【培訓(xùn)對(duì)象】
1、即將投身于大數(shù)據(jù)、數(shù)據(jù)分析、數(shù)據(jù)挖掘領(lǐng)域的企業(yè)或者個(gè)人； 2、本課程適合于想通過(guò)數(shù)據(jù)化決策制定企業(yè)戰(zhàn)略的決策者； 3、適合于經(jīng)常需要匯報(bào)工作的管理者； 4、對(duì)數(shù)據(jù)可視化分析、數(shù)據(jù)可視化展現(xiàn)等感興趣的人士； 5、對(duì)數(shù)據(jù)分析、數(shù)據(jù)挖掘算法等感興趣的人士； 6、大型集團(tuán)公司、大型網(wǎng)站、電商網(wǎng)站等數(shù)據(jù)挖掘、數(shù)據(jù)分析人員； 7、云計(jì)算、大數(shù)據(jù)從業(yè)者； 8、系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開發(fā)人員； 9、牽涉到大數(shù)據(jù)的數(shù)據(jù)中心運(yùn)維、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人； 10、政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)互聯(lián)網(wǎng)、能源行業(yè)等大數(shù)據(jù)相關(guān)人員； 11、高校、科研院所統(tǒng)計(jì)分析研究員，涉及到數(shù)據(jù)處理的人員；

【培訓(xùn)收益】

時(shí)間 內(nèi)容
第一天
第1個(gè)主題：數(shù)據(jù)分析與數(shù)據(jù)挖掘概述（深入剖析數(shù)據(jù)數(shù)據(jù)分析與數(shù)據(jù)挖掘的過(guò)程與方法，介紹數(shù)據(jù)建模中的機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘）（60分鐘）
1、數(shù)據(jù)分析與建模的概念
2、數(shù)據(jù)分析與建模過(guò)程
3、數(shù)據(jù)分析模型開發(fā)過(guò)程
4、數(shù)據(jù)建模概述
5、機(jī)器學(xué)習(xí)概念
6、機(jī)器學(xué)習(xí)算法剖析
7、算法庫(kù)分類
8、算法庫(kù)
9、深度學(xué)習(xí)
10、神經(jīng)網(wǎng)絡(luò)
11、人工智能
12、商業(yè)智能

第2個(gè)主題：數(shù)據(jù)挖掘和應(yīng)用（介紹數(shù)據(jù)挖掘和應(yīng)用）（60分鐘）
1、數(shù)據(jù)挖掘的基本任務(wù)
2、數(shù)據(jù)挖掘建模過(guò)程
a)定義挖掘目標(biāo)
b)數(shù)據(jù)取樣
c)數(shù)據(jù)探索
d)數(shù)據(jù)預(yù)處理
e)挖掘建模
f)建立模型
g)業(yè)務(wù)理解
h)模型擬合
i)訓(xùn)練集
j)測(cè)試集
k)模型評(píng)價(jià)
3、常用的數(shù)學(xué)預(yù)測(cè)模型
a)線性回歸
b)回歸（預(yù)測(cè)）與分類
c)決策樹與隨機(jī)森林
d)聚類分析（kmeans）
e)關(guān)聯(lián)規(guī)則
f)時(shí)序模式
g)離群點(diǎn)檢測(cè)
h)深度學(xué)習(xí)
i)人工智能
j)神經(jīng)網(wǎng)絡(luò)
4、案例：如何從數(shù)據(jù)中挖掘出有價(jià)值的信息

第3個(gè)主題：數(shù)據(jù)預(yù)處理（剖析數(shù)據(jù)預(yù)處理技術(shù)）（60分鐘）
1、數(shù)據(jù)分析挖掘的過(guò)程
2、建立數(shù)據(jù)庫(kù)的方法
3、企業(yè)對(duì)數(shù)據(jù)分析挖掘的錯(cuò)誤認(rèn)識(shí)
4、有效運(yùn)用數(shù)據(jù)為客戶提供針對(duì)性、主動(dòng)化服務(wù)（精準(zhǔn)營(yíng)銷）
5、數(shù)據(jù)源
6、數(shù)據(jù)采集
7、隨機(jī)抽樣
8、數(shù)據(jù)去重
9、數(shù)據(jù)缺失值處理
10、檢驗(yàn)數(shù)據(jù)邏輯錯(cuò)誤
11、離群點(diǎn)檢測(cè)
12、數(shù)據(jù)轉(zhuǎn)換
13、數(shù)據(jù)分組
14、課堂實(shí)操：數(shù)據(jù)預(yù)處理案例講解

