課程目標(biāo)

Python已經(jīng)成為數(shù)據(jù)分析和數(shù)據(jù)挖掘的首選語(yǔ)言，作為除了Java、C/C++/C#外最受歡迎的語(yǔ)言。

本課程基于Python工具來(lái)實(shí)現(xiàn)大數(shù)據(jù)的數(shù)據(jù)分析和數(shù)據(jù)挖掘項(xiàng)目�；�于業(yè)務(wù)問(wèn)題，在數(shù)據(jù)挖掘標(biāo)準(zhǔn)過(guò)程指導(dǎo)下，采用Python分析工具，實(shí)現(xiàn)數(shù)據(jù)挖掘項(xiàng)目的每一步操作，從數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、數(shù)據(jù)可視化，到最終數(shù)據(jù)挖掘結(jié)束，幫助學(xué)員掌握Python用于數(shù)據(jù)挖掘，提升學(xué)員的數(shù)據(jù)化運(yùn)營(yíng)及數(shù)據(jù)挖掘的能力。

通過(guò)本課程的學(xué)習(xí)，達(dá)到如下目的：

1、 全面掌握Python語(yǔ)言以及其編程思想。

2、 掌握常用擴(kuò)展庫(kù)的使用，特別是數(shù)據(jù)挖掘相關(guān)庫(kù)的使用。

3、 學(xué)會(huì)使用Python完成數(shù)據(jù)挖掘項(xiàng)目整個(gè)過(guò)程。

4、 掌握利用Python實(shí)現(xiàn)可視化呈現(xiàn)。

5、 掌握數(shù)據(jù)挖掘常見(jiàn)算法在Python中的實(shí)現(xiàn)。

【授課時(shí)間】

2-5天時(shí)間

（要根據(jù)學(xué)員的實(shí)際情況調(diào)整重點(diǎn)內(nèi)容及時(shí)間）

學(xué)員要求

課程為實(shí)戰(zhàn)課程，要求：

1、 每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。

2、 便攜機(jī)中事先安裝好Python 3.6版本及以上。

3、 安裝好Numpy,Pandas,sklearn等常用庫(kù)。

注：講師現(xiàn)場(chǎng)提供開(kāi)源的安裝程序、擴(kuò)展庫(kù)，以及現(xiàn)場(chǎng)分析的數(shù)據(jù)源。

授課方式

語(yǔ)言基礎(chǔ) + 挖掘模型 + 案例演練 + 開(kāi)發(fā)實(shí)踐 + 可視化呈現(xiàn)

采用互動(dòng)式教學(xué)，圍繞業(yè)務(wù)問(wèn)題，展開(kāi)數(shù)據(jù)分析過(guò)程，全過(guò)程演練操作，讓學(xué)員在分析、分享、講授、總結(jié)、自我實(shí)踐過(guò)程中獲得能力提升。

課程大綱

第一部分： 數(shù)據(jù)對(duì)象基本操作

目的：掌握數(shù)據(jù)集結(jié)構(gòu)及基本處理方法，進(jìn)一步鞏固Python語(yǔ)言

1、 數(shù)據(jù)挖掘常用擴(kuò)展庫(kù)介紹

Ø Numpy數(shù)組處理支持

Ø Scipy矩陣計(jì)算模塊

Ø Matplotlib數(shù)據(jù)可視化工具庫(kù)

Ø Pandas數(shù)據(jù)分析和探索工具

Ø StatsModels統(tǒng)計(jì)建模庫(kù)

Ø Scikit-Learn機(jī)器學(xué)習(xí)庫(kù)

Ø Keras深度學(xué)習(xí)（神經(jīng)網(wǎng)絡(luò)）庫(kù)

Ø Gensim文本挖掘庫(kù)

2、 數(shù)據(jù)集構(gòu)建

Ø Index, Series, DataFrame對(duì)象

Ø 手工構(gòu)建（創(chuàng)建索引、序列、數(shù)據(jù)集）

Ø 讀取文件（CSV文件、Excel文件）

Ø 讀取數(shù)據(jù)庫(kù)

Ø 數(shù)據(jù)集保存（CSV、Excel）

3、 數(shù)據(jù)集基本操作

Ø 基本屬性訪問(wèn)

