用SPSS解決實際的商業問題。

【授課對象】

市場部、業務支撐部、數據分析部、運營分析部等對業務數據分析有較高要求的相關人員。

【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Microsoft Office Excel 2013版本及以上。

3、便攜機中事先安裝好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據源。

【授課方式】

基礎知識精講 + 案例演練 + 實際業務問題分析 + 工具實際操作

本課程突出數據挖掘的實際應用，結合行業的典型應用特點，從實際問題入手，引出相關知識，進行大數據的收集與處理；引導學員思考，構建分析模型，進行數據分析與挖掘，以及數據呈現與解讀，全過程演練操作，以達到提升學員的數據綜合分析能力，支撐運營決策的目的。

【課程大綱】

第一部分：數據挖掘標準流程

1、數據挖掘概述

2、數據挖掘的標準流程（CRISP-DM）

商業理解

數據準備

數據理解

模型建立

模型評估

模型應用

案例：客戶流失預測及客戶挽留

3、數據集的基本知識

a)存儲類型

b)統計類型

c)角度

4、SPSS工具簡介

第二部分：數據預處理過程

1、數據預處理的基本步驟

數據讀取、數據理解、數據處理、變量處理、探索分析

2、數據預處理的主要任務

數據集成：多個數據集的合并

數據清理：異常值的處理

數據處理：數據篩選、數據精簡、數據平衡

變量處理：變量變換、變量派生、變量精簡

數據歸約：實現降維，避免維災難

3、數據集成

外部數據讀入：Txt/Excel/SPSS/Database

數據追加（添加數據）

變量合并（添加變量）

4、數據理解（異常數據處理）

取值范圍限定

重復值處理

無效值/錯誤值處理

缺失值處理

離群值/極端值處理

數據質量評估

5、數據準備：數據處理

數據篩選：數據抽樣/選擇（減少樣本數量）

數據精簡：數據分段/離散化（減少變量的取值個數）

數據平衡：正反樣本比例均衡

6、數據準備：變量處理

變量變換：原變量取值更新，比如標準化

變量派生：根據舊變量生成新的變量

變量精簡：降維，減少變量個數

7、數據降維

常用降維方法

如何確定變量個數

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

從輸入變量與目標變量的相關性考慮

對輸入變量進行合并

因子分析（主成分分析）

因子分析的原理

因子個數如何選擇

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、數據探索性分析

常用統計指標分析

單變量：數值變量/分類變量

雙變量：交叉分析/相關性分析

多變量：特征選擇、因子分析

演練：描述性分析（頻數、描述、探索、分類匯總）

第三部分：數據可視化篇

1、數據可視化的原則

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、散點圖等

4、圖形的表達及適用場景

演練：各種圖形繪制

第四部分：影響因素分析篇

問題：如何判斷一個因素對另一個因素有影響？比如營銷費用是否會影響銷售額？產品價格是否會影響銷量？產品的陳列位置是否會影響銷量？

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（衡量變量間的的相關性）

問題：這兩個屬性是否會相互影響？影響程度大嗎？營銷費用會影響銷售額嗎？

什么是相關關系

相關系數：衡量相關程度的指標

相關系數的三個計算公式

相關分析的假設檢驗

相關分析的基本步驟

相關分析應用場景

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：通信費用與開通月數的相關分析

案例：酒樓生意好壞與報紙銷量的相關分析

?偏相關分析

?距離相關分析

3、方差分析

問題：哪些才是影響銷量的關鍵因素？

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/雙因素無重復

方差分析的應用場景

方差分析的原理與步驟

如何解決方差分析結果

演練：終端擺放位置與終端銷量有關嗎？

演練：開通月數驛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：營業員的性別、技能級別產品銷量有影響嗎？

