名课堂-企业管理培训网

联系方式

联系电话:400-8228-121

值班手机:18971071887

Email:Service@mingketang.com

您所在的位置:名课堂>>内训课程>>研发管理培训

大数据挖掘工具: SPSS Statistics入门与提高

【课程编号】:NX20915

【课程名称】:

大数据挖掘工具: SPSS Statistics入门与提高

【课件下载】:点击下载课程纲要Word版

【所属类别】:研发管理培训

【培训课时】:2-4天,6小时/天

【课程关键字】:SPSS培训,Statistics培训

我要预订

咨询电话:027-5111 9925 , 027-5111 9926手机:18971071887邮箱:

【课程目标】

随着大数据分析的需求越来越旺盛,大数据分析工具也越来越琳琅满目,然而,绝大多数的分析工具都只具有单一用途,无法满足企业的复杂的多样化的全面的业务分析需求,因此分析工具的选择成为了一个挑战。

一个良好的分析工具必须满足如下要求:

1)易学易用易操作。

2)分析效率要高。

3)满足业务分析需求。

如果要说前两个要求,显然类似于Excel/Power BI/Tableau等工具都是满足要求的,但此类工具却无法解决更复杂的业务问题,比如影响因素分析、客户行为预测/精准营销、客户群划分、产品交叉销售、产品销量预测等等,这些需求用Excel/PBI等工具就难以胜任了,需要用到更高级的数据挖掘工具,比如IBM SPSS工具。IBM SPSS工具是面向非专业人士的高级的分析工具(挖掘工具),它提供大量的分析方法和分析模型,能够解决的业务问题更丰富,提供了更加强大的业务数据分析功能,并且它封装了具体的分析算法,即使你没有深厚的技能能力,也能够胜任复杂的数据分析和挖掘。

本课程面向数据分析部等专门负责数据分析与挖掘的人士,专注大数据挖掘工具SPSS Statistics的培训。

本课程从实际的业务需求出发,对数据分析及数据挖掘技术进行了全面的介绍,将数据挖掘标准流程、分析思路、分析方法、分析模型,全部落地在SPSS工具中,通过大量的工具操作和演练,帮助学员熟练掌握SPSS工具的使用,并能够将SPSS工具在实际的业务数据分析中满地,实现“知行合一”。

通过本课程的学习,达到如下目的:

1、了解大数据挖掘的标准过程和挖掘步骤。

2、掌握基本的统计分析,常用的影响因素分析。

3、理解数据挖掘的常见模型,原理及适用场景。

4、熟练掌握SPSS基本操作,能利用SPSS解决实际的商业问题。

【授课对象】

市场部、业务支撑部、数据分析部、运营分析部等对业务数据分析有较高要求的相关人员。

【学员要求】

1、每个学员自备一台便携机(必须)。

2、便携机中事先安装好Microsoft Office Excel 2013版本及以上。

3、便携机中事先安装好SPSS Statistics v24版本及以上。

注:讲师可以提供试用版本软件及分析数据源。

【授课方式】

基础知识精讲 + 案例演练 + 实际业务问题分析 + 工具实际操作

本课程突出数据挖掘的实际应用,结合行业的典型应用特点,从实际问题入手,引出相关知识,进行大数据的收集与处理;引导学员思考,构建分析模型,进行数据分析与挖掘,以及数据呈现与解读,全过程演练操作,以达到提升学员的数据综合分析能力,支撑运营决策的目的。

【课程大纲】

第一部分:数据挖掘标准流程

1、数据挖掘概述

2、数据挖掘的标准流程(CRISP-DM)

商业理解

数据准备

数据理解

模型建立

模型评估

模型应用

案例:客户流失预测及客户挽留

3、数据集的基本知识

a)存储类型

b)统计类型

c)角度

4、SPSS工具简介

第二部分:数据预处理过程

1、数据预处理的基本步骤

数据读取、数据理解、数据处理、变量处理、探索分析

2、数据预处理的主要任务

数据集成:多个数据集的合并

数据清理:异常值的处理

数据处理:数据筛选、数据精简、数据平衡

变量处理:变量变换、变量派生、变量精简

数据归约:实现降维,避免维灾难

3、数据集成

外部数据读入:Txt/Excel/SPSS/Database

数据追加(添加数据)

