- 互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代的商業(yè)模式創(chuàng)新思維
- 大數(shù)據(jù)征管背景下建筑房地產(chǎn)企業(yè)利益最
- 大數(shù)據(jù)背景下如何利用金三管控增值稅發(fā)
- 大數(shù)據(jù)時(shí)代流程管理與高效協(xié)同
- 大數(shù)據(jù)時(shí)代的銷售行為管理—精細(xì)化銷售
- 大數(shù)據(jù)時(shí)代的銷售行為管理-精細(xì)化銷售
- 大數(shù)據(jù)征管背景下建筑房地產(chǎn)企業(yè)營(yíng)改增
- 互聯(lián)網(wǎng)+之基于大數(shù)據(jù)的經(jīng)營(yíng)決策
- 互聯(lián)網(wǎng)創(chuàng)新思維與大數(shù)據(jù)應(yīng)用
- 大數(shù)據(jù)市場(chǎng)營(yíng)銷-如何利用大數(shù)據(jù)為市場(chǎng)
- 電子廠如何提高質(zhì)量管理 電子廠控制質(zhì)
- 員工忠誠(chéng)度的培養(yǎng)與提高
- 員工質(zhì)量意識(shí)差怎么辦 如何提高員工質(zhì)
- 服裝企業(yè)生產(chǎn)管理干部核心管理技能提高
- 汽車售后服務(wù)體系運(yùn)營(yíng)管理的改善與提高
- 高級(jí)秘書、助理和行政人員技能提高訓(xùn)練
- 銀行網(wǎng)點(diǎn)主任綜合技能提高
- 如何降低庫(kù)存及提高庫(kù)存周轉(zhuǎn)率
- 大數(shù)據(jù)時(shí)代的市場(chǎng)營(yíng)銷
- 高級(jí)秘書、助理和行政人員技能提高訓(xùn)練
大數(shù)據(jù)挖掘工具: SPSS Statistics入門與提高
課程編號(hào):32134
課程價(jià)格:¥26000/天
課程時(shí)長(zhǎng):4 天
課程人氣:365
- 課程說(shuō)明
- 講師介紹
- 選擇同類課
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】
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:客戶流失預(yù)測(cè)及客戶挽留
3、數(shù)據(jù)集概述
4、SPSS工具介紹
5、數(shù)據(jù)挖掘常用模型
第二部分:數(shù)據(jù)預(yù)處理
如何整理數(shù)據(jù),了解數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行預(yù)處理?
1、數(shù)據(jù)預(yù)處理的四大任務(wù)
數(shù)據(jù)集成:多個(gè)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(jiǎn)
2、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
3、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(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
4、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(jī)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
5、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(jiǎn):變量刪除/降維,減少變量個(gè)數(shù)
類型轉(zhuǎn)換:數(shù)據(jù)類型的相互轉(zhuǎn)換
6、變量精簡(jiǎn)/變量降維常用方法
常用降維方法
如何確定降維后變量個(gè)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(lái)選擇屬性
基于數(shù)據(jù)間的相關(guān)性來(lái)選擇屬性
利用IV值篩選
基于信息增益來(lái)選擇屬性
因子合并:將多個(gè)變量進(jìn)行合并
PCA主成分分析
判別分析
7、類型轉(zhuǎn)換
8、因子合并/主成分分析
因子分析的原因
因子個(gè)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
9、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)
第三部分:數(shù)據(jù)可視化
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
營(yíng)銷問(wèn)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(duì)銷量有影響??jī)r(jià)格和廣告開(kāi)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?
1、影響因素分析的常見(jiàn)方法
2、相關(guān)分析(衡量?jī)蓴?shù)據(jù)型變量的線性相關(guān)性)
相關(guān)分析簡(jiǎn)介
相關(guān)分析的應(yīng)用場(chǎng)景
相關(guān)分析的種類
簡(jiǎn)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(jì)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(yàn)
相關(guān)分析的四個(gè)基本步驟
演練:營(yíng)銷費(fèi)用會(huì)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(fèi)水平的因素會(huì)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(jì)算公式
偏相關(guān)分析的適用場(chǎng)景
距離相關(guān)分析
3、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(chǎng)景
方差分析的三個(gè)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(gè)步驟
解讀方差分析結(jié)果的兩個(gè)要點(diǎn)
演練:擺放位置與銷量有關(guān)嗎
演練:客戶學(xué)歷對(duì)消費(fèi)水平的影響分析
演練:廣告和價(jià)格是影響終端銷量的關(guān)鍵因素嗎
演練:營(yíng)業(yè)員的性別、技能級(jí)別對(duì)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(duì)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(chǎng)景
演練:排除產(chǎn)品價(jià)格,收入對(duì)銷量有影響嗎?