案例：2015年大學生工資與父母職業的關系

案例：醫生洗手與嬰兒存活率的關系

演練：尋找影響產品銷量的關鍵因素

多因素方差分析原理

多因素方差結果的解讀

演練：廣告形式、地區對銷量的影響因素分析（多因素）

協方差分析原理

演練：飼料對生豬體重的影響分析（協方差分析）

4、列聯分析（兩類別變量的相關性分析）

交叉表與列聯表

卡方檢驗的原理

卡方檢驗的幾個計算公式

列聯表分析的適用場景

案例：套餐類型對客戶流失的影響分析

案例：學歷對業務套餐偏好的影響分析

案例：行業/規模對風控的影響分析

第五部分：數據建模過程篇

1、預測建模六步法

選擇模型：基于業務選擇恰當的數據模型

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

評估模型：進行評估模型的質量，判斷模型是否可用

優化模型：如果評估結果不理想，則需要對模型進行優化

應用模型：如果評估結果滿足要求，則可應用模型于業務場景

2、數據挖掘常用的模型

數值預測模型：回歸預測、時序預測等

分類預測模型：邏輯回歸、決策樹、神經網絡、支持向量機等

市場細分：聚類、RFM、PCA等

產品推薦：關聯分析、協同過濾等

產品優化：回歸、隨機效用等

產品定價：定價策略/最優定價等

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、模型優化

優化模型：選擇新模型/修改模型

優化數據：新增顯著自變量

優化公式：采用新的計算公式

6、模型實現算法（暫略）

7、好模型是優化出來的

案例：通信客戶流失分析及預警模型

第六部分：數值預測模型篇

問題：如何預測產品的銷量/銷售金額？如果產品跟隨季節性變動，該如何預測？新產品上市，如果評估銷量上限及銷售增速？

1、銷量預測與市場預測——讓你看得更遠

2、回歸預測/回歸分析

問題：如何預測未來的銷售量（定量分析）？

回歸分析的基本原理和應用場景

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

回歸分析的五個步驟與結果解讀

回歸預測結果評估（如何評估預測質量，如何選擇最佳回歸模型）

演練：散點圖找推廣費用與銷售額的關系（一元線性回歸）

演練：推廣費用、辦公費用與銷售額的關系（多元線性回歸）

演練：讓你的營銷費用預算更準確

演練：如何選擇最佳的回歸預測模型（曲線回歸）

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（營業廳）

3、時序預測

問題：隨著時間變化，未來的銷量變化趨勢如何？

時序分析的應用場景（基于時間的變化規律）

移動平均MA的預測原理

指數平滑ES的預測原理

自回歸移動平均ARIMA模型

如何評估預測值的準確性？

案例：銷售額的時序預測及評估

演練：汽車銷量預測及評估

演練：電視機銷量預測分析

演練：上海證券交易所綜合指數收益率序列分析

演練：服裝銷售數據季節性趨勢預測分析

4、季節性預測模型

季節性回歸模型的參數

常用季節性預測模型（相加、相乘）

案例：美國航空旅客里程的季節性趨勢分析

案例：產品銷售季節性趨勢預測分析

5、新產品預測模型與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：如何預測產品的銷售增長拐點，以及銷量上限

