1.點擊下面按鈕復(fù)制微信號
點擊復(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
課程費用：電話咨詢（含：講師費、稅費、教材費、會務(wù)費、拍攝費）
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)：ricosauthenticitalian.com
微信咨詢：Karen（注明來意）
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：將多個變量進行合并
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、散點圖等
圖形的表達及適用場景
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
相關(guān)分析的四個基本步驟
演練：營銷費用會影響銷售額嗎？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：影響用戶消費水平的因素會有哪些
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
方差分析的四個步驟
解讀方差分析結(jié)果的兩個要點
演練：擺放位置與銷量有關(guān)嗎
演練：客戶學(xué)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(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)品價格，收入對銷量有影響嗎？
列聯(lián)分析/卡方檢驗（兩類別變量的相關(guān)性分析）
交叉表與列聯(lián)表：計數(shù)值與期望值
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(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，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：散點圖找營銷費用與銷售額的關(guān)系
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(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
三個基本概念：總變差、回歸變差、剩余變差
方程的顯著性檢驗：方程可用性
因素的顯著性檢驗：因素可用性
方程擬合優(yōu)度檢驗：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）
如何進行非線性關(guān)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）
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)品累計銷量的S曲線
S曲線模型的應(yīng)用場景（最大累計銷量及銷量增長的拐點）
珀爾曲線
龔鉑茲曲線
案例：如何預(yù)測產(chǎn)品的銷售增長拐點，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、過擬合檢驗
時序預(yù)測模型
營銷問題：像利率/CPI/GDP等按時序變化的指標(biāo)如何預(yù)測？當(dāng)銷量隨季節(jié)周期變動時該如何預(yù)測？
回歸預(yù)測vs時序預(yù)測
因素分解思想
時序預(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
移動平均（MA）
應(yīng)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(quán)移動平均
移動平均比率法
移動平均關(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
平穩(wěn)序列的擬合模型
AR(p)自回歸模型
MA(q)移動模型
ARMA(p,q)自回歸移動模型
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
多項邏輯回歸/多分類邏輯回歸
案例：如何評估用戶是否會購買某產(chǎn)品（二項邏輯回歸）
案例：多品牌選擇模型分析（多項邏輯回歸）
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，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)屬性生長
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)分割點）
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(xì)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(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對汽車客戶群進行細(xì)分
演練：如何針對汽車客戶群設(shè)計汽車
客戶價值評估
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？
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
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
演練：“雙11”淘寶商家如何選擇價值客戶進行促銷
演練：結(jié)合響應(yīng)模型，宜家IKE實現(xiàn)最大化營銷利潤
案例：重購用戶特征分析
假設(shè)檢驗
參數(shù)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(shè)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(shè)檢驗適用場景
電信行業(yè)
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(yè)
案例：信用卡消費金額評估分析（單樣本）
醫(yī)療行業(yè)
案例：吸煙與膽固醇升高的分析（兩獨立樣本）
案例：減肥效果評估（兩配對樣本）
非參數(shù)檢驗分析（樣本分布檢驗）
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)檢驗概述
單樣本檢驗
兩獨立樣本檢驗
兩相關(guān)樣本檢驗
兩配對樣本檢驗
非參數(shù)檢驗適用場景
案例：產(chǎn)品合格率檢驗（單樣本-二項分布）
案例：訓(xùn)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(guān)樣本-Friedman檢驗)
案例：客戶滿意度差異檢驗(多相關(guān)樣本-Cochran Q檢驗)
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)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)判來進行管理決策，并實現(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，診斷運營問題和風(fēng)險，找到業(yè)務(wù)短板，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，客戶價值評估，分析用戶需求，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(zhǔn)營銷和精準(zhǔn)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、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)目標(biāo)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)。
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)時代的精準(zhǔn)營銷》