² shape,ndim,index,columns,values,empty,size

Ø 數(shù)據(jù)類型處理：查看、修改、轉(zhuǎn)換

Ø 排序

² 排序依據(jù)：標(biāo)題、索引、字段

² 排序順序：升序、降序

² 自定義排序：按標(biāo)題、索引、字段、有序類別變量排序

Ø 基本訪問(wèn)

² 行訪問(wèn)、列訪問(wèn)、值訪問(wèn)

² 訪問(wèn)方式：標(biāo)簽、位置

² 訪問(wèn)類型：?jiǎn)涡辛�、多行列、連續(xù)行列

² 布爾數(shù)組訪問(wèn)

Ø 字段管理、新增、刪除、修改、替換、移位

Ø 數(shù)據(jù)篩選：條件篩選、多值篩選、篩選空值/非空值

演練：用Python實(shí)現(xiàn)數(shù)據(jù)的基本訪問(wèn)

第二部分： 大數(shù)據(jù)預(yù)處理

目的：掌握數(shù)據(jù)預(yù)處理的基本環(huán)節(jié)，以及Python的實(shí)現(xiàn)。

1、 預(yù)處理任務(wù)

Ø 數(shù)據(jù)清洗

Ø 數(shù)據(jù)集成

Ø 數(shù)據(jù)處理

Ø 變量處理

2、 數(shù)據(jù)清洗

Ø 重復(fù)值處理

² 重復(fù)字段、重復(fù)標(biāo)題、重復(fù)索引

² 處理方式：查找、刪除、修改

Ø 錯(cuò)誤值處理

² 查找錯(cuò)誤值

² 置空/刪除

² 重新編碼/替換

Ø 離群值處理：

² 檢測(cè)標(biāo)題：3σ準(zhǔn)則，IQR準(zhǔn)則，K均值

² 處理方式：查找、置空、截尾、縮尾

² 基于K均值的離群值檢測(cè)

Ø 缺失值處理：

² 查找、刪除

² 插補(bǔ)(固定值/均值/向下填充/向上填充/插入法/拉格朗日)

3、 數(shù)據(jù)集成

Ø 數(shù)據(jù)追加

Ø 變量合并（連接類型）

4、 數(shù)據(jù)處理

Ø 數(shù)據(jù)篩選

Ø 數(shù)據(jù)抽樣

² 簡(jiǎn)單抽樣（有放回、無(wú)放回）

² 分層抽樣

Ø 離散化/分箱

² 等寬

² 等頻

² 自定義間隔

² K均值

5、 變量處理

Ø 處理方式：變量變換、變量派生

Ø 規(guī)范化：min-max /mean-std/exp-max

Ø 啞變量化

案例：用Python實(shí)現(xiàn)數(shù)據(jù)預(yù)處理

第三部分： 數(shù)據(jù)可視化處理

目的：掌握作圖擴(kuò)展庫(kù)，實(shí)現(xiàn)數(shù)據(jù)可視化

1、 統(tǒng)計(jì)基礎(chǔ)

Ø 數(shù)值變量：描述統(tǒng)計(jì)

Ø 類別變量：分類計(jì)數(shù)

Ø 分類統(tǒng)計(jì)：分類匯總

2、 常用的Python作圖庫(kù)

Ø Matplotlib庫(kù)

Ø Pygal庫(kù)

3、 各種圖形的畫(huà)法

Ø 柱狀圖

Ø 直方圖

Ø 餅圖

Ø 折線圖

Ø 散點(diǎn)圖

Ø …

演練：用Python庫(kù)作圖來(lái)實(shí)現(xiàn)產(chǎn)品銷量分析，并可視化

第四部分： 影響因素分析/特征選擇

目的：掌握判斷事物間相關(guān)性的常用方法，熟悉建模前如何進(jìn)行屬性篩選/特征選擇，以實(shí)現(xiàn)降維的目的。

1、 影響因素分析常用方法

2、 相關(guān)分析

Ø 相關(guān)分析原理

Ø 相關(guān)系數(shù)公式種類

² Pearson相關(guān)系數(shù)

² Spearman等級(jí)相關(guān)系數(shù)

² Kendall等級(jí)相關(guān)系數(shù)

3、 方差分析

Ø 方差分析原理

Ø 方差分析種類

² 單因素方差分析

² 多因素方差分析

² 協(xié)方差分析

4、 列聯(lián)分析/卡方檢驗(yàn)