第4個(gè)主題：數(shù)據(jù)的描述性分析（深入剖析數(shù)據(jù)的描述性分析）（60分鐘）
1、統(tǒng)計(jì)學(xué)基本概念
2、統(tǒng)計(jì)數(shù)據(jù)的計(jì)量尺度
3、常用基本統(tǒng)計(jì)量
4、集中趨勢(shì)的描述指標(biāo)
5、離散趨勢(shì)的描述指標(biāo)
6、中心極限定理
7、大數(shù)定律
8、數(shù)據(jù)的分布
9、正態(tài)分布的特征
10、偏度和峰度
11、檢測(cè)數(shù)據(jù)集的分布
12、數(shù)據(jù)的分布擬合檢驗(yàn)與正態(tài)性檢驗(yàn)
13、抽樣標(biāo)準(zhǔn)
14、假設(shè)檢驗(yàn)
15、T檢驗(yàn)
16、置信區(qū)間

第5個(gè)主題：數(shù)據(jù)的可視化（實(shí)踐數(shù)據(jù)可視化）（90分鐘）
1、散點(diǎn)圖
2、直方圖
3、經(jīng)驗(yàn)分布函數(shù)
4、QQ圖
5、莖葉圖
6、離群點(diǎn)檢測(cè)
7、箱型圖檢驗(yàn)離群值
8、蓋帽法
9、課堂實(shí)操：SPSS描述性統(tǒng)計(jì)分析實(shí)現(xiàn)航空業(yè)客戶描述和行為分析模型

第6個(gè)主題：主成分分析和因子分析（深入剖析主成分分析及因子分析）（30分鐘）
1、主成分分析
2、總體主成分
3、樣本主成分
4、主成分分析模型
5、案例：SPSS主成分分析模型實(shí)現(xiàn)
6、課堂實(shí)操：SPSS主成分分析模型實(shí)現(xiàn)

第7個(gè)主題：方差分析（深入剖析方差分析方法及SPSS實(shí)現(xiàn)）（30分鐘）
1、單因素方差分析
2、單因素方差分析模型
3、因素效應(yīng)的顯著性檢驗(yàn)
4、因素各水平均值的估計(jì)與比較
5、兩因素等重復(fù)試驗(yàn)下的方差分析
6、統(tǒng)計(jì)模型
7、交互效應(yīng)及因素效應(yīng)的顯著性檢驗(yàn)
8、無(wú)交互效應(yīng)時(shí)各因素均值的估計(jì)與比較
9、有交互效應(yīng)時(shí)因素各水平組合上的均值估計(jì)與比較
10、兩因素非重復(fù)試驗(yàn)下的方差分析
11、金融案例：SPSS方差分析實(shí)現(xiàn)
12、課堂實(shí)操：SPSS方差分析實(shí)現(xiàn)

第8個(gè)主題：Bayes統(tǒng)計(jì)分析（深入剖析Bayes統(tǒng)計(jì)分析）（30分鐘）
1、Baves統(tǒng)計(jì)模型
2、Bayes統(tǒng)計(jì)分析的基本思想
3、Bayes統(tǒng)計(jì)模型
4、Bayes統(tǒng)計(jì)推斷原則
5、先驗(yàn)分布的Bayes假設(shè)與不變先驗(yàn)分布
6、共軛先驗(yàn)分布
7、先驗(yàn)分布中超參數(shù)的確定
8、Baves統(tǒng)計(jì)推斷
9、參數(shù)的Bayes點(diǎn)估計(jì)
10、Bayes區(qū)間估計(jì)
11、Bayes假設(shè)檢驗(yàn)
12、案例：SPSS實(shí)現(xiàn)Bayes統(tǒng)計(jì)分析建模
13、課堂實(shí)操：SPSS實(shí)現(xiàn)Bayes統(tǒng)計(jì)分析建模

時(shí)間 內(nèi)容
第二天
第9個(gè)主題：數(shù)學(xué)建模（深入剖析數(shù)學(xué)建模）（30分鐘）
1、數(shù)學(xué)建模
2、數(shù)學(xué)預(yù)測(cè)模型
3、模型評(píng)估
4、模型參數(shù)優(yōu)化

