【培訓(xùn)對(duì)象】
市場(chǎng)部、業(yè)務(wù)支撐部、數(shù)據(jù)分析部、運(yùn)營(yíng)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。

【培訓(xùn)收益】
1、了解大數(shù)據(jù)挖掘的標(biāo)準(zhǔn)過(guò)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(jiàn)模型，原理及適用場(chǎng)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(wèn)題。

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(hù)流失預(yù)測(cè)及客戶(hù)挽留
3、數(shù)據(jù)集的基本知識(shí)
a)存儲(chǔ)類(lèi)型
b)統(tǒng)計(jì)類(lèi)型
c)角度
4、SPSS工具簡(jiǎn)介

第二部分：數(shù)據(jù)預(yù)處理過(guò)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(jiǎn)、數(shù)據(jù)平衡
變量處理：變量變換、變量派生、變量精簡(jiǎn)
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(wú)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(jiǎn)：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(jiǎn)：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(hù)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(lèi)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(lèi)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(chǎng)景
演練：各種圖形繪制

第四部分：影響因素分析篇
問(wèn)題：如何判斷一個(gè)因素對(duì)另一個(gè)因素有影響？比如營(yíng)銷(xiāo)費(fèi)用是否會(huì)影響銷(xiāo)售額？產(chǎn)品價(jià)格是否會(huì)影響銷(xiāo)量？產(chǎn)品的陳列位置是否會(huì)影響銷(xiāo)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(jiàn)方法
2、相關(guān)分析（衡量變量間的的相關(guān)性）
問(wèn)題：這兩個(gè)屬性是否會(huì)相互影響？影響程度大嗎？營(yíng)銷(xiāo)費(fèi)用會(huì)影響銷(xiāo)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(chǎng)景
演練：體重與腰圍的關(guān)系
演練：營(yíng)銷(xiāo)費(fèi)用會(huì)影響銷(xiāo)售額嗎
演練：哪些因素與汽車(chē)銷(xiāo)量有相關(guān)性
演練：通信費(fèi)用與開(kāi)通月數(shù)的相關(guān)分析
案例：酒樓生意好壞與報(bào)紙銷(xiāo)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(wèn)題：哪些才是影響銷(xiāo)量的關(guān)鍵因素？
方差分析解決什么問(wèn)題
方差分析種類(lèi)：?jiǎn)我蛩?雙因素可重復(fù)/雙因素?zé)o重復(fù)
方差分析的應(yīng)用場(chǎng)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(xiāo)量有關(guān)嗎？
演練：開(kāi)通月數(shù)驛客戶(hù)流失的影響分析
演練：客戶(hù)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(xiāo)量的關(guān)鍵因素嗎
演練：營(yíng)業(yè)員的性別、技能級(jí)別產(chǎn)品銷(xiāo)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(xiāo)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(xiāo)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(lèi)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(chǎng)景
案例：套餐類(lèi)型對(duì)客戶(hù)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(guò)程篇
1、預(yù)測(cè)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(lái)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(mǎn)足要求，則可應(yīng)用模型于業(yè)務(wù)場(chǎng)景
2、數(shù)據(jù)挖掘常用的模型
數(shù)值預(yù)測(cè)模型：回歸預(yù)測(cè)、時(shí)序預(yù)測(cè)等
分類(lèi)預(yù)測(cè)模型：邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等
市場(chǎng)細(xì)分：聚類(lèi)、RFM、PCA等
產(chǎn)品推薦：關(guān)聯(lián)分析、協(xié)同過(guò)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(shù)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(cè)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(guò)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(lái)的
案例：通信客戶(hù)流失分析及預(yù)警模型