Ø 列聯(lián)分析原理

Ø 計(jì)數(shù)與期望值

Ø 卡方檢驗(yàn)公式

5、 主成分分析：降維

Ø PCA方法原理

第五部分： 回歸預(yù)測(cè)模型實(shí)戰(zhàn)

1、 常用數(shù)值預(yù)測(cè)的模型

Ø 通用預(yù)測(cè)模型：回歸模型

Ø 季節(jié)性預(yù)測(cè)模型：相加、相乘模型

Ø 新產(chǎn)品預(yù)測(cè)模型：珀?duì)柷�線與龔鉑茲曲線

2、 回歸分析概念

3、 常見(jiàn)回歸分析類別

4、 回歸分析常見(jiàn)算法

Ø 普通最小二乘法OLS

Ø 嶺回歸（RR）

Ø 套索回歸Lasso

Ø ElasticNet回歸

5、 回歸模型的評(píng)估

Ø 判定系數(shù)R^2

Ø 平均誤差率MAPE

第六部分： 分類預(yù)測(cè)模型實(shí)戰(zhàn)

1、 常見(jiàn)分類預(yù)測(cè)的模型與算法

2、 如何評(píng)估分類預(yù)測(cè)模型的質(zhì)量

Ø 正確率、查準(zhǔn)率、召回率、F1

Ø ROC曲線

3、 邏輯回歸分析模型

Ø 邏輯回歸的原理

Ø 邏輯回歸建模的步驟

案例：用sklearn庫(kù)實(shí)現(xiàn)銀行貸款違約預(yù)測(cè)

4、 決策樹(shù)模型

Ø 決策樹(shù)分類的原理

Ø 決策樹(shù)的三個(gè)關(guān)鍵問(wèn)題

Ø 決策樹(shù)算法與實(shí)現(xiàn)

案例：電力竊漏用戶自動(dòng)識(shí)別

5、 決策樹(shù)算法

Ø 最優(yōu)屬性選擇算法：ID3、ID4.0、ID5.0

Ø 連續(xù)變量分割算法

Ø 樹(shù)剪枝：預(yù)剪枝、后剪枝

6、 人工神經(jīng)網(wǎng)絡(luò)模型（ANN）

Ø 神經(jīng)網(wǎng)絡(luò)概述

Ø 神經(jīng)元工作原理

Ø 常見(jiàn)神經(jīng)網(wǎng)絡(luò)算法（BP、LM、RBF、FNN等）

案例：神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)產(chǎn)品銷量

7、 支持向量機(jī)（SVM）

Ø SVM基本原理

Ø 維災(zāi)難與核心函數(shù)

案例：基于水質(zhì)圖像的水質(zhì)評(píng)價(jià)

8、 貝葉斯分析

Ø 條件概率

Ø 常見(jiàn)貝葉斯網(wǎng)絡(luò)

第七部分： 聚類分析（客戶細(xì)分）實(shí)戰(zhàn)

1、 客戶細(xì)分常用方法

2、 聚類分析（Clustering）

Ø 聚類方法原理介紹及適用場(chǎng)景

Ø 常用聚類分析算法

Ø 聚類算法的評(píng)價(jià)

案例：使用SKLearn實(shí)現(xiàn)K均值聚類

案例：使用TSNE實(shí)現(xiàn)聚類可視化

3、 RFM模型分析

Ø RFM模型，更深入了解你的客戶價(jià)值

Ø RFM模型與市場(chǎng)策略

案例：航空公司客戶價(jià)值分析

第八部分： 關(guān)聯(lián)規(guī)則分析實(shí)戰(zhàn)

1、 關(guān)聯(lián)規(guī)則概述

2、 常用關(guān)聯(lián)規(guī)則算法

Ø Apriori算法

² 發(fā)現(xiàn)頻繁集

² 生成關(guān)聯(lián)規(guī)則

Ø FP-Growth算法

² 構(gòu)建FP樹(shù)

² 提取規(guī)則

3、 時(shí)間序列分析

案例：使用apriori庫(kù)實(shí)現(xiàn)關(guān)聯(lián)分析

案例：中醫(yī)證型關(guān)聯(lián)規(guī)則挖掘

第九部分： 案例實(shí)戰(zhàn)