4、列聯(lián)分析/卡方檢驗(yàn)(兩類別變量的相關(guān)性分析)
交叉表與列聯(lián)表:計(jì)數(shù)值與期望值
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:套餐類型對(duì)客戶流失的影響分析
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
5、相關(guān)性分析方法總結(jié)
第五部分:回歸預(yù)測(cè)模型
營(yíng)銷問(wèn)題:如何預(yù)測(cè)未來(lái)的產(chǎn)品銷量/銷售額?如果產(chǎn)品跟隨季節(jié)性變動(dòng),該如何預(yù)測(cè)?
1、回歸分析簡(jiǎn)介和原理
2、回歸分析的種類
一元回歸/多元回歸
線性回歸/非線性回歸
3、常用回歸分析方法
散點(diǎn)圖+趨勢(shì)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(diǎn)圖找營(yíng)銷費(fèi)用與銷售額的關(guān)系
4、線性回歸分析的五個(gè)步驟
演練:營(yíng)銷費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系(線性回歸)
5、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
6、回歸預(yù)測(cè)模型評(píng)估
質(zhì)量評(píng)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(cè)模型(一元曲線回歸)
7、帶分類自變量的回歸預(yù)測(cè)
演練:汽車季度銷量預(yù)測(cè)
演練:工齡、性別與終端銷量的關(guān)系
演練:如何評(píng)估銷售目標(biāo)與資源最佳配置
第六部分:回歸模型優(yōu)化
1、回歸分析的基本原理
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):方程可用性
因素的顯著性檢驗(yàn):因素可用性
方程擬合優(yōu)度檢驗(yàn):質(zhì)量好壞程度
理解標(biāo)準(zhǔn)誤差含義:預(yù)測(cè)準(zhǔn)確性?
2、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(cè)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(jìn)行非線性關(guān)系檢驗(yàn)(增加非線性自變量)
如何進(jìn)行相互作用檢驗(yàn)(增加相互作用自變量)
如何進(jìn)行多重共線性檢驗(yàn)(剔除共線性自變量)
演練:模型優(yōu)化演示
3、好模型都是優(yōu)化出來(lái)的
第七部分:自定義回歸模型
1、回歸建模的本質(zhì)
2、規(guī)劃求解工具簡(jiǎn)介
3、自定義回歸模型
案例:如何對(duì)客流量進(jìn)行建模預(yù)測(cè)及模型優(yōu)化
4、回歸季節(jié)預(yù)測(cè)模型模型
回歸季節(jié)模型的原理及應(yīng)用場(chǎng)景
加法季節(jié)模型
乘法季節(jié)模型
模型解讀
案例:美國(guó)航空旅客里程的季節(jié)性趨勢(shì)分析
5、新產(chǎn)品累計(jì)銷量的S曲線
S曲線模型的應(yīng)用場(chǎng)景(最大累計(jì)銷量及銷量增長(zhǎng)的拐點(diǎn))
珀?duì)柷€
龔鉑茲曲線
案例:如何預(yù)測(cè)產(chǎn)品的銷售增長(zhǎng)拐點(diǎn),以及銷量上限
演練:預(yù)測(cè)IPad產(chǎn)品的銷量
第八部分:回歸模型質(zhì)量評(píng)估
1、定量預(yù)測(cè)模型的評(píng)估
方程顯著性評(píng)估
因素顯著性評(píng)估
擬合優(yōu)度的評(píng)估
估計(jì)標(biāo)準(zhǔn)誤差評(píng)估
預(yù)測(cè)值準(zhǔn)確度評(píng)估
2、模型擬合度評(píng)估
判定系數(shù):
調(diào)整判定系數(shù):
3、預(yù)測(cè)值準(zhǔn)確度評(píng)估
平均絕對(duì)誤差:MAE
根均方差:RMSE
平均誤差率:MAPE
4、其它評(píng)估:殘差檢驗(yàn)、過(guò)擬合檢驗(yàn)
第九部分:時(shí)序預(yù)測(cè)模型
營(yíng)銷問(wèn)題:像利率/CPI/GDP等按時(shí)序變化的指標(biāo)如何預(yù)測(cè)?當(dāng)銷量隨季節(jié)周期變動(dòng)時(shí)該如何預(yù)測(cè)?
