1.點擊下面按鈕復制微信號
點擊復制微信號
珀菲特企業(yè)管理
Karen /鄭老師
KEY WORDS OF Corporate Training
聯(lián)系我們：
13382173255（Karen鄭老師）
學員背景| Course Background
參加對象：風險控制部、業(yè)務支撐、網(wǎng)絡中心、IT系統(tǒng)部、數(shù)據(jù)分析部等對數(shù)據(jù)建模有較高要求的相關領域人員。
授課形式：內(nèi)訓
授課天數(shù)：3 天
課程背景| Course Background
本課程專注于金融行業(yè)的風控模型，面向數(shù)據(jù)分析部等專門負責數(shù)據(jù)分析與建模的人士。
本課程的主要目的是，培養(yǎng)學員的大數(shù)據(jù)意識和大數(shù)據(jù)思維，掌握常用的數(shù)據(jù)分析方法和數(shù)據(jù)分析模型，并能夠用于對客戶行為作分析和預測，提升學員的數(shù)據(jù)分析綜合能力。
課程收益| Program Benefits
掌握數(shù)據(jù)分析和數(shù)據(jù)建模的基本過程和步驟
掌握客戶行為分析中常用的分析方法
掌握業(yè)務的影響因素分析常用的方法
掌握常用客戶行為預測模型，包括邏輯回歸、決策樹、神經(jīng)網(wǎng)絡、判別分析等等，以及分類模型的優(yōu)化
掌握金融行業(yè)信用評分卡模型，構建信用評分模型
課程大綱| Course Outline
數(shù)據(jù)核心理念—數(shù)據(jù)思維篇
問題：什么是數(shù)據(jù)思維？大數(shù)據(jù)決策的底層邏輯以及決策依據(jù)是什么？
數(shù)字化五大技術戰(zhàn)略：ABCDI戰(zhàn)略
A：人工智能，目的是用機器模擬人類行為
B：區(qū)塊鏈，構建不可篡改的分布記賬系統(tǒng)
C：云計算，搭建按需分配的計算資源平臺
D：大數(shù)據(jù)，實現(xiàn)智能化的判斷和決策機制
I：物聯(lián)網(wǎng)，實現(xiàn)萬物互聯(lián)通信的基礎架構
大數(shù)據(jù)的本質
數(shù)據(jù)，是事物發(fā)展和變化過程中留下的痕跡
大數(shù)據(jù)不在于量大，而在于全（多維性）
業(yè)務導向還是技術導向
大數(shù)據(jù)決策的底層邏輯（即四大核心價值）
探索業(yè)務規(guī)律，按規(guī)律來管理決策
案例：客流規(guī)律與排班及最佳營銷時機
案例：致命交通事故發(fā)生的時間規(guī)律
發(fā)現(xiàn)運營變化，定短板來運營決策
案例：考核周期導致的員工月初懈怠
案例：工序信號異常監(jiān)測設備故障
理清要素關系，找影響因素來決策
案例：情緒對于股市漲跌的影響
案例：為何升職反而會增加離職風險？
預測未來趨勢，通過預判進行決策
案例：惠普預測員工離職風險及挽留
案例：保險公司的車險預測與個性化保費定價
大數(shù)據(jù)決策的三個關鍵環(huán)節(jié)
業(yè)務數(shù)據(jù)化：將業(yè)務問題轉化為數(shù)據(jù)問題
數(shù)據(jù)信息化：提取數(shù)據(jù)中的業(yè)務規(guī)律信息
信息策略化：基于規(guī)律形成業(yè)務應對策略
案例：用數(shù)據(jù)來識別喜歡賺“差價”的營業(yè)員
數(shù)據(jù)分析基礎—流程步驟篇
數(shù)據(jù)分析的六步曲
步驟1：明確目的，確定分析思路
確定分析目的：要解決什么樣的業(yè)務問題
確定分析思路：分解業(yè)務問題，構建分析框架
步驟2：收集數(shù)據(jù)，尋找分析素材
明確數(shù)據(jù)范圍
確定收集來源
確定收集方法
步驟3：整理數(shù)據(jù)，確保數(shù)據(jù)質量
數(shù)據(jù)質量評估
數(shù)據(jù)清洗、數(shù)據(jù)處理和變量處理
探索性分析
步驟4：分析數(shù)據(jù)，尋找業(yè)務答案
選擇合適的分析方法
構建合適的分析模型
選擇合適的分析工具
步驟5：呈現(xiàn)數(shù)，解讀業(yè)務規(guī)律
選擇恰當?shù)膱D表
選擇合適的可視化工具
提煉業(yè)務含義
步驟6：撰寫報告，形成業(yè)務策略
選擇報告種類
完整的報告結構
演練：產(chǎn)品精準營銷案例分析
如何搭建精準營銷分析框架
精準營銷分析的過程和步驟
用戶行為分析—統(tǒng)計方法篇
問題：數(shù)據(jù)分析方法的種類？分析方法的不同應用場景？
業(yè)務分析的三個階段
現(xiàn)狀分析：通過企業(yè)運營指標來發(fā)現(xiàn)規(guī)律及短板
原因分析：查找數(shù)據(jù)相關性，探尋目標影響因素