变量合并(添加变量)

4、数据理解(异常数据处理)

取值范围限定

重复值处理

无效值/错误值处理

缺失值处理

离群值/极端值处理

数据质量评估

5、数据准备:数据处理

数据筛选:数据抽样/选择(减少样本数量)

数据精简:数据分段/离散化(减少变量的取值个数)

数据平衡:正反样本比例均衡

6、数据准备:变量处理

变量变换:原变量取值更新,比如标准化

变量派生:根据旧变量生成新的变量

变量精简:降维,减少变量个数

7、数据降维

常用降维方法

如何确定变量个数

特征选择:选择重要变量,剔除不重要的变量

从变量本身考虑

从输入变量与目标变量的相关性考虑

对输入变量进行合并

因子分析(主成分分析)

因子分析的原理

因子个数如何选择

如何解读因子含义

案例:提取影响电信客户流失的主成分分析

8、数据探索性分析

常用统计指标分析

单变量:数值变量/分类变量

双变量:交叉分析/相关性分析

多变量:特征选择、因子分析

演练:描述性分析(频数、描述、探索、分类汇总)

第三部分:数据可视化篇

1、数据可视化的原则

2、常用可视化工具

3、常用可视化图形

柱状图、条形图、饼图、折线图、箱图、散点图等

4、图形的表达及适用场景

演练:各种图形绘制

第四部分:影响因素分析篇

问题:如何判断一个因素对另一个因素有影响?比如营销费用是否会影响销售额?产品价格是否会影响销量?产品的陈列位置是否会影响销量?

风险控制的关键因素有哪些?如何判断?

1、影响因素分析的常见方法

2、相关分析(衡量变量间的的相关性)

问题:这两个属性是否会相互影响?影响程度大吗?营销费用会影响销售额吗?

什么是相关关系

相关系数:衡量相关程度的指标

相关系数的三个计算公式

相关分析的假设检验

相关分析的基本步骤

相关分析应用场景

演练:体重与腰围的关系

演练:营销费用会影响销售额吗

演练:哪些因素与汽车销量有相关性

演练:通信费用与开通月数的相关分析

案例:酒楼生意好坏与报纸销量的相关分析

偏相关分析

距离相关分析

3、方差分析

问题:哪些才是影响销量的关键因素?

方差分析解决什么问题

方差分析种类:单因素/双因素可重复/双因素无重复

方差分析的应用场景

方差分析的原理与步骤

如何解决方差分析结果

演练:终端摆放位置与终端销量有关吗?

演练:开通月数驿客户流失的影响分析

演练:客户学历对消费水平的影响分析

演练:广告和价格是影响终端销量的关键因素吗

演练:营业员的性别、技能级别产品销量有影响吗?

案例:2015年大学生工资与父母职业的关系

案例:医生洗手与婴儿存活率的关系

演练:寻找影响产品销量的关键因素

多因素方差分析原理

多因素方差结果的解读

演练:广告形式、地区对销量的影响因素分析(多因素)

协方差分析原理

演练:饲料对生猪体重的影响分析(协方差分析)

4、列联分析(两类别变量的相关性分析)

交叉表与列联表

卡方检验的原理

卡方检验的几个计算公式

列联表分析的适用场景

案例:套餐类型对客户流失的影响分析

案例:学历对业务套餐偏好的影响分析

案例:行业/规模对风控的影响分析

第五部分:数据建模过程篇

1、预测建模六步法

选择模型:基于业务选择恰当的数据模型

属性筛选:选择对目标变量有显著影响的属性来建模

训练模型:采用合适的算法对模型进行训练,寻找到最合适的模型参数

评估模型:进行评估模型的质量,判断模型是否可用

优化模型:如果评估结果不理想,则需要对模型进行优化

应用模型:如果评估结果满足要求,则可应用模型于业务场景

2、数据挖掘常用的模型

数值预测模型:回归预测、时序预测等

分类预测模型:逻辑回归、决策树、神经网络、支持向量机等

市场细分:聚类、RFM、PCA等

产品推荐:关联分析、协同过滤等

产品优化:回归、随机效用等

产品定价:定价策略/最优定价等

3、属性筛选/特征选择/变量降维

基于变量本身特征

基于相关性判断

因子合并(PCA等)