1、回歸預(yù)測(cè)vs時(shí)序預(yù)測(cè)
2、因素分解思想
3、時(shí)序預(yù)測(cè)常用模型
趨勢(shì)擬合
季節(jié)擬合
平均序列擬合
4、評(píng)估預(yù)測(cè)值的準(zhǔn)確度指標(biāo):MAD、RMSE、MAPE
5、移動(dòng)平均(MA)
應(yīng)用場(chǎng)景及原理
移動(dòng)平均種類
一次移動(dòng)平均
二次移動(dòng)平均
加權(quán)移動(dòng)平均
移動(dòng)平均比率法
移動(dòng)平均關(guān)鍵問(wèn)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(cè)及評(píng)估
演練:快銷產(chǎn)品季節(jié)銷量預(yù)測(cè)及評(píng)估
6、指數(shù)平滑(ES)
應(yīng)用場(chǎng)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(cè)
演練:航空旅客量預(yù)測(cè)及評(píng)估
7、溫特斯季節(jié)預(yù)測(cè)模型
適用場(chǎng)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(cè)及評(píng)估
8、平穩(wěn)序列模型(ARIMA)
序列的平穩(wěn)性檢驗(yàn)
平穩(wěn)序列的擬合模型
AR(p)自回歸模型
MA(q)移動(dòng)模型
ARMA(p,q)自回歸移動(dòng)模型
模型的識(shí)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(shì)預(yù)測(cè)分析
平穩(wěn)序列的建模流程
第十部分:分類預(yù)測(cè)模型篇
問(wèn)題:如何評(píng)估客戶購(gòu)買產(chǎn)品的可能性?如何預(yù)測(cè)客戶的購(gòu)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)?
1、分類模型概述及其應(yīng)用場(chǎng)景
2、常見(jiàn)分類預(yù)測(cè)模型
3、邏輯回歸(LR)
邏輯回歸的適用場(chǎng)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(xiàng)邏輯回歸
多項(xiàng)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(xiàng)邏輯回歸/多分類邏輯回歸
案例:如何評(píng)估用戶是否會(huì)購(gòu)買某產(chǎn)品(二項(xiàng)邏輯回歸)
案例:多品牌選擇模型分析(多項(xiàng)邏輯回歸)
4、分類決策樹(DT)
問(wèn)題:如何預(yù)測(cè)客戶行為?如何識(shí)別潛在客戶?
風(fēng)控:如何識(shí)別欠貸者的特征,以及預(yù)測(cè)欠貸概率?
客戶保有:如何識(shí)別流失客戶特征,以及預(yù)測(cè)客戶流失概率?
決策樹分類簡(jiǎn)介
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
決策樹分類的幾何意義
構(gòu)建決策樹的三個(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
選擇最優(yōu)屬性生長(zhǎng)
熵、基尼索引、分類錯(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)分割點(diǎn))
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(gè)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(chǎng)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(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
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
5、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(wèn)題
BP反向傳播網(wǎng)絡(luò)(MLP)
徑向基網(wǎng)絡(luò)(RBF)
案例:評(píng)估銀行用戶拖欠貨款的概率
6、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(píng)估
7、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(wèn)題
第十一部分:市場(chǎng)細(xì)分模型
問(wèn)題:我們的客戶有幾類?各類特征是什么?如何實(shí)現(xiàn)客戶細(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、聚類分析
如何更好的了解客戶群體和市場(chǎng)細(xì)分?
如何識(shí)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(chǎng)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(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)品試銷區(qū)域?