預測分析：合理配置資源，預判業(yè)務未來的趨勢
常用的數(shù)據(jù)分析方法種類
描述性分析法（對比/分組/結構/趨勢/交叉…）
相關性分析法（相關/方差/卡方…）
預測性分析法（回歸/時序/決策樹/神經(jīng)網(wǎng)絡…）
專題性分析法（聚類/關聯(lián)/RFM模型/…）
統(tǒng)計分析基礎
統(tǒng)計分析兩大關鍵要素（類別、指標）
統(tǒng)計分析的操作模式（類別à指標）
統(tǒng)計分析三個操作步驟（統(tǒng)計、畫圖、解讀）
透視表的三個組成部分
常用的描述性指標
集中程度：均值、中位數(shù)、眾數(shù)
離散程度：極差、方差/標準差、IQR
分布形態(tài)：偏度、峰度
基本分析方法及其適用場景
對比分析（查看數(shù)據(jù)差距，發(fā)現(xiàn)事物變化）
演練：尋找用戶的地域分布特征
演練：分析產(chǎn)品受歡迎情況及貢獻大小
演練：用數(shù)據(jù)來探索增量不增收困境的解決方案
分布分析（查看數(shù)據(jù)分布，探索業(yè)務層次）
演練：銀行用戶的消費水平和消費層次分析
演練：客戶年齡分布/收入分布分析
案例：通信運營商的流量套餐劃分合理性的評估
演練：呼叫中心接聽電話效率分析（呼叫中心）
結構分析（查看指標構成，評估結構合理性）
案例：增值業(yè)務收入結構分析（通信）
案例：物流費用成本結構分析（物流）
案例：中移動用戶群動態(tài)結構分析
演練：財務領域的結構瀑布圖、財務收支的變化瀑布圖
趨勢分析（發(fā)現(xiàn)事物隨時間的變化規(guī)律）
案例：破解零售店銷售規(guī)律
案例：手機銷量的淡旺季分析
案例：微信用戶的活躍時間規(guī)律
演練：發(fā)現(xiàn)客流量的時間規(guī)律
交叉分析（從多個維度的數(shù)據(jù)指標分析）
演練：用戶性別+地域分布分析
演練：不同客戶的產(chǎn)品偏好分析
演練：不同學歷用戶的套餐偏好分析
演練：銀行用戶的違約影響因素分析
用戶行為分析—分析框架篇
問題：如何才能全面/系統(tǒng)地分析而不遺漏？如何分解和細化業(yè)務問題？
業(yè)務分析思路和分析框架來源于業(yè)務模型
常用的業(yè)務模型
外部環(huán)境分析：PEST
業(yè)務專題分析：5W2H
競品/競爭分析：SWOT、波特五力
營銷市場專題分析：4P/4C等
用戶行為分析（5W2H分析思路和框架）
WHY：原因（用戶需求、產(chǎn)品亮點、競品優(yōu)劣勢）
WHAT：產(chǎn)品（產(chǎn)品喜好、產(chǎn)品貢獻、產(chǎn)品功能、產(chǎn)品結構）
WHO：客戶（基本特征、消費能力、產(chǎn)品偏好）
WHEN：時間（淡旺季、活躍時間、重購周期）
WHERE：區(qū)域/渠道（區(qū)域喜好、渠道偏好）
HOW：支付/促銷（支付方式、促銷方式有效性評估等）
HOW MUCH：價格（費用、成本、利潤、收入結構、價格偏好等）
案例討論：結合公司情況，搭建用戶消費習慣的分析框架（5W2H）
數(shù)據(jù)建?；A—流程步驟篇
預測建模六步法
選擇模型：基于業(yè)務選擇恰當?shù)臄?shù)據(jù)模型
特征工程：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，尋找到最優(yōu)參數(shù)
評估模型：進行評估模型的質量，判斷模型是否可用
優(yōu)化模型：如果評估結果不理想，則需要對模型進行優(yōu)化
應用模型：如果評估結果滿足要求，則可應用模型于業(yè)務場景
數(shù)據(jù)挖掘常用的模型
定量預測模型：回歸預測、時序預測等
定性預測模型：邏輯回歸、決策樹、神經(jīng)網(wǎng)絡、支持向量機等
市場細分：聚類、RFM、PCA等
產(chǎn)品推薦：關聯(lián)分析、協(xié)同過濾等
產(chǎn)品優(yōu)化：回歸、隨機效用等
產(chǎn)品定價：定價策略/最優(yōu)定價等
特征工程/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）
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、殘差檢驗
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：采用新的計算公式
集成思想：Bagging/Boosting/Stacking
常用預測模型介紹
時序預測模型
回歸預測模型
分類預測模型
影響因素分析—根因分析篇
問題：如何選擇合適的屬性/特征來建模呢？選擇的依據(jù)是什么？比如價格是否可用于產(chǎn)品銷量預測？
數(shù)據(jù)預處理vs特征工程
特征工程處理內(nèi)容