第六部分：數(shù)值預(yù)測(cè)模型篇
問(wèn)題：如何預(yù)測(cè)產(chǎn)品的銷(xiāo)量/銷(xiāo)售金額？如果產(chǎn)品跟隨季節(jié)性變動(dòng)，該如何預(yù)測(cè)？新產(chǎn)品上市，如果評(píng)估銷(xiāo)量上限及銷(xiāo)售增速？
1、銷(xiāo)量預(yù)測(cè)與市場(chǎng)預(yù)測(cè)——讓你看得更遠(yuǎn)
2、回歸預(yù)測(cè)/回歸分析
問(wèn)題：如何預(yù)測(cè)未來(lái)的銷(xiāo)售量（定量分析）？
回歸分析的基本原理和應(yīng)用場(chǎng)景
回歸分析的種類(lèi)（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(cè)結(jié)果評(píng)估（如何評(píng)估預(yù)測(cè)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(xiāo)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(xiāo)售額的關(guān)系（多元線性回歸）
演練：讓你的營(yíng)銷(xiāo)費(fèi)用預(yù)算更準(zhǔn)確
演練：如何選擇最佳的回歸預(yù)測(cè)模型（曲線回歸）
帶分類(lèi)變量的回歸預(yù)測(cè)
演練：汽車(chē)季度銷(xiāo)量預(yù)測(cè)
演練：工齡、性別與終端銷(xiāo)量的關(guān)系
演練：如何評(píng)估銷(xiāo)售目標(biāo)與資源配置（營(yíng)業(yè)廳）
3、時(shí)序預(yù)測(cè)
問(wèn)題：隨著時(shí)間變化，未來(lái)的銷(xiāo)量變化趨勢(shì)如何？
時(shí)序分析的應(yīng)用場(chǎng)景（基于時(shí)間的變化規(guī)律）
移動(dòng)平均MA的預(yù)測(cè)原理
指數(shù)平滑ES的預(yù)測(cè)原理
自回歸移動(dòng)平均ARIMA模型
如何評(píng)估預(yù)測(cè)值的準(zhǔn)確性？
案例：銷(xiāo)售額的時(shí)序預(yù)測(cè)及評(píng)估
演練：汽車(chē)銷(xiāo)量預(yù)測(cè)及評(píng)估
演練：電視機(jī)銷(xiāo)量預(yù)測(cè)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(xiāo)售數(shù)據(jù)季節(jié)性趨勢(shì)預(yù)測(cè)分析
4、季節(jié)性預(yù)測(cè)模型
季節(jié)性回歸模型的參數(shù)
常用季節(jié)性預(yù)測(cè)模型（相加、相乘）
案例：美國(guó)航空旅客里程的季節(jié)性趨勢(shì)分析
案例：產(chǎn)品銷(xiāo)售季節(jié)性趨勢(shì)預(yù)測(cè)分析
5、新產(chǎn)品預(yù)測(cè)模型與S曲線
如何評(píng)估銷(xiāo)量增長(zhǎng)的拐點(diǎn)
珀?duì)柷€與龔鉑茲曲線
案例：如何預(yù)測(cè)產(chǎn)品的銷(xiāo)售增長(zhǎng)拐點(diǎn)，以及銷(xiāo)量上限
演戲：預(yù)測(cè)IPad產(chǎn)品的銷(xiāo)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(cè)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(guò)擬合
案例：模型優(yōu)化案例

第八部分：分類(lèi)預(yù)測(cè)模型篇
問(wèn)題：如何評(píng)估客戶(hù)購(gòu)買(mǎi)產(chǎn)品的可能性？如何預(yù)測(cè)客戶(hù)的購(gòu)買(mǎi)行為？如何提取某類(lèi)客戶(hù)的典型特征？如何向客戶(hù)精準(zhǔn)推薦產(chǎn)品或業(yè)務(wù)？
1、分類(lèi)模型概述
2、常見(jiàn)分類(lèi)預(yù)測(cè)模型
3、評(píng)估分類(lèi)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(chǎng)景
邏輯回歸種類(lèi)：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(hù)是否會(huì)購(gòu)買(mǎi)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(lèi)決策樹(shù)（DT）
問(wèn)題：如何預(yù)測(cè)客戶(hù)行為？如何識(shí)別潛在客戶(hù)？
風(fēng)控：如何識(shí)別欠貸者的特征，以及預(yù)測(cè)欠貸概率？
客戶(hù)保有：如何識(shí)別流失客戶(hù)特征，以及預(yù)測(cè)客戶(hù)流失概率？
決策樹(shù)分類(lèi)簡(jiǎn)介
如何評(píng)估分類(lèi)性能？
案例：美國(guó)零售商（Target）如何預(yù)測(cè)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(shù)的三個(gè)關(guān)鍵問(wèn)題
如何選擇最佳屬性來(lái)構(gòu)建節(jié)點(diǎn)
如何分裂變量
修剪決策樹(shù)
選擇最優(yōu)屬性
熵、基尼索引、分類(lèi)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?br /> 連續(xù)變量離散化（最優(yōu)劃分點(diǎn)）
修剪決策樹(shù)
剪枝原則
預(yù)剪枝與后剪枝
構(gòu)建決策樹(shù)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(lèi)模型？
案例：商場(chǎng)酸奶購(gòu)買(mǎi)用戶(hù)特征提取
案例：電信運(yùn)營(yíng)商客戶(hù)流失預(yù)警與客戶(hù)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(wèn)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(hù)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(lèi)別評(píng)估
8、K近鄰分類(lèi)（KNN）
基本原理
關(guān)鍵問(wèn)題
9、貝葉斯分類(lèi)（NBN）
貝葉斯分類(lèi)原理
計(jì)算類(lèi)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(lèi)：TAN/馬爾科夫毯
預(yù)測(cè)分類(lèi)概率（計(jì)算概率）
案例：評(píng)估銀行用戶(hù)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(wèn)題：最大邊界超平面
線性不可分問(wèn)題：特征空間的轉(zhuǎn)換
維空難與核函數(shù)