演戲：預測IPad產品的銷量

6、自定義模型（如何利用規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化

第七部分：回歸模型優化篇

1、回歸模型的基本原理

三個基本概念：總變差、回歸變差、剩余變差

方程的顯著性檢驗：是否可以做回歸分析？

擬合優度檢驗：回歸模型的質量評估？

因素的顯著性檢驗：自變量是否可用？

理解標準誤差的含義：預測的準確性？

2、模型優化思路：尋找最佳回歸擬合線

如何處理異常數據（殘差與異常值排除）

如何剔除非顯著因素（因素顯著性檢驗）

如何進行非線性關系檢驗

如何進行相互作用檢驗

如何進行多重共線性檢驗

如何檢驗誤差項

如何判斷模型過擬合

案例：模型優化案例

第八部分：分類預測模型篇

問題：如何評估客戶購買產品的可能性？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品或業務？

1、分類模型概述

2、常見分類預測模型

3、評估分類模型的常用指標

正確率、查全率/查準率、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/多項邏輯回歸

如何解讀邏輯回歸方程

案例：如何評估用戶是否會購買某產品（二項邏輯回歸）

消費者品牌選擇模型分析

案例：多品牌選擇模型分析（多項邏輯回歸）

5、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

如何評估分類性能？

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

構建決策樹的三個關鍵問題

如何選擇最佳屬性來構建節點

如何分裂變量

修剪決策樹

選擇最優屬性

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

連續變量離散化（最優劃分點）

修剪決策樹

剪枝原則

預剪枝與后剪枝

構建決策樹的四個算法

C5.0、CHAID、CART、QUEST

各種算法的比較

如何選擇最優分類模型？

案例：商場酸奶購買用戶特征提取

案例：電信運營商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

6、人工神經網絡（ANN）

神經網絡概述

神經網絡基本原理

神經網絡的結構

神經網絡的建立步驟

神經網絡的關鍵問題

BP反向傳播網絡（MLP）

?徑向基網絡（RBF）

案例：評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學生錄取判別分析

案例：上市公司類別評估

8、K近鄰分類（KNN）

基本原理

關鍵問題

9、貝葉斯分類（NBN）

貝葉斯分類原理

計算類別屬性的條件概率

估計連續屬性的條件概率

貝葉斯網絡種類：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

10、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：特征空間的轉換

維空難與核函數

第九部分：市場細分模型篇

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

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的類別？

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品試銷區域？

演練：如何評選優秀員工？

演練：中國各省份發達程度分析，讓數據自動聚類

層次聚類（系統聚類）：發現多個類別

R型聚類與Q型聚類的區別

案例：中移動如何實現客戶細分及營銷策略

演練：中國省市經濟發展情況分析（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

主成分分析結果解讀

演練：PCA探索汽車購買者的細分市場

4、RFM模型客戶細分框架

第十部分：客戶價值評估

1、客戶價值評估與RFM模型

問題：如何評估客戶的價值？如何針對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值

RFM的客戶細分框架理解

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行促銷

演練：結合響應模型，宜家IKE實現最大化營銷利潤

演練：重購用戶特征分析

第十一部分：假設檢驗篇

1、參數檢驗分析（樣本均值檢驗）

問題：如何驗證營銷效果的有效性？

假設檢驗概述

單樣本T檢驗

兩獨立樣本T檢驗

兩配對樣本T檢驗

假設檢驗適用場景

電信行業

案例：電信運營商ARPU值評估分析（單樣本）

案例：營銷活動前后分析（兩配對樣本）

金融行業

案例：信用卡消費金額評估分析（單樣本）

醫療行業

案例：吸煙與膽固醇升高的分析（兩獨立樣本）

案例：減肥效果評估（兩配對樣本）

2、非參數檢驗分析（樣本分布檢驗）

問題：這些屬性數據的分布情況如何？如何從數據分布中看出問題？

非參數檢驗概述

單樣本檢驗

兩獨立樣本檢驗

兩相關樣本檢驗

兩配對樣本檢驗

非參數檢驗適用場景

案例：產品合格率檢驗（單樣本-二項分布）

案例：訓練新方法有效性檢驗（兩配對樣本-符號/秩檢驗）

案例：促銷方式效果檢驗(多相關樣本-Friedman檢驗)

案例：客戶滿意度差異檢驗(多相關樣本-Cochran Q檢驗)

第十二部分：實戰-數據挖掘項目

實戰1：客戶流失預警與客戶挽留之真實數據分析實踐

實戰2：銀行信用風險分析

結束：課程總結與問題答疑。

傅老師

華為系大數據專家

計算機軟件與理論碩士研究生（研究方向：數據挖掘、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，對大數據有深入的研究。

傅老師專注于大數據分析與挖掘、機器學習等應用技術，以及大數據系統部署解決方案。旨在將大數據的數據分析、數據挖掘、數據建模應用于行業及商業領域，解決行業實際的問題。

1、讓決策更科學：將大數據應用于運營決策，用大數據探索領域發展規律和行業發展趨勢，有效分析用戶需求，并預測用戶行為，最終實現市場變化預測，提升企業科學決策能力。

2、讓管理更高效：將大數據應用于企業管理，用大數據呈現企業整體運營情況，診斷企業管理問題和風險，全面理解組織、產品、人員、營銷、財務等要素間的相關性，實現企業資源的最優化配置，提升企業管理效率。

3、讓營銷更精準：將大數據應用于市場營銷，解決營銷中的用戶群細分和品牌定位，客戶價值評估，產品設計優化，產品最優定價等實際問題，實現精準營銷和精準推薦，以最小的營銷成本實現最大化的營銷效果。

傅老師目前致力于將大數據技術應用于通信、金融、航空、電商、互聯網、政府等領域。傅老師的課程最大特色：實戰性強！“圍繞業務問題+搭建分析框架+運用分析方法+建立分析模型+熟悉分析工具+形成業務策略”。以商業問題為起點，基于實際的業務應用場景（明確目的），搭建全面系統的業務框架和分析維度（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），對分析結果進行有效的解讀（數據可視化），最終形成具體的業務建議，實現業務分析/數據分析的閉環。