第10個(gè)主題：回歸分析與分類分析原理與應(yīng)用（深入剖析數(shù)據(jù)的回歸分析與分類分析的原理以及應(yīng)用）（120分鐘）
1、回歸與分類
2、回歸分析概念
3、線性回歸模型及其參數(shù)估計(jì)
4、一元線性回歸
5、一元線性回歸模型
6、一元線性回歸模型求解參數(shù)
7、損失函數(shù)
8、求偏導(dǎo)
9、回歸方程的顯著性檢驗(yàn)
10、殘差分析
11、誤差項(xiàng)的正態(tài)性檢驗(yàn)
12、殘差圖分析
13、統(tǒng)計(jì)推斷與預(yù)測(cè)
14、回歸模型的選取
15、窮舉法
16、逐步回歸法
17、嶺回歸分析
18、SPSS一元線性回歸
19、金融案例：SPSS一元線性回歸模型檢驗(yàn)
20、多元線性回歸概述
21、多元線性回歸模型
22、金融案例：SPSS多元線性回歸實(shí)現(xiàn)航空業(yè)信用打分和評(píng)級(jí)模型

第11個(gè)主題：Logistic回歸分析（剖析Logistic回歸與其它回歸分析方法）（60分鐘）
1、Logistic回歸介紹
2、Logistic函數(shù)
3、Logistic回歸模型
4、案例：SPSS Logistic回歸實(shí)現(xiàn)
5、課堂實(shí)操：SPSS Logistic回歸實(shí)現(xiàn)航空業(yè)欺詐預(yù)測(cè)模型
6、課堂實(shí)操：SPSS Logistic回歸實(shí)現(xiàn)航空業(yè)風(fēng)險(xiǎn)分析模型

第12個(gè)主題：非線性回歸原理及應(yīng)用（剖析非線性回歸原理及應(yīng)用實(shí)踐）（60分鐘）
1、非線性回歸
2、雙曲線函數(shù)
3、冪函數(shù)
4、指數(shù)函數(shù)
5、對(duì)數(shù)函數(shù)
6、S型曲線
7、案例：SPSS非線性回歸實(shí)現(xiàn)
8、課堂實(shí)操：SPSS非線性回歸實(shí)現(xiàn)航空業(yè)經(jīng)營(yíng)分析和績(jī)效分析模型

第13個(gè)主題：數(shù)據(jù)建模常用距離（深入剖析數(shù)據(jù)建模過(guò)程中常用的距離模型）（30分鐘）
1、數(shù)據(jù)挖掘常用距離
2、歐氏距離
3、曼哈頓距離
4、切比雪夫距離
5、閔可夫斯基距離
6、標(biāo)準(zhǔn)化歐氏距離
7、馬氏距離
8、夾角余弦
9、漢明距離
10、杰卡德距離 & 杰卡德相似系數(shù)
11、相關(guān)系數(shù) & 相關(guān)距離
12、信息熵

時(shí)間 內(nèi)容

第14個(gè)主題：聚類分析與建模實(shí)現(xiàn)（深入剖析聚類分析以及通過(guò)SPSS聚類算法模型分析數(shù)據(jù)）（60分鐘）
1、聚類分析
2、聚類算法
3、樣品間相近性的度量
4、快速聚類法
5、快速聚類法的步驟
6、用Lm距離進(jìn)行快速聚類
7、譜系聚類法
8、類間距離及其遞推公式
9、譜系聚類法的步驟
10、變量聚類
11、案例：SPSS聚類實(shí)現(xiàn)及繪圖
12、案例：Kmeans應(yīng)用案例剖析
13、課堂實(shí)操：編寫程序?qū)崿F(xiàn)Kmeans應(yīng)用案例剖析

第15個(gè)主題：決策樹分析與實(shí)現(xiàn)（深入剖析決策樹分析以及通過(guò)SPSS決策樹模型分析數(shù)據(jù)）（60分鐘）
1、決策樹分析
2、決策樹
3、決策樹構(gòu)成要素
4、決策樹算法原理
5、決策樹法的決策過(guò)程
6、決策樹算法
7、案例：SPSS實(shí)現(xiàn)決策樹分析
8、課堂實(shí)操：SPSS實(shí)現(xiàn)航空業(yè)客戶細(xì)分模型
9、隨機(jī)森林