IV值筛选(评分卡使用)

基于信息增益判断(决策树使用)

4、模型评估

模型质量评估指标:R^2、正确率/查全率/查准率/特异性等

预测值评估指标:MAD、MSE/RMSE、MAPE、概率等

模型评估方法:留出法、K拆交叉验证、自助法等

其它评估:过拟合评估

5、模型优化

优化模型:选择新模型/修改模型

优化数据:新增显著自变量

优化公式:采用新的计算公式

6、模型实现算法(暂略)

7、好模型是优化出来的

案例:通信客户流失分析及预警模型

第六部分:数值预测模型篇

问题:如何预测产品的销量/销售金额?如果产品跟随季节性变动,该如何预测?新产品上市,如果评估销量上限及销售增速?

1、销量预测与市场预测——让你看得更远

2、回归预测/回归分析

问题:如何预测未来的销售量(定量分析)?

回归分析的基本原理和应用场景

回归分析的种类(一元/多元、线性/曲线)

得到回归方程的几种常用方法

回归分析的五个步骤与结果解读

回归预测结果评估(如何评估预测质量,如何选择最佳回归模型)

演练:散点图找推广费用与销售额的关系(一元线性回归)

演练:推广费用、办公费用与销售额的关系(多元线性回归)

演练:让你的营销费用预算更准确

演练:如何选择最佳的回归预测模型(曲线回归)

带分类变量的回归预测

演练:汽车季度销量预测

演练:工龄、性别与终端销量的关系

演练:如何评估销售目标与资源配置(营业厅)

3、时序预测

问题:随着时间变化,未来的销量变化趋势如何?

时序分析的应用场景(基于时间的变化规律)

移动平均MA的预测原理

指数平滑ES的预测原理

自回归移动平均ARIMA模型

如何评估预测值的准确性?

案例:销售额的时序预测及评估

演练:汽车销量预测及评估

演练:电视机销量预测分析

演练:上海证券交易所综合指数收益率序列分析

演练:服装销售数据季节性趋势预测分析

4、季节性预测模型

季节性回归模型的参数

常用季节性预测模型(相加、相乘)

案例:美国航空旅客里程的季节性趋势分析

案例:产品销售季节性趋势预测分析

5、新产品预测模型与S曲线

如何评估销量增长的拐点

珀尔曲线与龚铂兹曲线

案例:如何预测产品的销售增长拐点,以及销量上限

演戏:预测IPad产品的销量

6、自定义模型(如何利用规划求解进行自定义模型)

案例:如何对餐厅客流量进行建模及模型优化

第七部分:回归模型优化篇

1、回归模型的基本原理

三个基本概念:总变差、回归变差、剩余变差

方程的显著性检验:是否可以做回归分析?

拟合优度检验:回归模型的质量评估?

因素的显著性检验:自变量是否可用?

理解标准误差的含义:预测的准确性?

2、模型优化思路:寻找最佳回归拟合线

如何处理异常数据(残差与异常值排除)

如何剔除非显著因素(因素显著性检验)

如何进行非线性关系检验

如何进行相互作用检验

如何进行多重共线性检验

如何检验误差项

如何判断模型过拟合

案例:模型优化案例

第八部分:分类预测模型篇

问题:如何评估客户购买产品的可能性?如何预测客户的购买行为?如何提取某类客户的典型特征?如何向客户精准推荐产品或业务?

1、分类模型概述

2、常见分类预测模型

3、评估分类模型的常用指标

正确率、查全率/查准率、特异性等

4、逻辑回归模型(LR)

逻辑回归模型原理及适用场景

逻辑回归种类:二项/多项逻辑回归

如何解读逻辑回归方程

案例:如何评估用户是否会购买某产品(二项逻辑回归)

消费者品牌选择模型分析

案例:多品牌选择模型分析(多项逻辑回归)

5、分类决策树(DT)

问题:如何预测客户行为?如何识别潜在客户?

风控:如何识别欠贷者的特征,以及预测欠贷概率?

