数说营销--大数据营销实战培训

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com

【课程目标】

本课程从实际的市场营销问题出发，构建数据分析与数据挖掘模型，以解决实际的商业问题。并对大数据分析与挖掘技术进行了全面的介绍，通过从大量的市场营销数据中分析潜在的客户特征，挖掘客户行为特点，实现精准营销，帮助市场营销团队深入理解业务运作，支持业务策略制定以及运营决策。

通过本课程的学习，达到如下目的：

1、了解大数据营销内容，掌握大数据在营销中的应用。

2、了解基本的营销理论，并学会基于营销理念来展开大数据分析。

3、熟悉数据分析/挖掘的基本过程，掌握常用的数据挖掘方法。

4、熟悉Excel数据分析工具，能够利用Excel和SPSS软件解决实际的营销问题（比如定价/因素影响/预测/客户需求/客户价值/市场细分等）。

【授课对象】

系统支撑、市场营销部、运营分析部相关技术及应用人员。

本课程由浅入深，结合原理主讲软件工具应用，不需要太深的数学知识，但希望掌握数据分析的相关人员。

【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Excel 2013版本及以上。

3、便携机中事先安装好IBM 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】

理论精讲 + 案例演练 + 实际业务问题分析 + Excel实践操作 + SPSS实践操作

本课程突出数据分析的实际应用，结合行业的典型应用特点，围绕实际的商业问题，进行大数据的分析与挖掘，介绍常用的模型，以及模型适用场景，通过演练操作，以达到提升学员对营销数据的分析以及对数据模型的深入理解。