變量變換
變量派生
變量精簡（特征選擇、因子合并）
類型轉換
特征選擇常用方法
相關分析、方差分析、卡方檢驗
相關分析（衡量兩數(shù)據(jù)型變量的線性相關性）
相關分析簡介
相關分析的應用場景
相關分析的種類
簡單相關分析
偏相關分析
距離相關分析
相關系數(shù)的三種計算公式
Pearson相關系數(shù)
Spearman相關系數(shù)
Kendall相關系數(shù)
相關分析的假設檢驗
相關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性
演練：影響用戶消費水平的因素會有哪些
偏相關分析
偏相關原理：排除不可控因素后的兩變量的相關性
偏相關系數(shù)的計算公式
偏相關分析的適用場景
距離相關分析
方差分析（衡量類別變量與數(shù)值變量間的相關性）
方差分析的應用場景
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
解讀方差分析結果的兩個要點
演練：擺放位置與銷量有關嗎
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(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：學歷對業(yè)務套餐偏好的影響分析
案例：行業(yè)/規(guī)模對風控的影響分析
客戶行為預測—分類模型篇
問題：如何評估客戶購買產(chǎn)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(chǎn)品或業(yè)務？
分類模型概述及其應用場景
常見分類預測模型
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
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
決策樹分類的幾何意義
構建決策樹的三個關鍵問題
如何選擇最佳屬性來構建節(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(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用
人工神經(jīng)網(wǎng)絡（ANN）
神經(jīng)網(wǎng)絡概述
神經(jīng)網(wǎng)絡基本原理
神經(jīng)網(wǎng)絡的結構
神經(jīng)網(wǎng)絡分類的幾何意義
神經(jīng)網(wǎng)絡的建立步驟
神經(jīng)網(wǎng)絡的關鍵問題
BP反向傳播網(wǎng)絡（MLP）
徑向基網(wǎng)絡（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近鄰的關鍵問題
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
維災難與核函數(shù)
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(xù)屬性的條件概率
預測分類概率（計算概率）
拉普拉斯修正
案例：評估銀行用戶拖欠貨款的概率
客戶行為預測—模型評估篇
模型的評估指標
兩大矩陣：混淆矩陣，代價矩陣
六大指標：Acc,P,R,Spec,F1,lift
三條曲線：
ROC曲線和AUC
PR曲線和BEP
KS曲線和KS值
模型的評估方法
原始評估法
留出法（Hold-Out）
交叉驗證法（k-fold cross validation）
自助采樣法（Bootstrapping）
客戶行為預測—集成優(yōu)化篇
模型的優(yōu)化思路
集成算法基本原理
單獨構建多個弱分類器
多個弱分類器組合投票，決定預測結果
集成方法的種類
Bagging
Boosting
Stacking
Bagging集成
數(shù)據(jù)/屬性重抽樣
決策依據(jù)：少數(shù)服從多數(shù)
典型模型：隨機森林RF
Boosting集成
基于誤分數(shù)據(jù)建模
樣本選擇權重更新公式
決策依據(jù)：加權投票
典型模型：AdaBoost模型
銀行客戶信用卡模型
信用評分卡模型簡介
評分卡的關鍵問題
信用評分卡建立過程
篩選重要屬性
數(shù)據(jù)集轉化
建立分類模型
計算屬性分值
確定審批閾值
篩選重要屬性
屬性分段
基本概念：WOE、IV
屬性重要性評估
數(shù)據(jù)集轉化
連續(xù)屬性最優(yōu)分段
計算屬性取值的WOE
建立分類模型
訓練邏輯回歸模型
評估模型
得到字段系數(shù)
計算屬性分值
計算補償與刻度值
計算各字段得分
生成評分卡
確定審批閾值
畫K-S曲線
計算K-S值
獲取最優(yōu)閾值
案例：構建銀行小額貸款的用戶信用模型