第16個(gè)主題：關(guān)聯(lián)規(guī)則分析與實(shí)現(xiàn)（深入剖析關(guān)聯(lián)規(guī)則分析以及通過(guò)SPSS關(guān)聯(lián)規(guī)則算法模型分析數(shù)據(jù)）（60分鐘）
1、關(guān)聯(lián)規(guī)則
2、支持度與置信度
3、關(guān)聯(lián)規(guī)則挖掘的過(guò)程
4、Apriori算法
5、關(guān)聯(lián)規(guī)則案例
6、支持度與置信度計(jì)算
7、案例：SPSS實(shí)現(xiàn)關(guān)聯(lián)規(guī)則
8、課堂實(shí)操：SPSS實(shí)現(xiàn)航空業(yè)數(shù)據(jù)關(guān)聯(lián)規(guī)則分析

第17個(gè)主題：數(shù)據(jù)建模時(shí)序模式分析與實(shí)現(xiàn)（深入剖析時(shí)序模式分析）（60分鐘）
1、時(shí)序模式
2、時(shí)間序列分析
3、時(shí)間序列分析
4、時(shí)間序列
5、序列分析的三個(gè)階段
6、課堂實(shí)操：SPSS實(shí)現(xiàn)航空業(yè)客戶流失模型

第18個(gè)主題：數(shù)據(jù)分析工具SPSS/SAS在金融行業(yè)應(yīng)用案例（深入剖析數(shù)據(jù)分析工具SPSS/SAS在金融行業(yè)應(yīng)用案例）（60分鐘）
1、案例：風(fēng)險(xiǎn)分析模型
2、案例：信用打分和評(píng)級(jí)模型
3、案例：客戶細(xì)分模型
4、案例：客戶描述和行為分析模型
5、案例：欺詐預(yù)測(cè)模型
6、案例：客戶流失模型
7、案例：經(jīng)營(yíng)分析和績(jī)效分析模型
8、案例：交叉銷售和增量銷售模型
9、案例：SPSS實(shí)現(xiàn)航空業(yè)客戶流失模型建模
10、課堂實(shí)操：SPSS實(shí)現(xiàn)金融行業(yè)客戶流失模型建模

第19個(gè)主題：大數(shù)據(jù)個(gè)性化精準(zhǔn)推薦實(shí)戰(zhàn)（深入理解大數(shù)據(jù)個(gè)性化精準(zhǔn)推薦原理和實(shí)現(xiàn)技術(shù)）（60分鐘）
1、個(gè)性化推薦的理論依據(jù)
2、個(gè)性化推薦的價(jià)值
3、個(gè)性化推薦能達(dá)到的目的
4、個(gè)性化推薦的原則
5、個(gè)性化推薦技術(shù)發(fā)展史
6、個(gè)性化推薦的相關(guān)技術(shù)
7、基于用戶的常用推薦算法
8、基于用戶的協(xié)同過(guò)濾推薦
9、課堂實(shí)操：SPSS實(shí)現(xiàn)航空業(yè)交叉銷售和增量銷售模型 