【课程大纲】

第一部分：大数据实现精准营销

1、传统营销的困境与挑战

2、营销理论的变革（4P4CnPnC）

3、大数据引领传统营销

4、大数据在营销中的典型应用

市场定位与客户细分

客户需求与产品设计

精准广告与精准推荐

……

5、大数据营销的基石：用户画像

6、客户生存周期中的大数据应用

演练：如何用大数据来支撑手机精准营销项目

第二部分：大数据基础—数据思维篇

问题：大数据的核心价值是什么？大数据是怎样用于业务决策？

1、大数据时代：你缺的不是一堆方法，而是大数据思维

2、大数据的本质

数据，是对客观事物的描述和记录

大数据不在于大，而在于全

3、大数据四大核心价值

用趋势图来探索产品销量规律

从谷歌的GFT产品探索用户需求变化

从大数据炒股看大数据如何探索因素的相关性

阿里巴巴预测经济危机的到来

从美国总统竞选看大数据对选民行为进行分析

4、大数据价值落地的三个关键环节

业务数据化

数据信息化

信息策略化

案例：喜欢赚“差价”的营业员（用数据管理来识别）

第三部分：大数据精准营销—分析框架篇

1、数据分析简介

数据分析的三个阶段

分析方法的三大类别

2、数据分析的六步曲

3、步骤1：明确目的--理清思路

确定分析目的：要解决什么样的业务问题

确定分析思路：分解业务问题，构建分析框架

4、步骤2：数据收集—理清思路

明确收集数据范围

确定收集来源

确定收集方法

5、步骤3：数据预处理—寻找答案

数据质量评估

数据清洗、数据处理和变量处理

探索性分析

6、步骤4：数据分析--寻找答案

选择合适的分析方法

构建合适的分析模型

选择合适的分析工具

7、步骤5：数据展示--观点表达

选择恰当的图表

选择合适的可视化工具

8、步骤6：报表撰写--观点表达

选择报告种类

完整的报告结构

演练：如何用大数据来支撑手机精准营销项目

演练：如何构建一个良好的大数据分析框架

第四部分：用户行为分析—分析方法篇

问题：数据分析有什么方法可依?不同的方法适用解决什么样的问题？

1、大数据精准营销的前提：用户行为分析

2、数据分析方法的层次

描述性分析法（对比/分组/结构/趋势/交叉…）

相关性分析法（相关/方差/卡方…）

预测性分析法（回归/时序/决策树/神经网络…）

专题性分析法（聚类/关联/RFM模型/…）

3、统计分析基础

统计分析两要素

统计分析三步骤

4、统计分析常用指标

汇总方式：计数、求和、百分比（增跌幅）

集中程度：均值、中位数、众数

离散程度：极差、方差/标准差、IQR

分布形态：偏度、峰度

5、基本分析方法及其适用场景

对比分析（查看数据差距）

演练：寻找用户的地域分布规律

演练：寻找公司主打产品

演练：用数据来探索增量不增收困境的解决方案

案例：银行ATM柜员机现金管理分析（银行）

分组分析（查看数据分布）

案例：排班后面隐藏的猫腻

案例：通信运营商的流量套餐划分合理性的评估

演练：银行用户消费层次分析（银行）

演练：呼叫中心接听电话效率分析（呼叫中心）

演练：客服中心科学排班人数需求分析（客服中心）

演练：客户年龄分布/消费分布分析

结构分析（评估事物构成）

案例：用户市场占比结构分析

案例：物流费用占比结构分析（物流）

案例：中移动用户群动态结构分析

演练：用户结构/收入结构/产品结构的分析

趋势分析（发现事物随时间的变化规律）

案例：破解零售店销售规律

案例：手机销量的淡旺季分析

演练：发现产品销售的时间规律

交叉分析（多维数据分析）

演练：用户性别+地域分布分析

演练：不同区域的产品偏好分析

演练：不同教育水平的业务套餐偏好分析

6、综合分析方法及其适用场景

综合评价法（多维指标归一）

案例：南京丈母娘选女婿分析表格

演练：人才选拔评价分析（HR）

杜邦分析法（关键因素分析-财务数据分析）

案例：运营商市场占有率分析（通信）

案例：服务水平提升分析（呼叫中心）

演戏：提升销量的销售策略分析（零售商/电商）

漏斗分析法（关键流程环节分析-流失率与转化率分析）

案例：电商产品销售流程优化与策略分析（电商）

演练：营业厅终端销售流程分析（电信）

演练：银行业务办理流程优化分析（银行）

矩阵分析法（产品策略分析-象限图分析法）

案例：工作安排评估

案例：HR人员考核与管理

案例：波士顿产品策略分析

7、最合适的分析方法才是硬道理。

第五部分：用户行为分析—分析思路篇

问题：数据分析思路是怎样的？如何才能全面/系统地分析而不遗漏？

1、常用分析思路模型

2、用户行为分析（5W2H分析思路）

WHY：原因

WHAT：产品

WHO：客户

WHEN：时间

WHERE：区域/渠道

HOW：支付方式

HOW MUCH：价格

案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H）

第六部分：影响因素分析—属性筛选篇

营销问题：哪些是影响市场销量的关键因素？比如，产品在货架上的位置是否对销量有影响？价格和广告开销是如何影响销量的？

影响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（衡量两数据型变量的线性相关性）

问题：这两个属性是否会相互影响？影响程度大吗？

相关分析简介

相关分析的应用场景

相关分析的种类

简单相关分析

偏相关分析

距离相关分析

相关系数的三种计算公式

Pearson相关系数

Spearman相关系数

Kendall相关系数

相关分析的假设检验

相关分析的四个基本步骤

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：话费与网龄的相关分析

偏相关分析

偏相关原理：排除不可控因素后的两变量的相关性

偏相关系数的计算公式

偏相关分析的适用场景

距离相关分析

3、方差分析（衡量类别变量与数值变量间的相关性）

问题：哪些才是影响销量的关键因素？

方差分析的应用场景

方差分析的三个种类

单因素方差分析

多因素方差分析

协方差分析

方差分析的原理

方差分析的四个步骤

解读方差分析结果的两个要点

演练：终端摆放位置与终端销量有关吗

演练：开通月数对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、技能级别对产品销量有影响吗

演练：寻找影响产品销量的关键因素

多因素方差分析原理

多因素方差分析的作用

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

协方差分析的适用场景

演练：饲料对生猪体重的影响分析（协方差分析）

4、列联分析/卡方检验（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

5、相关性分析方法总结

第七部分：产品销量预测—回归预测篇

营销问题：如何预测未来的产品销量？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模型介绍