應用類：

《大數據分析與數據挖掘綜合能力提升實戰》

《“數”說營銷----大數據營銷實戰與沙盤》

《市場營銷大數據分析實戰培訓》

《大數據建模與模型優化實戰培訓》

《大數據分析與挖掘之SPSS工具入門與提高》

《金融行業風險預測模型實戰培訓》

理論/認知/戰略類：

《大數據產業現狀及應用創新》

《大數據思維與應用創新》

《大數據時代的精準營銷》

技術類：

《Hadoop大數據解決方案開發技術基礎培訓》

《Python開發基礎實戰》

《大數據分析與挖掘之Python開發實戰》

《Python機器學習算法原理及優化實現》

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，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、神南礦業、公交集團、廣州稅務、良品鋪子等單位和公司。

金融行業培訓客戶：

中國銀行：《大數據變革與商業模式創新》《大數據時代的精準營銷》

廣發銀行：《大數據下的精準營銷實戰》四期

中信銀行：《大數據分析與挖掘綜合能力提升實戰》叁期

交通銀行：《大數據時代的精準營銷》

安信證券：《大數據時代下的金融發展》

平安集團：《大數據思維與應用創新》

平安產險：《大數據分析綜合能力提升》

平安壽險：《大數據分析與應用實戰》

平安銀行：《大數據思維與應用創新》

農業銀行：《Python大數據分析與挖掘》叁期

建設銀行：《大數據思維與應用創新》兩期

光大銀行：《大數據分析與數據挖掘應用實戰》四期

招商銀行：《“數”說營銷----大數據營銷實戰與沙盤》四期

杭州銀貨通科技：《大數據產業發展及應用創新》

廣電銀通：《大數據綜合能力提升》

平安普惠金融：《Hadoop解決方案技術培訓》

浦發銀行：《大數據精準營銷》

金融壹帳通：《大數據分析與挖掘綜合能力提升實戰》

中金所：《大數據思維與應用創新》

……

通信行業培訓客戶：

聯通研究院：《大數據預測建模優化》

廣州電信：《大數據時代的精準營銷》兩期

北京電信：《大數據分析綜合能力提升》

香港電信：《大數據精準營銷實戰》

上海電信：《渠道大數據分析與挖掘思路及方法》兩期

河北電信：《數據化運營下的大數據分析綜合能力提升實戰》

南京電信：《大數據視圖支撐精準化營銷》

佛山電信：《數據挖掘技術及其應用培訓》

泉州電信：《大數據挖掘、信息分析及應用培訓》

湖北聯通：《大數據分析與商業智能》

廣東聯通：《數據分析與數據挖掘實戰培訓》兩期

江蘇聯通：《大數據分析綜合能力提升》

吉林聯通：《大數據分析綜合能力提升-中級》

烏魯木齊聯通：《大數據分析綜合能力提升》

上海移動：《大數據分析與挖掘、建模及優化》叁期

浙江移動：《大數據分析與數據挖掘應用實戰》

江蘇移動：《大數據精準營銷技能提升實戰》

深圳移動：《大數據分析綜合能力提升》

廣西移動：《大數據發展趨勢及在公司營銷領域的應用》

遼寧移動2期：《數據分析方法與經營分析技巧》

泉州移動3期：《數說營銷—市場營銷數據分析與挖掘應用》

德陽移動2期：《大數據挖掘與建模優化實戰培訓》

浙江移動：《大數據產品營銷能力提升》

四川移動：《大數據分析與挖掘綜合能力提升》

吉林移動：《數據分析與數據挖掘培訓》；

貴州移動：《“數”說營銷----大數據營銷實戰與沙盤》

海南移動：《基于大數據運營的用戶行為分析與精準定位》

山東移動：《大數據分析綜合能力提升》

深圳移動：《大數據在行業內外的應用》

中國移動終端公司：《大數據分析綜合能力提升培訓》

中山移動：《“數”說營銷----大數據營銷實戰與沙盤》

東莞移動：《“數”說營銷----大數據營銷實戰與沙盤》

成都移動：《數字化運營下的數據分析與數據挖掘》

眉山移動2期：《大數據分析綜合能力提升》

云浮移動：《大數據挖掘和信息提煉專項培訓》

陽江移動：《小數據·大運營--運營數據的分析與挖掘》

德陽移動：《電信運營商市場營銷數據挖掘應用典型案例》

陜西在線：《“數”說營銷----大數據營銷實戰與沙盤》

四川在線：《“數”說營銷----大數據營銷實戰與沙盤》

大連移動：《“數”說營銷----大數據營銷實戰與沙盤》