1、 客戶流失預(yù)測(cè)和客戶挽留模型

2、 銀行欠貸風(fēng)險(xiǎn)預(yù)測(cè)模型

結(jié)束：課程總結(jié)與問(wèn)題答疑。

培訓(xùn)師介紹：

傅一航

華為系大數(shù)據(jù)專家

計(jì)算機(jī)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(xiàng)國(guó)家專利，在華為工作期間

獲得華為數(shù)項(xiàng)獎(jiǎng)項(xiàng)，曾在英國(guó)、日本、荷蘭和比利

時(shí)等海外市場(chǎng)做項(xiàng)目，對(duì)大數(shù)據(jù)有深入的研究。

傅老師專注于大數(shù)據(jù)分析與挖掘、機(jī)器學(xué)習(xí)等應(yīng)用技術(shù)，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(yīng)用于行業(yè)及商業(yè)領(lǐng)域，解決行業(yè)實(shí)際的問(wèn)題。

1、讓決策更科學(xué)：將大數(shù)據(jù)應(yīng)用于運(yùn)營(yíng)決策，用大數(shù)據(jù)探索領(lǐng)域發(fā)展規(guī)律和行業(yè)發(fā)展趨勢(shì)，有效分析用戶需求，并預(yù)測(cè)用戶行為，最終實(shí)現(xiàn)市場(chǎng)變化預(yù)測(cè)，提升企業(yè)科學(xué)決策能力。

2、讓管理更高效：將大數(shù)據(jù)應(yīng)用于企業(yè)管理，用大數(shù)據(jù)呈現(xiàn)企業(yè)整體運(yùn)營(yíng)情況，診斷企業(yè)管理問(wèn)題和風(fēng)險(xiǎn)，全面理解組織、產(chǎn)品、人員、營(yíng)銷、財(cái)務(wù)等要素間的相關(guān)性，實(shí)現(xiàn)企業(yè)資源的最優(yōu)化配置，提升企業(yè)管理效率。

3、讓營(yíng)銷更精準(zhǔn)：將大數(shù)據(jù)應(yīng)用于市場(chǎng)營(yíng)銷，解決營(yíng)銷中的用戶群細(xì)分和品牌定位，客戶價(jià)值評(píng)估，產(chǎn)品設(shè)計(jì)優(yōu)化，產(chǎn)品最優(yōu)定價(jià)等實(shí)際問(wèn)題，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷和精準(zhǔn)推薦，以最小的營(yíng)銷成本實(shí)現(xiàn)最大化的營(yíng)銷效果。

傅老師目前致力于將大數(shù)據(jù)技術(shù)應(yīng)用于通信、金融、航空、電商、互聯(lián)網(wǎng)、政府等領(lǐng)域。傅老師的課程最大特色：實(shí)戰(zhàn)性強(qiáng)！“圍繞業(yè)務(wù)問(wèn)題+搭建分析框架+運(yùn)用分析方法+建立分析模型+熟悉分析工具+形成業(yè)務(wù)策略”。以商業(yè)問(wèn)題為起點(diǎn)，基于實(shí)際的業(yè)務(wù)應(yīng)用場(chǎng)景（明確目的），搭建全面系統(tǒng)的業(yè)務(wù)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(jiǎn)單實(shí)用的工具操作（分析工具），對(duì)分析結(jié)果進(jìn)行有效的解讀（數(shù)據(jù)可視化），最終形成具體的業(yè)務(wù)建議，實(shí)現(xiàn)業(yè)務(wù)分析/數(shù)據(jù)分析的閉環(huán)。

培訓(xùn)課題設(shè)計(jì):

