致力于提升研发企业的持续创新能力
结盟众多企业“教练”， 共同设计、开发及提供人才培养解决方案，通过新颖多样的学习方式，针对性的定制化内容，助力企业全面提升竞争优势。
结盟众多企业“教练”， 共同设计、开发及提供人才培养解决方案，通过新颖多样的学习方式，针对性的定制化内容，助力企业全面提升竞争优势。
杜老师
1天
3600元/人
课程特点
本课程会结合大数据分析基本概念、方法、不同行业企业数据分析真实案例等深入浅出地介绍在大数据时代，企业如何组建一支大数据分析团队，结合自身的业务需求和数据，进行商业预测，以期利用大数据挖掘价值，实现企业的业务目标。
课程目的
通过一天的学习，学员可以充分了解企业如何利用自身数据、大数据分析技术解决企业面临的具体业务问题，基于数据洞察和数据分析实现商业预测。
课程将具体介绍大数据分析的不同方法、工具、流程和需要注意的问题，并结合银行、保险、零售、制造业等不同行业的真实数据分析案例进行讲授。
培训对象
企业数据分析经理、数据运营经理、大数据分析师、商务智能分析师或对大数据分析建模感兴趣的技术人员
课程大纲
| 主题 | 内容 |
|---|---|
| 1. 走近大数据 |
1.1大数据的发展与兴起 1.1.1大数据的产生 1.1.2大数据发展历程 1.1.3大数据发展条件 1.2大数据的概念和特点 1.2.1大数据的常见定义 1.2.2大数据的特点 1.2.3大数据必备思维 1.3大数据与传统数据的区别和联系 1.3.1大数据 vs传统数据 1.3.2大数据与传统数据的关联 1.4大数据在不同行业的应用 1.4.1大数据的价值 1.4.2大数据的行业应用 1.5大数据的趋势 1.5.1大数据的全球格局 1.5.2大数据在中国的发展趋势 1.6大数据的潜在风险与误区 1.6.1大数据的潜在风险 1.6.2大数据的认识误区 |
| 2. 大数据时代的大数据分析 |
2.1大数据分析基础 2.1.1分析工具介绍 2.1.2分析语言简介 2.1.3基础算法介绍(统计学、建模、机器学习) 2.2 大数据分析平台架构 2.2.1技术架构 2.2.2数据管理层 2.2.3模型层 2.2.4R接口层交互方式举例 2.3大数据分析流程 2.3.1量化业务问题 2.3.2算法/工具选型 2.3.3数据预处理 2.3.4 建模分析 2.3.5 结果展示与结论 |
| 3. 大数据时代的小数据分析 |
3.1SMART数据分析 3.1.1小数据研究方法 3.1.2 小数据处理方式与工具 3.2大小数据融合 3.2.1数据源的打通 3.2.2分析融合 3.2.3大小数据融合分析案例 3.3SMART数据分析模型与商业预测 3.3.1运营情况分析 3.3.2客户生命周期研究 3.3.3产品与品牌研究 3.3.4营销要素研究 |
| 4. 行业大数据分析与商业预测案例 |
4.1银行业：营销短名单的生成 4.2保险业：销售预测与可视化展现 4.3零售业：百货行业会员数据分析与发掘 4.4制造业：大数据分析支持微博营销 4.5工业：大数据驱动的PHM技术与应用 |