內蒙古移動：《大數據分析與Hadoop大數據解決方案》

貴州中移通信：《SPSS數據分析與數據挖掘應用實戰》

華為技術：《話務量預測與排班管理》

……

能源汽車交通行業培訓客戶：

一汽解放錫柴：《大數據思維與應用創新》

廣東郵政：《大數據分析綜合能力提升實戰》

深圳水務：《大數據思維與應用創新》

寧夏國電：《大數據思維與應用》兩期

柳州上汽五菱：《大數據下的精準營銷實戰》

東風商用：《數說營銷實戰》

東風日產：《大數據分析與數據挖掘應用實戰》兩期

富維江森（汽車）：《數字化運營下的數據分析與數據挖掘應用培訓》

廣州地鐵：《大數據分析與數據挖掘培訓》兩期

廣州地鐵：《數據分析與數據建模實戰》兩期

西部航空：《數字化運營下的數據分析與數據挖掘應用培訓》

海南航空：《利用大數據營銷提升航線收益》

南方航空：《大數據精準營銷實戰》兩期

北京機場貴賓公司：《市場營銷數據的分析》

深圳公交集團：《大數據與智慧交通》

延長殼牌：《大數據分析與挖掘綜合能力提升》

神南礦業：《大數據產業發展與應用創新》

寶雞國電：《大數據分析與挖掘》兩期

順豐快遞：《大數據分析綜合能力提升實戰》

……

其它行業培訓客戶：

嶺南集團：《大數據時代下的精準營銷》

ABB：《大數據分析實戰培訓》

頂新國際：《大數據思維與應用創新》

索菲亞：《大數據分析實戰培訓》

玫琳凱：《大數據思維與應用》叁期

西部數據：《大數據分析綜合能力提升》

無限極：《大數據分析綜合能力提升》兩期

雅圖仕：《大數據分析綜合能力提升》

施耐德：《大數據分析綜合能力提升》叁期

廣州稅務：《大數據分析與挖掘實戰》叁期

YKK吉田拉鏈：《大數據分析綜合能力提升培訓》

富士康：《數據分析綜合能力提升培訓》

貴州中煙：《互聯網+時代的大數據思維》

深圳欣盛商：《電商大數據分析》

安能物流：《大數據挖掘分析及應用實戰》

良品鋪子：《大數據分析綜合能力提升》兩期

新時代集團：《問題的挖掘、分析—數據分析技巧》兩期培訓

挑戰牧業：《大數據分析綜合能力提升》

易鑫集團：《大數據分析綜合能力提升》

贛州監獄：《大數據時代的營銷》共三期培訓

賀州學院：《大數據時代的人才培養》

……

【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，能夠將理論講得深入淺出，將案例講深講透，將實戰講得易理解易操作。在課堂中，他能把枯燥的數據說得有生命，在課堂上，他能對學員關注和付出。我不是對數據很喜歡的人，但仍然在課堂中能夠感覺到數據的生命力。五天的課讓我進入到數據構成的多彩、多維的世界，值得！

——學員分享

某金融行業---《大數據變革與商業模式創新》

傅老師運用全面翔實的案例和不拘一格的語言，全方位剖析大數據發展以來在工具、思維和文化上帶來的變革，生動闡述數據分析過程六部曲、數據戰略七大思維等經典概述，立體呈現大數據時代企業所面臨的機遇與挑戰。結合當前關注焦點和時代熱點話題，傅老師現場分享了第一代傳統營銷、第二代互聯網營銷、第三代大數據營銷的進階升級和精準營銷實戰應用。在為學員呈現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據時代下的創新引擎，為全行在未來發展中進一步把握經濟大勢、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——《數據分析與數據挖掘應用培訓》 學員：張經理

五天的培訓，讓我對數據分析與數據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”說營銷----大數據營銷實戰》 學員：劉經理

傅老師的課程，開拓了我營銷的思維，大數據營銷，重在利用數據為營銷服務。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據，以后不再需要“拍腦袋”了,呵呵。

遼寧某運營商——《數據分析與經營分析實戰培訓》學員：于經理

傅老師的課程全程高能，信息量巨大，我們已經建議公司安排后續高級課程，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