尹老師
多年從事人工智能、深度學(xué)習(xí)、大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、物聯(lián)網(wǎng)研發(fā)工作經(jīng)驗(yàn)，資深軟件架構(gòu)師，數(shù)學(xué)博士，北航移動(dòng)云計(jì)算碩士，Cloudera大數(shù)據(jù)認(rèn)證（圖1），項(xiàng)目管理師（PMP）認(rèn)證（圖2），移動(dòng)云計(jì)算專家，主要研究方向包括人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、云計(jì)算、移動(dòng)開發(fā)、互聯(lián)網(wǎng)營(yíng)銷、電子商務(wù)、項(xiàng)目管理等；曾就職于阿里等互聯(lián)網(wǎng)企業(yè)，IBM、華為等知名大型企業(yè)，現(xiàn)任某大型知名互聯(lián)網(wǎng)企業(yè)首席架構(gòu)，負(fù)責(zé)人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、PaaS平臺(tái)研發(fā)工作。
IT從業(yè)近二十年，秉承理論與實(shí)踐相結(jié)合，在學(xué)習(xí)中實(shí)踐，在實(shí)踐中學(xué)習(xí)，積累了豐富的理論與實(shí)踐經(jīng)驗(yàn)，并且樂(lè)于將自己的經(jīng)驗(yàn)分享。尹老師具有敏銳的目光與頭腦，發(fā)現(xiàn)并集成整合社會(huì)資源，為企業(yè)節(jié)省資源并創(chuàng)造價(jià)值，達(dá)到為合作伙伴創(chuàng)收的目的。曾為多家國(guó)內(nèi)知名企業(yè)提供培訓(xùn)與咨詢，包含阿里集團(tuán)、華為、中國(guó)移動(dòng)、中國(guó)電信、中國(guó)聯(lián)通、當(dāng)當(dāng)網(wǎng)、中石油、中石化、中國(guó)電網(wǎng)、中國(guó)銀行、中國(guó)工商銀行、浦發(fā)銀行、阿爾卡特朗訊、中航國(guó)際等。擁有人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、大流量、高并發(fā)、分布式的大型網(wǎng)站架構(gòu)和設(shè)計(jì)經(jīng)驗(yàn)。曾主導(dǎo)過(guò)多個(gè)人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)分析、區(qū)塊鏈、物聯(lián)網(wǎng)、私有云、公有云建設(shè)項(xiàng)目，早些年也主導(dǎo)過(guò)ERP、CMS等軟件項(xiàng)目，積累了豐富的實(shí)踐經(jīng)驗(yàn)，這些項(xiàng)目中包含多個(gè)數(shù)百萬(wàn)、上千萬(wàn)的大型項(xiàng)目。項(xiàng)目經(jīng)歷：呼叫中心人工智能客服研發(fā)項(xiàng)目、貴州省政府云呼叫中心建設(shè)項(xiàng)目、廣東發(fā)展銀行電營(yíng)、運(yùn)維大數(shù)據(jù)分析項(xiàng)目、中石油工程設(shè)計(jì)西南分公司云計(jì)算項(xiàng)目評(píng)審委員、中石油大數(shù)據(jù)挖掘項(xiàng)目，電商庫(kù)存預(yù)測(cè)大數(shù)據(jù)分析項(xiàng)目、大型ERP、電子商務(wù)、CRM、電子政務(wù)等多個(gè)項(xiàng)目。
尹老師在工作中研究新技術(shù)、新框架、及時(shí)更新知識(shí)體系，并長(zhǎng)期堅(jiān)持編寫架構(gòu)核心代碼。在技術(shù)平臺(tái)方面，善于TensorFlow、Keras、Hadoop、Spark、Docker、Kubernetes、OpenStack、Storm等技術(shù)平臺(tái)的應(yīng)用與運(yùn)維。深入理解TensorFlow、Keras、Hadoop、HDFS、HBase、MapReduce、Zookeeper、Hive、Sqoop、BigTable 等人工智能、大數(shù)據(jù)技術(shù)和開源框架理論。對(duì)于云計(jì)算體系有深刻認(rèn)識(shí)，及獨(dú)到的見解，如OpenStack的技術(shù)架構(gòu)、安裝部署、運(yùn)維等。在移動(dòng)云計(jì)算方面，善于設(shè)計(jì)與建設(shè)云計(jì)算體系；也善于移動(dòng)云計(jì)算相關(guān)的咨詢與培訓(xùn)。在項(xiàng)目管理方面，善于使用敏捷項(xiàng)目管理方法，把客戶的需求變更作為常態(tài)，作為軟件架構(gòu)設(shè)計(jì)的一部分，減少需求變更帶來(lái)的返工；善于捕捉、挖掘、分析客戶需求，為用戶提供滿意的產(chǎn)品。