數(shù)據(jù)建模實戰(zhàn)篇
電信業(yè)客戶流失預警和客戶挽留模型實戰(zhàn)
銀行欠貸風險預測模型實戰(zhàn)
銀行信用卡評分模型實戰(zhàn)
結束：課程總結與問題答疑。
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、機器學習等應用技術，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)建模應用于行業(yè)及商業(yè)領域，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，有效預判市場變化和需求，基于規(guī)律和預判來進行管理決策，并實現(xiàn)組織架構演變、人才新技能培養(yǎng)、生產(chǎn)流程優(yōu)化，以及服務效率提升，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：將大數(shù)據(jù)應用于運營決策，用大數(shù)據(jù)呈現(xiàn)企業(yè)整體經(jīng)營狀況，診斷運營問題和風險，找到業(yè)務短板，全面理解組織、產(chǎn)品、人員、營銷、財務等要素間的相關性，實現(xiàn)企業(yè)資源的最優(yōu)化配置，提升科學決策能力。
3、讓營銷更精準：將大數(shù)據(jù)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，分析用戶需求，產(chǎn)品設計優(yōu)化，產(chǎn)品最優(yōu)定價等實際問題，實現(xiàn)精準營銷和精準推薦，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)技術應用于通信、金融、電商、互聯(lián)網(wǎng)、制造業(yè)、政府等領域。傅老師的課程最大特色：實戰(zhàn)性強！“圍繞業(yè)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(yè)務策略”。以商業(yè)目標為起點，基于實際的業(yè)務應用場景（明確目的），搭建全面系統(tǒng)的業(yè)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(shù)據(jù)可視化），最終形成具體的業(yè)務建議，實現(xiàn)業(yè)務分析/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)思維與應用創(chuàng)新》
《大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應用創(chuàng)新》
《領導干部的大數(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》
《大數(shù)據(jù)助力市場營銷與服務提升》
大數(shù)據(jù)分析應用類的課程：
《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》
《大數(shù)據(jù)挖掘之SPSS工具入門與提高》
《金融行業(yè)風險預測模式實戰(zhàn)培訓》
大數(shù)據(jù)分析語言Python課程：
《Python開發(fā)基礎實戰(zhàn)培訓》
《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)挖掘專題分析》
《Python機器學習算法實戰(zhàn)》
《Python RPA辦公流程自動化》
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(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、東風日產(chǎn)、廣州稅務、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)時代的精準營銷》
中信銀行：《大數(shù)據(jù)分析與挖掘綜合能力提升》《Python風險預測建?！?
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)挖掘應用》《大數(shù)據(jù)時代下的精準營銷》
交通銀行：《大數(shù)據(jù)時代的精準營銷》《數(shù)說營銷實戰(zhàn)》
建設銀行：《大數(shù)據(jù)思維與應用創(chuàng)新》
浦發(fā)銀行：《大數(shù)據(jù)時代下的精準營銷》
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?！?