演練:如何自動(dòng)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
層次聚類(系統(tǒng)聚類):發(fā)現(xiàn)多個(gè)類別
R型聚類與Q型聚類的區(qū)別
案例:中移動(dòng)如何實(shí)現(xiàn)客戶細(xì)分及營(yíng)銷策略
演練:中國(guó)省市經(jīng)濟(jì)發(fā)展情況分析(Q型聚類)
演練:裁判評(píng)分的標(biāo)準(zhǔn)衡量,避免“黑哨”(R型聚類)
兩步聚類
3、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(chǎng)景
演練:利用PCA對(duì)汽車客戶群進(jìn)行細(xì)分
演練:如何針對(duì)汽車客戶群設(shè)計(jì)汽車
第十二部分:客戶價(jià)值評(píng)估
營(yíng)銷問(wèn)題:如何評(píng)估客戶的價(jià)值?不同的價(jià)值客戶有何區(qū)別對(duì)待?
1、如何評(píng)價(jià)客戶生命周期的價(jià)值
貼現(xiàn)率與留存率
評(píng)估客戶的真實(shí)價(jià)值
使用雙向表衡量屬性敏感度
變化的邊際利潤(rùn)
案例:評(píng)估營(yíng)銷行為的合理性
2、RFM模型(客戶價(jià)值評(píng)估)
RFM模型,更深入了解你的客戶價(jià)值
RFM模型與市場(chǎng)策略
RFM模型與活躍度分析
演練:“雙11”淘寶商家如何選擇價(jià)值客戶進(jìn)行促銷
演練:結(jié)合響應(yīng)模型,宜家IKE實(shí)現(xiàn)最大化營(yíng)銷利潤(rùn)
案例:重購(gòu)用戶特征分析
第十三部分:假設(shè)檢驗(yàn)
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:促銷方式效果檢驗(yàn)(多相關(guān)樣本-Friedman檢驗(yàn))
案例:客戶滿意度差異檢驗(yàn)(多相關(guān)樣本-Cochran Q檢驗(yàn))
結(jié)束:課程總結(jié)與問(wèn)題答疑。
-
大數(shù)據(jù)及人工智能背景下消費(fèi)和小微信貸線上獲客、產(chǎn)品設(shè)計(jì)、風(fēng)控應(yīng)對(duì)策略
第一部分:金融科技發(fā)展?fàn)顩r的介紹一、金融科技的現(xiàn)狀與發(fā)展趨勢(shì)(一)宏觀背景1、金融科技(支付寶人臉識(shí)別技術(shù)、APPLEPAY、虹膜技術(shù)、二維碼支付技術(shù))2、利率市場(chǎng)化3、金融脫媒(二)移動(dòng)互聯(lián)技術(shù)的發(fā)展使互聯(lián)網(wǎng)金融成為可能1、移動(dòng)互聯(lián)網(wǎng)技術(shù)2、移動(dòng)支付技術(shù)3、H5、APP(三)互聯(lián)網(wǎng)金融對(duì)傳統(tǒng)銀行資產(chǎn)業(yè)務(wù)的顛覆和沖..
-
大數(shù)據(jù)時(shí)代——提升患者管理,構(gòu)建專業(yè)藥房
【課程導(dǎo)言】:移動(dòng)互聯(lián)時(shí)代下,實(shí)體門店面臨巨大的挑戰(zhàn),同時(shí)也是一種機(jī)會(huì)。馬云說(shuō):不是實(shí)體門店不行了,而是你的實(shí)體門店不行了。面臨新的沖擊實(shí)體店如何進(jìn)行創(chuàng)新,如何守住老陣地,如何利用新武器,這是所有實(shí)體連鎖共同面臨的問(wèn)題。課程從互聯(lián)網(wǎng)環(huán)境對(duì)我們的實(shí)體店挑戰(zhàn)和我們面臨的消費(fèi)者消費(fèi)習(xí)慣和方式的的變化入手,通過(guò)分析新零售良品鋪?zhàn)?,海瀾之家,名?chuàng)優(yōu)品的..