第九部分：市場(chǎng)細(xì)分模型篇
問(wèn)題：我們的客戶(hù)有幾類(lèi)？各類(lèi)特征是什么？如何實(shí)現(xiàn)客戶(hù)細(xì)分，開(kāi)發(fā)符合細(xì)分市場(chǎng)的新產(chǎn)品？如何提取客戶(hù)特征，從而對(duì)產(chǎn)品進(jìn)行市場(chǎng)定位？
1、市場(chǎng)細(xì)分的常用方法
有指導(dǎo)細(xì)分
無(wú)指導(dǎo)細(xì)分
2、聚類(lèi)分析
如何更好的了解客戶(hù)群體和市場(chǎng)細(xì)分？
如何識(shí)別客戶(hù)群體特征？
如何確定客戶(hù)要分成多少適當(dāng)?shù)念?lèi)別？
聚類(lèi)方法原理介紹
聚類(lèi)方法作用及其適用場(chǎng)景
聚類(lèi)分析的種類(lèi)
K均值聚類(lèi)（快速聚類(lèi)）
案例：移動(dòng)三大品牌細(xì)分市場(chǎng)合適嗎？
演練：寶潔公司如何選擇新產(chǎn)品試銷(xiāo)區(qū)域？
演練：如何評(píng)選優(yōu)秀員工？
演練：中國(guó)各省份發(fā)達(dá)程度分析，讓數(shù)據(jù)自動(dòng)聚類(lèi)
層次聚類(lèi)（系統(tǒng)聚類(lèi)）：發(fā)現(xiàn)多個(gè)類(lèi)別
R型聚類(lèi)與Q型聚類(lèi)的區(qū)別
案例：中移動(dòng)如何實(shí)現(xiàn)客戶(hù)細(xì)分及營(yíng)銷(xiāo)策略
演練：中國(guó)省市經(jīng)濟(jì)發(fā)展情況分析（Q型聚類(lèi)）
演練：裁判評(píng)分的標(biāo)準(zhǔn)衡量，避免“黑哨”（R型聚類(lèi)）
兩步聚類(lèi)
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(chē)購(gòu)買(mǎi)者的細(xì)分市場(chǎng)
4、RFM模型客戶(hù)細(xì)分框架

第十部分：客戶(hù)價(jià)值評(píng)估
1、客戶(hù)價(jià)值評(píng)估與RFM模型
問(wèn)題：如何評(píng)估客戶(hù)的價(jià)值？如何針對(duì)不同客戶(hù)采取不同的營(yíng)銷(xiāo)策略？
RFM模型，更深入了解你的客戶(hù)價(jià)值
RFM的客戶(hù)細(xì)分框架理解
RFM模型與市場(chǎng)策略
RFM模型與活躍度
演練：“雙11”淘寶商家如何選擇客戶(hù)進(jìn)行促銷(xiāo)
演練：結(jié)合響應(yīng)模型，宜家IKE實(shí)現(xiàn)最大化營(yíng)銷(xiāo)利潤(rùn)
演練：重購(gòu)用戶(hù)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(wèn)題：如何驗(yàn)證營(yíng)銷(xiāo)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(chǎng)景
電信行業(yè)
案例：電信運(yùn)營(yíng)商ARPU值評(píng)估分析（單樣本）
案例：營(yíng)銷(xiāo)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(wèn)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(wèn)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(chǎng)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(xiāo)方式效果檢驗(yàn)(多相關(guān)樣本-Friedman檢驗(yàn))
案例：客戶(hù)滿(mǎn)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(hù)流失預(yù)警與客戶(hù)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(wèn)題答疑。 

• 目標(biāo)管理與提高執(zhí)行力技能

   

  第一部分 目標(biāo)管理設(shè)定目標(biāo)的步驟與SMART原則 SMART原則解析 目標(biāo)設(shè)定的9個(gè)要素目標(biāo)設(shè)定后的改變?cè)瓌t目標(biāo)的分解：自上而下時(shí)間空間目標(biāo)管理中的常見(jiàn)問(wèn)題及解決方法目標(biāo)設(shè)定不能量化目標(biāo)的達(dá)成時(shí)效要求不清晰目標(biāo)下達(dá)后的監(jiān)督不到位目標(biāo)設(shè)定與企業(yè)經(jīng)營(yíng)戰(zhàn)略結(jié)合不緊密第二部分 執(zhí)行力提升實(shí)戰(zhàn)技能..

  ￥   元/ 天

  人氣：2573  

  

• 汽車(chē)售后服務(wù)體系運(yùn)營(yíng)管理的改善與提高

   

  課程收益： 多數(shù)企業(yè)對(duì)人才培養(yǎng)與復(fù)制作用相對(duì)薄弱，多數(shù)骨干員工的經(jīng)營(yíng)意識(shí)與管理潛能也尚未得到開(kāi)發(fā)。所以，開(kāi)展對(duì)業(yè)內(nèi)在職人士的繼續(xù)教育，可以使他們快速提升為企業(yè)所需的專(zhuān)業(yè)人才。另外，對(duì)企業(yè)高層管理者實(shí)施的繼續(xù)教育也會(huì)使他們提高對(duì)現(xiàn)代企業(yè)的駕馭能力。 課程大綱： 第一章非品牌特許維修企業(yè)與品牌特許維修企業(yè)之間的特點(diǎn)比較 ●市場(chǎng)機(jī)遇 ..

  ￥   元/ 天

  人氣：3941