圖1. 大數(shù)據(jù)行業(yè)公認(rèn)的Cloudera認(rèn)證

圖2. 含金量較高的PMP認(rèn)證

講師經(jīng)驗(yàn)
1、阿里巴巴集團(tuán)云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師
2、百度云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師及講師
3、中國(guó)移動(dòng)多省人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計(jì)算特聘講師
4、中國(guó)移動(dòng)多省Docker特聘講師
5、中國(guó)移動(dòng)研究院微特聘講師
6、中國(guó)聯(lián)通總部人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計(jì)算特聘講師
7、中國(guó)電信人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計(jì)算、虛擬化特約講師
8、中國(guó)人民銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師
9、中國(guó)工商銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)講師
10、花旗銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)講師
11、招商銀行人工智能、大數(shù)據(jù)調(diào)優(yōu)、區(qū)塊鏈、物聯(lián)網(wǎng)講師
12、中信銀行人工智能、分布式數(shù)據(jù)庫(kù)、區(qū)塊鏈、物聯(lián)網(wǎng)講師
13、中國(guó)航天三院人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師
14、中國(guó)石油人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計(jì)算特聘講師
15、中國(guó)石化人工智能、大數(shù)據(jù)、云計(jì)算特聘講師
16、中國(guó)電力科學(xué)研究院流計(jì)算特聘講師
17、西安電信十所人工智能、大數(shù)據(jù)架構(gòu)設(shè)計(jì)、區(qū)塊鏈、物聯(lián)網(wǎng)講師
18、RedHat（中國(guó)）大數(shù)據(jù)咨詢師
19、中電28所人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師
20、北京中電普華人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師
21、中國(guó)石油東方地球物理公司大數(shù)據(jù)咨詢師
22、當(dāng)當(dāng)網(wǎng)人工智能、云計(jì)算、大數(shù)據(jù)咨詢師
23、北航人工智能、云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘企業(yè)講師
24、阿爾卡特-朗訊（Alcatel-Lucent）虛擬化與OpenStack培訓(xùn)特約講師
25、中石油工程設(shè)計(jì)西南分公司云計(jì)算數(shù)據(jù)中心建設(shè)項(xiàng)目
26、廣東發(fā)展信用卡精準(zhǔn)營(yíng)銷項(xiàng)目
27、廣東發(fā)展銀行電營(yíng)、運(yùn)維大數(shù)據(jù)分析項(xiàng)目
28、電商庫(kù)存預(yù)測(cè)大數(shù)據(jù)分析項(xiàng)目
29、中航國(guó)際大綜貿(mào)易云計(jì)算規(guī)劃項(xiàng)目咨詢、培訓(xùn)講師
30、北京民生軟件SaaS平臺(tái)研發(fā)咨詢師
31、北京立達(dá)資本項(xiàng)目管理信息系統(tǒng)解決方案咨詢師
32、曾任大型ERP、電子商務(wù)、CRM、電子政務(wù)等項(xiàng)目經(jīng)理

項(xiàng)目經(jīng)驗(yàn)
1、云呼叫中心人工智能客服項(xiàng)目研發(fā)
2、云呼叫中心PaaS平臺(tái)首席架構(gòu)師
3、貴州省政府云呼叫中心建設(shè)項(xiàng)目
4、廣東發(fā)展信用卡智能精準(zhǔn)營(yíng)銷項(xiàng)目
5、廣東發(fā)展銀行電營(yíng)、運(yùn)維大數(shù)據(jù)分析、區(qū)塊鏈、物聯(lián)網(wǎng)項(xiàng)目
6、中石油工程設(shè)計(jì)西南分公司云計(jì)算項(xiàng)目評(píng)審委員、培訓(xùn)講師
7、中石油人工智能、大數(shù)據(jù)挖掘、區(qū)塊鏈、物聯(lián)網(wǎng)項(xiàng)目，項(xiàng)目經(jīng)理
8、電商庫(kù)存預(yù)測(cè)大數(shù)據(jù)分析項(xiàng)目
9、智能物流、智能供應(yīng)鏈管理項(xiàng)目
10、中航國(guó)際大綜貿(mào)易云計(jì)算規(guī)劃項(xiàng)目咨詢、培訓(xùn)講師
11、北京民生軟件SaaS平臺(tái)研發(fā)咨詢師
12、北京立達(dá)資本項(xiàng)目管理信息系統(tǒng)解決方案咨詢師
13、曾任大型ERP、電子商務(wù)、CRM、電子政務(wù)等多個(gè)項(xiàng)目的項(xiàng)目經(jīng)理 

• 業(yè)務(wù)數(shù)據(jù)分析II（Excel）

   

  【課程背景】數(shù)據(jù)分析有多個(gè)含義，普通含義的數(shù)據(jù)分析包括展現(xiàn)數(shù)據(jù)的趨勢(shì)，對(duì)數(shù)據(jù)做分類匯總，發(fā)現(xiàn)其中的TOPN數(shù)據(jù)，對(duì)比數(shù)據(jù)的不同與變化等。這些常規(guī)分析可以通過(guò)數(shù)據(jù)透視表來(lái)完成。這些內(nèi)容在課程《業(yè)務(wù)數(shù)據(jù)分析I》中已經(jīng)詳細(xì)介紹了。而對(duì)數(shù)據(jù)的深入分析還包括發(fā)現(xiàn)數(shù)據(jù)之間的模式，規(guī)律，相關(guān)性及因果關(guān)系，預(yù)測(cè)未來(lái)業(yè)務(wù)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析從而發(fā)現(xiàn)問(wèn)題等等。 ..