客户保有:如何识别流失客户特征,以及预测客户流失概率?

决策树分类简介

如何评估分类性能?

案例:美国零售商(Target)如何预测少女怀孕

演练:识别银行欠货风险,提取欠贷者的特征

构建决策树的三个关键问题

如何选择最佳属性来构建节点

如何分裂变量

修剪决策树

选择最优属性

熵、基尼索引、分类错误

属性划分增益

如何分裂变量

多元划分与二元划分

连续变量离散化(最优划分点)

修剪决策树

剪枝原则

预剪枝与后剪枝

构建决策树的四个算法

C5.0、CHAID、CART、QUEST

各种算法的比较

如何选择最优分类模型?

案例:商场酸奶购买用户特征提取

案例:电信运营商客户流失预警与客户挽留

案例:识别拖欠银行货款者的特征,避免不良货款

案例:识别电信诈骗者嘴脸,让通信更安全

6、人工神经网络(ANN)

神经网络概述

神经网络基本原理

神经网络的结构

神经网络的建立步骤

神经网络的关键问题

BP反向传播网络(MLP)

径向基网络(RBF)

案例:评估银行用户拖欠货款的概率

7、判别分析(DA)

判别分析原理

距离判别法

典型判别法

贝叶斯判别法

案例:MBA学生录取判别分析

案例:上市公司类别评估

8、K近邻分类(KNN)

基本原理

关键问题

9、贝叶斯分类(NBN)

贝叶斯分类原理

计算类别属性的条件概率

估计连续属性的条件概率

贝叶斯网络种类:TAN/马尔科夫毯

预测分类概率(计算概率)

案例:评估银行用户拖欠货款的概率

10、支持向量机(SVM)

SVM基本原理

线性可分问题:最大边界超平面

线性不可分问题:特征空间的转换

维空难与核函数

第九部分:市场细分模型篇

问题:我们的客户有几类?各类特征是什么?如何实现客户细分,开发符合细分市场的新产品?如何提取客户特征,从而对产品进行市场定位?

1、市场细分的常用方法

有指导细分

无指导细分

2、聚类分析

如何更好的了解客户群体和市场细分?

如何识别客户群体特征?

如何确定客户要分成多少适当的类别?

聚类方法原理介绍

聚类方法作用及其适用场景

聚类分析的种类

K均值聚类(快速聚类)

案例:移动三大品牌细分市场合适吗?

演练:宝洁公司如何选择新产品试销区域?

演练:如何评选优秀员工?

演练:中国各省份发达程度分析,让数据自动聚类

层次聚类(系统聚类):发现多个类别

R型聚类与Q型聚类的区别

案例:中移动如何实现客户细分及营销策略

演练:中国省市经济发展情况分析(Q型聚类)

演练:裁判评分的标准衡量,避免“黑哨”(R型聚类)

两步聚类

3、主成分分析PCA分析

主成分分析原理

主成分分析基本步骤

主成分分析结果解读

演练:PCA探索汽车购买者的细分市场

4、RFM模型客户细分框架

第十部分:客户价值评估

1、客户价值评估与RFM模型

问题:如何评估客户的价值?如何针对不同客户采取不同的营销策略?

RFM模型,更深入了解你的客户价值

RFM的客户细分框架理解

RFM模型与市场策略

RFM模型与活跃度

演练:“双11”淘宝商家如何选择客户进行促销

演练:结合响应模型,宜家IKE实现最大化营销利润

演练:重购用户特征分析

第十一部分:假设检验篇

1、参数检验分析(样本均值检验)

问题:如何验证营销效果的有效性?

假设检验概述

单样本T检验

两独立样本T检验

两配对样本T检验

假设检验适用场景

电信行业

案例:电信运营商ARPU值评估分析(单样本)

案例:营销活动前后分析(两配对样本)

金融行业

案例:信用卡消费金额评估分析(单样本)

医疗行业

案例:吸烟与胆固醇升高的分析(两独立样本)

案例:减肥效果评估(两配对样本)

2、非参数检验分析(样本分布检验)

问题:这些属性数据的分布情况如何?如何从数据分布中看出问题?