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)建模》
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)思維與應用創(chuàng)新》
山東郵政：《大數(shù)據(jù)思維與應用創(chuàng)新》
平安集團：《大數(shù)據(jù)思維與應用創(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)分析與應用實戰(zhàn)》《大數(shù)據(jù)思維與應用創(chuàng)新》《大數(shù)據(jù)時代下的精準營銷》
平安醫(yī)?？萍迹骸洞髷?shù)據(jù)思維與應用創(chuàng)新》
天安財險：《大數(shù)據(jù)思維與應用創(chuàng)新》
中華人壽：《大數(shù)據(jù)思維與應用創(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解決方案技術培訓》
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)展及應用創(chuàng)新》
中郵金融科技：《Python基礎與數(shù)據(jù)分析》
……
制造行業(yè)培訓客戶
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》
延峰海納川：《Python基礎與數(shù)據(jù)分析》《Python數(shù)據(jù)建?！贰?/span>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)思維與應用創(chuàng)新》
翔路騰龍：《大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應用創(chuàng)新》
泰科：《大數(shù)據(jù)思維與應用創(chuàng)新》
萬家樂：《Python基礎與數(shù)據(jù)分析》
億力機電：《大數(shù)據(jù)思維與應用創(chuàng)新》
深圳大疆：《數(shù)說營銷》
一汽解放錫柴：《大數(shù)據(jù)思維與應用創(chuàng)新》
通信/運營商行業(yè)培訓客戶
華為技術：《話務量預測與排班管理》
聯(lián)通研究院：《大數(shù)據(jù)預測建模優(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)挖掘專題分析》
廣州電信：《大數(shù)據(jù)時代的精準營銷》
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)視圖支撐精準化營銷》
佛山電信：《數(shù)據(jù)挖掘技術及其應用培訓》
泉州電信：《大數(shù)據(jù)挖掘、信息分析及應用培訓》
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)挖掘實戰(zhàn)培訓》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)挖掘應用實戰(zhàn)》
江蘇移動：《大數(shù)據(jù)精準營銷技能提升實戰(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域的應用》
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》
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》；
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)外的應用》
中國移動終端公司：《大數(shù)據(jù)分析綜合能力提升培訓》
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》
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)挖掘應用培訓》
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)精準營銷實戰(zhàn)》
深圳公交集團：《大數(shù)據(jù)與智慧交通》
東風日產(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)下的精準營銷實戰(zhàn)》
東風商用：《數(shù)說營銷實戰(zhàn)》
東風出行：《大數(shù)據(jù)思維與應用創(chuàng)新》
廣州地鐵：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘培訓》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)挖掘應用培訓》
保時捷：《大數(shù)據(jù)思維與應用創(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)思維與應用創(chuàng)新》兩期
云南電網(wǎng)：《大數(shù)據(jù)時代下的精準營銷》
天津國電：《大數(shù)據(jù)分析綜合能力提升》
上海城投水務：《大數(shù)據(jù)思維與應用創(chuàng)新》
深圳水務：《大數(shù)據(jù)思維與應用創(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)展與應用創(chuàng)新》
珠海港興：《大數(shù)據(jù)思維與應用創(chuàng)新》
神南礦業(yè)：《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展與應用創(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)精準營銷實戰(zhàn)》
……
直銷/零售/電商/互聯(lián)網(wǎng)等行業(yè)培訓客戶
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)分析與挖掘實戰(zhàn)培訓》
新時代：《問題的挖掘、分析—數(shù)據(jù)分析技巧》兩期培訓
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根因分析與預測》
玫琳凱：《大數(shù)據(jù)思維與應用創(chuàng)新》《大數(shù)據(jù)分析實戰(zhàn)》
上海找鋼網(wǎng)：《大數(shù)據(jù)思維與應用創(chuàng)新》
頂新國際：《大數(shù)據(jù)思維與應用創(chuàng)新》
華潤集團：《大數(shù)據(jù)時代下的精準營銷》
壹藥網(wǎng)：《大數(shù)據(jù)思維與應用創(chuàng)新》
其他行業(yè)部分培訓客戶
埃森哲：《Python基礎與數(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)時代下的精準營銷》
贛州監(jiān)獄：《大數(shù)據(jù)思維與應用創(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：《大數(shù)據(jù)分析與挖掘實戰(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)思維與應用創(chuàng)新》
深圳會展中心：《大數(shù)據(jù)價值實現(xiàn)與應用創(chuàng)新》
重慶國際復材：《大數(shù)據(jù)思維與應用創(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、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，總結出一系列深入的觀點和經(jīng)驗。
我們的咨詢方案的設計過程秉承“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個領域，近千個案例，并將案例與咨詢項目完美結合。
我們的咨詢團隊分布于各大領域，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
累計培訓學員
現(xiàn)有公開課
現(xiàn)有內(nèi)訓課
現(xiàn)有在線課程
輻射城市
OFFLINE BUSINESS
高層團隊引導工作坊
中層管理內(nèi)訓
基層管理內(nèi)訓
人才梯隊建設咨詢項目
工廠運營咨詢項目
TTT內(nèi)訓師咨詢項目
領導力公開課
精益智造公開課
個人效能公開課
Video Information
【見證企業(yè)成長每一步】
AI效能提升 × HR實戰(zhàn)干貨 × 領導力精要，前沿管理智慧每周更新，
關注視頻號獲取全場景管理解決方案，讓卓越觸手可及！
企業(yè)視頻號
官網(wǎng)電話：400-008-4600；手機號：13382173255（Karen鄭老師）；網(wǎng)站：www.perfectpx.com
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
珀菲特咨詢顧問客服助手
Copyright © 2006-2025 PerfectPX All rights reserved. 蘇州珀菲特企業(yè)管理顧問有限公司 版權所有 蘇ICP備11056827號-1 蘇公網(wǎng)安備 32050702010145號
微信咨詢
關注公眾號
關注視頻號