  ￥   元/ 天

  人氣：1018  

  

• 業(yè)務(wù)數(shù)據(jù)分析I（Excel）

   

  【課程背景】數(shù)據(jù)分析是數(shù)據(jù)應(yīng)用的重要目的。海量的，紛繁復(fù)雜的原始數(shù)據(jù)只有經(jīng)過(guò)分析才能抽取關(guān)鍵信息，獲得對(duì)數(shù)據(jù)的準(zhǔn)確認(rèn)知，才能對(duì)未來(lái)起到知道作用。本課程從準(zhǔn)備數(shù)據(jù)開始，一步一步的經(jīng)過(guò)數(shù)據(jù)整理，分析，最終做出報(bào)表呈現(xiàn)分析結(jié)果，并通過(guò)各個(gè)領(lǐng)域的案例，使您可以快速將學(xué)習(xí)到的分析和預(yù)測(cè)方法落實(shí)到您的實(shí)際工作中?！菊n程大綱】（..

  ￥   元/ 天

  人氣：965  

  

• 數(shù)據(jù)分析與圖示化呈現(xiàn)技巧

   

  課程背景據(jù)統(tǒng)計(jì)，我們?nèi)粘９ぷ髦?，通過(guò)視覺獲取的信息超過(guò)70%，所以如何將數(shù)據(jù)圖示化、視覺化，如果讓老板、領(lǐng)導(dǎo)或者客戶、消費(fèi)者在短時(shí)間內(nèi)迅速get到你想表達(dá)的信息在當(dāng)今信息化時(shí)代顯得尤為重要?；谏虅?wù)應(yīng)用需要，Office高效辦公專家李憲磊老師以多年的企業(yè)實(shí)戰(zhàn)工作經(jīng)驗(yàn)和企業(yè)實(shí)際需求為出發(fā)點(diǎn)，開發(fā)出《數(shù)據(jù)分析與圖示化呈現(xiàn)技巧》課程。本課程結(jié)合日常的數(shù)據(jù)信..

  ￥   元/ 天

  人氣：846  

  

• 服裝行業(yè)終端店長(zhǎng)——店鋪商品數(shù)據(jù)分析課程

   

  【課程大綱】1.店鋪商品的構(gòu)成分析2.店鋪商品的訂貨方法3.店鋪商品數(shù)據(jù)分析的要點(diǎn)4.店鋪商品陳列的方法5.店鋪商品促銷管理方法6. 店鋪商品庫(kù)存管理

  ￥   元/ 天

  人氣：1253  

  

• 新零售用戶行為數(shù)據(jù)分析與產(chǎn)品優(yōu)化

   

  第一單元 用戶分類1.用戶分析集中的三個(gè)方面u用戶統(tǒng)計(jì)監(jiān)控u用戶定向營(yíng)銷u用戶調(diào)研2.互聯(lián)網(wǎng)思維——用戶為中心u顧客-用戶u顧客為中心-用戶為中心u顧客至上-用戶體驗(yàn)至上3.用戶分析的指標(biāo)u訪問(wèn)用戶數(shù)u新用戶數(shù)u活躍用戶數(shù)u流失用戶數(shù)4.新老用戶5.新活躍用戶和流失用戶 ..

  ￥   元/ 天

  人氣：976  

  

• 移動(dòng)互聯(lián)網(wǎng)時(shí)代的精焳營(yíng)銷-數(shù)據(jù)分析

   

  一、大數(shù)據(jù)未來(lái)的通行證美國(guó)的大數(shù)據(jù)、阿里的大數(shù)據(jù)大數(shù)據(jù)改變未來(lái)未來(lái)誰(shuí)是王者案例：未來(lái)的一天、IBM的規(guī)劃二、數(shù)據(jù)分析五步法1）數(shù)據(jù)搜集數(shù)據(jù)搜集不等CRM2）數(shù)據(jù)清洗3）數(shù)據(jù)建模4) 數(shù)據(jù)整理三、市場(chǎng)調(diào)查1）市場(chǎng)調(diào)研帶來(lái)哪些價(jià)值機(jī)會(huì)點(diǎn)研究品牌研究廣告促銷研究滿意度研究四、數(shù)據(jù)分..

  ￥   元/ 天

  人氣：2190