-
電商互聯(lián)網(wǎng)大數(shù)據(jù)營(yíng)銷之落地實(shí)踐鐵律
課程背景:未來(lái)人貨場(chǎng)一切數(shù)字化,數(shù)據(jù)將成為一種資源,沒(méi)有數(shù)據(jù)沒(méi)有未來(lái),企業(yè)如何構(gòu)建自己的大數(shù)據(jù)未來(lái)?人工智能已經(jīng)來(lái)臨,人工智能在營(yíng)銷板塊的應(yīng)用本質(zhì)就是大數(shù)據(jù)營(yíng)銷!企業(yè)的ERP、CRM、報(bào)表等等僅僅是零散的死數(shù)據(jù),如何激活流動(dòng)產(chǎn)生閉環(huán),產(chǎn)生效益?經(jīng)驗(yàn)將成為負(fù)債,未來(lái)將利用數(shù)據(jù)產(chǎn)品規(guī)劃、定位、策劃、人群分析、活動(dòng)策劃,數(shù)據(jù)成為商業(yè)的起點(diǎn)!人為..
-
電商互聯(lián)網(wǎng)智能商業(yè):大數(shù)據(jù)營(yíng)銷分析與落地實(shí)踐
課程背景:數(shù)據(jù)是未來(lái)企業(yè)唯一資源,大數(shù)據(jù)營(yíng)銷意味著高效、精準(zhǔn)、成本低、全自動(dòng)化,讓企業(yè)從人海戰(zhàn)、廣告戰(zhàn)、渠道戰(zhàn)的泥潭中拔出來(lái)為什么搜索廣告效果差了?為什么團(tuán)購(gòu)效果也差了?為什么傳統(tǒng)的用戶細(xì)分、STP在大數(shù)據(jù)提出的用戶畫像面前蒼白了?為什么獨(dú)角獸全靠增長(zhǎng)黑客模式崛起?企業(yè)未來(lái)如何搭建科學(xué)的大數(shù)據(jù)營(yíng)銷隊(duì)伍,建立科學(xué)的數(shù)字營(yíng)銷體!通過(guò)互動(dòng)獲取數(shù)據(jù),..
-
大數(shù)據(jù)基礎(chǔ)原理與應(yīng)用
一、運(yùn)營(yíng)商網(wǎng)絡(luò)架構(gòu)和技術(shù)選擇1.運(yùn)營(yíng)商網(wǎng)絡(luò)架構(gòu)2.運(yùn)營(yíng)商業(yè)務(wù)類型3.接入網(wǎng)技術(shù)選擇4.不同業(yè)務(wù)的技術(shù)實(shí)現(xiàn)二、全業(yè)務(wù)運(yùn)營(yíng)技術(shù)實(shí)現(xiàn)1.集團(tuán)業(yè)務(wù)分類及特點(diǎn)2.集團(tuán)高等級(jí)業(yè)務(wù)特點(diǎn)及業(yè)務(wù)場(chǎng)景3.集團(tuán)低等級(jí)業(yè)務(wù)特點(diǎn)及業(yè)務(wù)場(chǎng)景4.集團(tuán)高、低等級(jí)業(yè)務(wù)要求及技術(shù)選擇5.數(shù)據(jù)專線業(yè)務(wù)及技術(shù)實(shí)現(xiàn)6.互聯(lián)網(wǎng)專線業(yè)務(wù)及技術(shù)實(shí)現(xiàn)7.集..
-
大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算行業(yè)應(yīng)用及發(fā)展趨勢(shì)
一、信息通信產(chǎn)業(yè)發(fā)展的背景和趨勢(shì)1、信息通信產(chǎn)業(yè)用戶現(xiàn)狀和發(fā)展趨勢(shì)2、國(guó)內(nèi)外信息化發(fā)展戰(zhàn)略3、中國(guó)信息化發(fā)展現(xiàn)狀和趨勢(shì)4、信息通信網(wǎng)絡(luò)發(fā)展趨勢(shì)5、電信業(yè)轉(zhuǎn)型新趨勢(shì)二、ICT前沿技術(shù)(一)云計(jì)算1、云計(jì)算發(fā)展的商業(yè)動(dòng)力與技術(shù)趨勢(shì)1.1云計(jì)算基本概念1.2云計(jì)算的商業(yè)動(dòng)力:企業(yè)ICT轉(zhuǎn)型1.3云計(jì)算特點(diǎn)..