《“數(shù)”說營銷----大數(shù)據(jù)營銷分析實戰(zhàn)與沙盤》
《市場營銷大數(shù)據(jù)分析實戰(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戰(zhàn)》
《大數(shù)據(jù)建模與模型優(yōu)化實戰(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)險預(yù)測模式實戰(zhàn)培訓(xùn)》
大數(shù)據(jù)分析語言Python課程：
《Python開發(fā)基礎(chǔ)實戰(zhàn)培訓(xùn)》
《Python數(shù)據(jù)分析與可視化實戰(zhàn)》
《Python數(shù)據(jù)建模與模型優(yōu)化實戰(zhàn)》
《Python數(shù)據(jù)挖掘?qū)ｎ}分析》
《Python機器學(xué)習(xí)算法實戰(zhàn)》
《Python RPA辦公流程自動化》
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、華為、施耐德、富士康、平安集團、中國銀行、西部航空、廣州地鐵、東風(fēng)日產(chǎn)、廣州稅務(wù)、良品鋪子、中冶賽迪、埃森哲、海天集團、正泰電器等公司和單位。
銀行/郵政/保險/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)時代下的精準(zhǔn)營銷》
交通銀行：《大數(shù)據(jù)時代的精準(zhǔn)營銷》《數(shù)說營銷實戰(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)建模》
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：《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》《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)用實戰(zhàn)》《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》《大數(shù)據(jù)時代下的精準(zhǔn)營銷》
平安醫(yī)保科技：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》
天安財險：《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：《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)分析實戰(zhàn)》
金融壹帳通：《大數(shù)據(jù)分析與挖掘綜合能力提升實戰(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》
馬上消費金額：《數(shù)說營銷實戰(zhàn)》
易鑫集團：《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)分析實戰(zhàn)》《大數(shù)據(jù)建模及優(yōu)化》
海天集團：《大數(shù)據(jù)分析實戰(zhàn)》《大數(shù)據(jù)思維與可視化》
ABB：《大數(shù)據(jù)分析實戰(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辦公自動化》
昌碩科技：《大數(shù)據(jù)分析實戰(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(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：《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(zhǔn)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(xùn)》
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(xùn)》；
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(zhǔn)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(xùn)》
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(xùn)》
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)》
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)營銷實戰(zhàn)》
深圳公交集團：《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)營銷實戰(zhàn)》
東風(fēng)商用：《數(shù)說營銷實戰(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)字化運營下的數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用培訓(xùn)》
保時捷：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》《大數(shù)據(jù)分析實戰(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：《大數(shù)據(jù)分析綜合能力提升》《數(shù)據(jù)精準(zhǔn)營銷實戰(zhàn)》
……
直銷/零售/電商/互聯(lián)網(wǎng)等行業(yè)培訓(xùn)客戶
良品鋪子：《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：《大數(shù)據(jù)時代下的精準(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流程自動化化》
嶺南集團：《大數(shù)據(jù)時代下的精準(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》
深圳會展中心：《大數(shù)據(jù)價值實現(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)的項目咨詢基礎(chǔ)、多行業(yè)數(shù)據(jù)庫、多年的行業(yè)經(jīng)驗，并對企業(yè)進行深度研究和剖析，總結(jié)出一系列深入的觀點和經(jīng)驗。
我們的咨詢方案的設(shè)計過程秉承“知行合一”的理念，既具備理論知識，又重視項目的實操性。經(jīng)過多年的經(jīng)驗，我們積累了豐富的案例庫，涉及18個領(lǐng)域，近千個案例，并將案例與咨詢項目完美結(jié)合。
我們的咨詢團隊分布于各大領(lǐng)域，擁有多年的業(yè)內(nèi)從業(yè)經(jīng)驗，具備豐富的企業(yè)管理實操經(jīng)驗。在定制咨詢方案前，我們會為客戶匹配多位業(yè)內(nèi)咨詢師，供客戶進行比對選擇，根據(jù)客戶需求及問題，定制化地設(shè)計咨詢方案，確保項目的順利進行。
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
高層團隊引導(dǎo)工作坊
中層管理內(nèi)訓(xùn)
基層管理內(nèi)訓(xùn)
人才梯隊建設(shè)咨詢項目
工廠運營咨詢項目
TTT內(nèi)訓(xùn)師咨詢項目
領(lǐng)導(dǎo)力公開課
精益智造公開課
個人效能公開課
ONLINE BUSINESS
數(shù)字化搭建企業(yè)學(xué)習(xí)平臺，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,掃碼注冊體驗
PART OF TRAINED COMPANIES INCLUDED BUT NOT LIMITED TO
熱線咨詢
周一至周日9:00-18:00
微信咨詢（注明來意）
周一至周日8:00-20:00
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
關(guān)注公眾號微信咨詢