非参数检验概述

单样本检验

两独立样本检验

两相关样本检验

两配对样本检验

非参数检验适用场景

案例:产品合格率检验(单样本-二项分布)

案例:训练新方法有效性检验(两配对样本-符号/秩检验)

案例:促销方式效果检验(多相关样本-Friedman检验)

案例:客户满意度差异检验(多相关样本-Cochran Q检验)

第十二部分:实战-数据挖掘项目

实战1:客户流失预警与客户挽留之真实数据分析实践

实战2:银行信用风险分析

结束:课程总结与问题答疑。

傅老师

华为系大数据专家

计算机软件与理论硕士研究生(研究方向:数据挖掘、搜索引擎)。在华为工作十年,五项国家专利,在华为工作期间获得华为数项奖项,曾在英国、日本、荷兰和比利时等海外市场做项目,对大数据有深入的研究。

傅老师专注于大数据分析与挖掘、机器学习等应用技术,以及大数据系统部署解决方案。旨在将大数据的数据分析、数据挖掘、数据建模应用于行业及商业领域,解决行业实际的问题。

1、让决策更科学:将大数据应用于运营决策,用大数据探索领域发展规律和行业发展趋势,有效分析用户需求,并预测用户行为,最终实现市场变化预测,提升企业科学决策能力。

2、让管理更高效:将大数据应用于企业管理,用大数据呈现企业整体运营情况,诊断企业管理问题和风险,全面理解组织、产品、人员、营销、财务等要素间的相关性,实现企业资源的最优化配置,提升企业管理效率。

3、让营销更精准:将大数据应用于市场营销,解决营销中的用户群细分和品牌定位,客户价值评估,产品设计优化,产品最优定价等实际问题,实现精准营销和精准推荐,以最小的营销成本实现最大化的营销效果。

傅老师目前致力于将大数据技术应用于通信、金融、航空、电商、互联网、政府等领域。傅老师的课程最大特色:实战性强!“围绕业务问题+搭建分析框架+运用分析方法+建立分析模型+熟悉分析工具+形成业务策略”。以商业问题为起点,基于实际的业务应用场景(明确目的),搭建全面系统的业务框架和分析维度(分析思路),选择最合适的方法(分析方法),深入浅出的理论讲解(分析模型),使用简单实用的工具操作(分析工具),对分析结果进行有效的解读(数据可视化),最终形成具体的业务建议,实现业务分析/数据分析的闭环。

应用类:

《大数据分析与数据挖掘综合能力提升实战》

《“数”说营销----大数据营销实战与沙盘》

《市场营销大数据分析实战培训》

《大数据建模与模型优化实战培训》

《大数据分析与挖掘之SPSS工具入门与提高》

《金融行业风险预测模型实战培训》

理论/认知/战略类:

《大数据产业现状及应用创新》

《大数据思维与应用创新》

《大数据时代的精准营销》

技术类:

《Hadoop大数据解决方案开发技术基础培训》

《Python开发基础实战》

《大数据分析与挖掘之Python开发实战》

《Python机器学习算法原理及优化实现》

服务客户:

傅老师曾提供过培训咨询服务的客户遍及通信、金融、交通、制造、政府等行业,包括华为、富士康、平安集团、中国银行、招商银行、光大银行、中信银行、交通银行、广电银通、西部航空、海南航空、中国移动、中国联通、中国电信、西部航空、安能物流、广州地铁、富维江森、东风日产、神南矿业、公交集团、广州税务、良品铺子等单位和公司。

金融行业培训客户:

中国银行:《大数据变革与商业模式创新》《大数据时代的精准营销》

广发银行:《大数据下的精准营销实战》四期

中信银行:《大数据分析与挖掘综合能力提升实战》叁期

交通银行:《大数据时代的精准营销》

安信证券:《大数据时代下的金融发展》

平安集团:《大数据思维与应用创新》

平安产险:《大数据分析综合能力提升》

平安寿险:《大数据分析与应用实战》

平安银行:《大数据思维与应用创新》

农业银行:《Python大数据分析与挖掘》叁期

建设银行:《大数据思维与应用创新》两期

光大银行:《大数据分析与数据挖掘应用实战》四期

招商银行:《“数”说营销----大数据营销实战与沙盘》四期

杭州银货通科技:《大数据产业发展及应用创新》

广电银通:《大数据综合能力提升》

平安普惠金融:《Hadoop解决方案技术培训》

浦发银行:《大数据精准营销》

金融壹帐通:《大数据分析与挖掘综合能力提升实战》

中金所:《大数据思维与应用创新》

……

通信行业培训客户:

联通研究院:《大数据预测建模优化》

广州电信:《大数据时代的精准营销》两期

北京电信:《大数据分析综合能力提升》

香港电信:《大数据精准营销实战》

上海电信:《渠道大数据分析与挖掘思路及方法》两期

河北电信:《数据化运营下的大数据分析综合能力提升实战》

南京电信:《大数据视图支撑精准化营销》

佛山电信:《数据挖掘技术及其应用培训》

泉州电信:《大数据挖掘、信息分析及应用培训》

湖北联通:《大数据分析与商业智能》

广东联通:《数据分析与数据挖掘实战培训》两期

江苏联通:《大数据分析综合能力提升》

吉林联通:《大数据分析综合能力提升-中级》

乌鲁木齐联通:《大数据分析综合能力提升》

上海移动:《大数据分析与挖掘、建模及优化》叁期

浙江移动:《大数据分析与数据挖掘应用实战》

江苏移动:《大数据精准营销技能提升实战》

深圳移动:《大数据分析综合能力提升》

广西移动:《大数据发展趋势及在公司营销领域的应用》

辽宁移动2期:《数据分析方法与经营分析技巧》

泉州移动3期:《数说营销—市场营销数据分析与挖掘应用》

德阳移动2期:《大数据挖掘与建模优化实战培训》

浙江移动:《大数据产品营销能力提升》

四川移动:《大数据分析与挖掘综合能力提升》

吉林移动:《数据分析与数据挖掘培训》;

贵州移动:《“数”说营销----大数据营销实战与沙盘》

海南移动:《基于大数据运营的用户行为分析与精准定位》

山东移动:《大数据分析综合能力提升》

深圳移动:《大数据在行业内外的应用》

中国移动终端公司:《大数据分析综合能力提升培训》

中山移动:《“数”说营销----大数据营销实战与沙盘》

东莞移动:《“数”说营销----大数据营销实战与沙盘》

成都移动:《数字化运营下的数据分析与数据挖掘》

眉山移动2期:《大数据分析综合能力提升》

云浮移动:《大数据挖掘和信息提炼专项培训》

阳江移动:《小数据·大运营--运营数据的分析与挖掘》

德阳移动:《电信运营商市场营销数据挖掘应用典型案例》

陕西在线:《“数”说营销----大数据营销实战与沙盘》

四川在线:《“数”说营销----大数据营销实战与沙盘》

大连移动:《“数”说营销----大数据营销实战与沙盘》

内蒙古移动:《大数据分析与Hadoop大数据解决方案》

贵州中移通信:《SPSS数据分析与数据挖掘应用实战》

华为技术:《话务量预测与排班管理》

……

能源汽车交通行业培训客户:

一汽解放锡柴:《大数据思维与应用创新》

广东邮政:《大数据分析综合能力提升实战》

深圳水务:《大数据思维与应用创新》

宁夏国电:《大数据思维与应用》两期

柳州上汽五菱:《大数据下的精准营销实战》

东风商用:《数说营销实战》

东风日产:《大数据分析与数据挖掘应用实战》两期

富维江森(汽车):《数字化运营下的数据分析与数据挖掘应用培训》

广州地铁:《大数据分析与数据挖掘培训》两期

广州地铁:《数据分析与数据建模实战》两期

西部航空:《数字化运营下的数据分析与数据挖掘应用培训》

海南航空:《利用大数据营销提升航线收益》

南方航空:《大数据精准营销实战》两期

北京机场贵宾公司:《市场营销数据的分析》

深圳公交集团:《大数据与智慧交通》

延长壳牌:《大数据分析与挖掘综合能力提升》

神南矿业:《大数据产业发展与应用创新》

宝鸡国电:《大数据分析与挖掘》两期

顺丰快递:《大数据分析综合能力提升实战》

……

其它行业培训客户:

岭南集团:《大数据时代下的精准营销》

ABB:《大数据分析实战培训》

顶新国际:《大数据思维与应用创新》

索菲亚:《大数据分析实战培训》

玫琳凯:《大数据思维与应用》叁期

西部数据:《大数据分析综合能力提升》

无限极:《大数据分析综合能力提升》两期

雅图仕:《大数据分析综合能力提升》

施耐德:《大数据分析综合能力提升》叁期

广州税务:《大数据分析与挖掘实战》叁期

YKK吉田拉链:《大数据分析综合能力提升培训》

富士康:《数据分析综合能力提升培训》

贵州中烟:《互联网+时代的大数据思维》

深圳欣盛商:《电商大数据分析》

安能物流:《大数据挖掘分析及应用实战》

良品铺子:《大数据分析综合能力提升》两期

新时代集团:《问题的挖掘、分析—数据分析技巧》两期培训

挑战牧业:《大数据分析综合能力提升》

易鑫集团:《大数据分析综合能力提升》

赣州监狱:《大数据时代的营销》共三期培训

贺州学院:《大数据时代的人才培养》

……

【学员评价】

傅老师是我目前听过的很少忽悠而多干货的老师,能够将理论讲得深入浅出,将案例讲深讲透,将实战讲得易理解易操作。在课堂中,他能把枯燥的数据说得有生命,在课堂上,他能对学员关注和付出。我不是对数据很喜欢的人,但仍然在课堂中能够感觉到数据的生命力。五天的课让我进入到数据构成的多彩、多维的世界,值得!

——学员分享

某金融行业---《大数据变革与商业模式创新》

傅老师运用全面翔实的案例和不拘一格的语言,全方位剖析大数据发展以来在工具、思维和文化上带来的变革,生动阐述数据分析过程六部曲、数据战略七大思维等经典概述,立体呈现大数据时代企业所面临的机遇与挑战。结合当前关注焦点和时代热点话题,傅老师现场分享了第一代传统营销、第二代互联网营销、第三代大数据营销的进阶升级和精准营销实战应用。在为学员呈现一场思维见识领域盛宴的同时,傅老师还与学员进行了积极互动和现场答疑,在相互交流中启迪智慧、开拓思维,在思想碰撞中点燃大数据时代下的创新引擎,为全行在未来发展中进一步把握经济大势、开展前瞻预判、实施精准决策提供了重要思想指引。

吉林某企业——《数据分析与数据挖掘应用培训》 学员:张经理

五天的培训,让我对数据分析与数据挖掘有了进一步的了解,也学到了技术。以前参加过培训,两天的培训我都觉得有时很难,而这次连续五天的培训,我听课过程当中既然感觉到时间过得很快。

贵州某运营商——《“数”说营销----大数据营销实战》 学员:刘经理

傅老师的课程,开拓了我营销的思维,大数据营销,重在利用数据为营销服务。用户细分、用户特征提取、营销费用预算、客户流失预警,原来可以这样利用大数据,以后不再需要“拍脑袋”了,呵呵。

辽宁某运营商——《数据分析与经营分析实战培训》学员:于经理

傅老师的课程全程高能,信息量巨大,我们已经建议公司安排后续高级课程,期待再次学习,点赞!

我要预订

咨询电话:027-5111 9925 , 027-5111 9926手机:18971071887邮箱:

企业管理培训分类导航

企业培训公开课日历

研发管理培训推荐公开课

名课堂培训讲师团队

江新安-企业培训师
江新安老师

研发管理权威专家,产品管理独立学者 产品全生命周期管理WPLM之父 GE原产品战略经理 益思研发咨询...

肖伟亚-企业培训师
肖伟亚老师

一、肖伟亚老师简介: 1、深圳海之力研发管理顾问机构合伙人、高级顾问、研发管理研究中心主任; 2、国...

王小刚-企业培训师
王小刚老师

王老师拥有13年的研发、项目管理与质量管理经验,曾先后供职于华为技术有限公司、国际商用机器技术有限公...

研发管理培训内训课程

热门企业管理培训关键字