时序预测

回归模型

季节性预测（相加/相乘模型）

产品预测（珀尔曲线/龚铂兹曲线）

2、回归分析/回归预测

问题：如何预测未来的销售量（定量分析）？

回归分析简介

回归分析的种类（一元/多元、线性/曲线）

得到回归方程的常用工具

散点图+趋势线

线性回归工具

规划求解工具

演练：散点图找营销费用与销售额的关系（一元回归）

线性回归分析的五个步骤

演练：营销费用、办公费用与销售额的关系（线性回归）

解读线性回归分析结果的技巧

定性描述：正相关/负相关

定量描述：自变量变化导致因变量的变化程度

回归预测模型质量评估

评估指标：判定系数R^2、标准误差

如何选择最佳回归模型

演练：如何选择最佳的回归预测模型（一元曲线回归）

预测值准确性评估

MAD、MSE/RMSE、MAPE等

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、回归分析的基本原理

4、模型优化思路：寻找最佳回归拟合线

如何处理预测离群值（剔除离群值）

如何剔除不显著因素（剔除不显著因素）

如何进行非线性关系检验（增加非线性自变量）

如何进行相互作用检验（增加相互作用自变量）

如何进行多重共线性检验（剔除共线性自变量）

如何检验误差项（修改因变量）

如何判断模型过拟合（模型过拟合判断）

演练：模型优化案例

5、规划求解工具简介（自定义回归模型的工具）

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

7、好模型都是优化出来的

第八部分：产品销量预测—时序预测篇

1、时间序列简介

回归模型的缺点

2、时序预测常用模型

3、评估预测值的准确度指标

平均绝对误差MAD

均方差MSE/RMSE

平均误差率MAPE

4、移动平均（MA）

应用场景及原理

移动平均种类

一次移动平均

二次移动平均

加权移动平均

移动平均比率法

移动平均关键问题

期数N的最佳选择方法

最优权重系数的选取方法

演练：平板电脑销量预测及评估

演练：快销产品季节销量预测及评估

5、指数平滑（ES）

应用场景及原理

最优平滑系数的选取原则

指数平滑种类

一次指数平滑

二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数）

三次指数平滑

演练：煤炭产量预测

演练：航空旅客量预测及评估

6、温特斯季节预测模型

适用场景及原理

Holt-Winters加法模型

Holt-Winters乘法模型

演练：汽车销量预测及评估

7、回归季节预测模型

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

8、ARIMA模型

适用场景及原理

ARIMA操作

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

9、新产品销量预测

新产品累计销量的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

演练：预测IPad产品的销量

第九部分：客户行为预测—分类预测篇

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、逻辑回归（LR）

逻辑回归模型原理及适用场景

逻辑回归的种类

二项逻辑回归

多项逻辑回归

如何解读逻辑回归方程

带分类自变量的逻辑回归分析

多元逻辑回归

案例：如何评估用户是否会购买某产品（二元逻辑回归）

案例：多品牌选择模型分析（多元逻辑回归）

4、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

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

如何评估分类性能？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：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

5、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

第十部分：市场细分模型

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、客户细分与PCA分析法

PCA主成分分析的原理

PCA分析法的适用场景

演练：利用PCA对汽车客户群进行细分

演练：如何针对汽车客户群设计汽车

第十一部分：客户价值分析

营销问题：如何评估客户的价值？不同的价值客户有何区别对待？

1、如何评价客户生命周期的价值

贴现率与留存率

评估客户的真实价值

使用双向表衡量属性敏感度

变化的边际利润

案例：评估营销行为的合理性

2、RFM模型（客户价值评估）

RFM模型，更深入了解你的客户价值

RFM模型与市场策略

RFM模型与活跃度分析

案例：客户价值评估与促销名单

案例：重购用户特征分析

第十二部分：产品推荐模型

问题：购买A产品的顾客还常常要购买其他什么产品？应该给客户推荐什么产品最有可能被接受？

1、常用产品推荐模型

2、关联分析

如何制定套餐，实现交叉/捆绑销售

案例：啤酒与尿布、飓风与蛋挞

关联分析模型原理（Association）

关联规则的两个关键参数

支持度

置信度

关联分析的适用场景

案例：购物篮分析与产品捆绑销售/布局优化

案例：理财产品的交叉销售与产品推荐

第十三部分：产品定价策略及最优定价

营销问题：产品如何实现最估定价？套餐价格如何确定？采用哪些定价策略可达到利润最大化？

1、常见的定价方法

2、产品定价的理论依据

需求曲线与利润最大化

如何求解最优定价

案例：产品最优定价求解

3、如何评估需求曲线

价格弹性

曲线方程（线性、乘幂）

4、如何做产品组合定价

5、如何做产品捆绑/套餐定价

最大收益定价（演进规划求解）

避免价格反转的套餐定价

案例：电信公司的宽带、IPTV、移动电话套餐定价

6、非线性定价原理

要理解支付意愿曲线

支付意愿曲线与需求曲线的异同

案例：双重收费如何定价（如会费+按次计费）

7、阶梯定价策略

案例：电力公司如何做阶梯定价

8、数量折扣定价策略

案例：如何通过折扣来实现薄利多销

9、定价策略的评估与选择

案例：零售公司如何选择最优定价策略

10、航空公司的收益管理

收益管理介绍

如何确定机票预订限制

如何确定机票超售数量

如何评估模型的收益

案例：FBN航空公司如何实现收益管理（预订/超售）

第十四部分：实战篇(电信业客户流失分析模型)

1、电信业客户流失预警与客户挽留模型

2、银行欠贷风险预测模型

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：Service@mingketang.com