應(yīng)用類：

《大數(shù)據(jù)分析與數(shù)據(jù)挖掘綜合能力提升實(shí)戰(zhàn)》

《“數(shù)”說(shuō)營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤(pán)》

《市場(chǎng)營(yíng)銷大數(shù)據(jù)分析實(shí)戰(zhàn)培訓(xùn)》

《大數(shù)據(jù)建模與模型優(yōu)化實(shí)戰(zhàn)培訓(xùn)》

《大數(shù)據(jù)分析與挖掘之SPSS工具入門(mén)與提高》

《金融行業(yè)風(fēng)險(xiǎn)預(yù)測(cè)模型實(shí)戰(zhàn)培訓(xùn)》

理論/認(rèn)知/戰(zhàn)略類：

《大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應(yīng)用創(chuàng)新》

《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

《大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷》

技術(shù)類：

《Hadoop大數(shù)據(jù)解決方案開(kāi)發(fā)技術(shù)基礎(chǔ)培訓(xùn)》

《Python開(kāi)發(fā)基礎(chǔ)實(shí)戰(zhàn)》

《大數(shù)據(jù)分析與挖掘之Python開(kāi)發(fā)實(shí)戰(zhàn)》

《Python機(jī)器學(xué)習(xí)算法原理及優(yōu)化實(shí)現(xiàn)》

服務(wù)客戶:

傅老師曾提供過(guò)培訓(xùn)咨詢服務(wù)的客戶遍及通信、金融、交通、制造、政府等行業(yè)，包括華為、富士康、平安集團(tuán)、中國(guó)銀行、招商銀行、光大銀行、中信銀行、交通銀行、廣電銀通、西部航空、海南航空、中國(guó)移動(dòng)、中國(guó)聯(lián)通、中國(guó)電信、西部航空、安能物流、廣州地鐵、富維江森、東風(fēng)日產(chǎn)、神南礦業(yè)、公交集團(tuán)、廣州稅務(wù)、良品鋪?zhàn)拥葐挝缓凸�司�?/p>

部分信息如下所示：

通信行業(yè)培訓(xùn)客戶：

聯(lián)通研究院：《大數(shù)據(jù)預(yù)測(cè)建模優(yōu)化》

廣州電信：《大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷》兩期

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(zhǔn)營(yíng)銷實(shí)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(yùn)營(yíng)下的大數(shù)據(jù)分析綜合能力提升實(shí)戰(zhàn)》

南京電信：《大數(shù)據(jù)視圖支撐精準(zhǔn)化營(yíng)銷》

佛山電信：《數(shù)據(jù)挖掘技術(shù)及其應(yīng)用培訓(xùn)》

泉州電信：《大數(shù)據(jù)挖掘、信息分析及應(yīng)用培訓(xùn)》

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?qū)崙?zhàn)培訓(xùn)》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(jí)》

烏魯木齊聯(lián)通：《大數(shù)據(jù)分析綜合能力提升》

上海移動(dòng)：《大數(shù)據(jù)分析與挖掘、建模及優(yōu)化》叁期

浙江移動(dòng)：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用實(shí)戰(zhàn)》

江蘇移動(dòng)：《大數(shù)據(jù)精準(zhǔn)營(yíng)銷技能提升實(shí)戰(zhàn)》

深圳移動(dòng)：《大數(shù)據(jù)分析綜合能力提升》

廣西移動(dòng)：《大數(shù)據(jù)發(fā)展趨勢(shì)及在公司營(yíng)銷領(lǐng)域的應(yīng)用》

遼寧移動(dòng)2期：《數(shù)據(jù)分析方法與經(jīng)營(yíng)分析技巧》

泉州移動(dòng)3期：《數(shù)說(shuō)營(yíng)銷—市場(chǎng)營(yíng)銷數(shù)據(jù)分析與挖掘應(yīng)用》

德陽(yáng)移動(dòng)2期：《大數(shù)據(jù)挖掘與建模優(yōu)化實(shí)戰(zhàn)培訓(xùn)》

浙江移動(dòng)：《大數(shù)據(jù)產(chǎn)品營(yíng)銷能力提升》

四川移動(dòng)：《大數(shù)據(jù)分析與挖掘綜合能力提升》

吉林移動(dòng)：《數(shù)據(jù)分析與數(shù)據(jù)挖掘培訓(xùn)》；

貴州移動(dòng)：《“數(shù)”說(shuō)營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤(pán)》

海南移動(dòng)：《基于大數(shù)據(jù)運(yùn)營(yíng)的用戶行為分析與精準(zhǔn)定位》

山東移動(dòng)：《大數(shù)據(jù)分析綜合能力提升》

深圳移動(dòng)：《大數(shù)據(jù)在行業(yè)內(nèi)外的應(yīng)用》

中國(guó)移動(dòng)終端公司：《大數(shù)據(jù)分析綜合能力提升培訓(xùn)》

中山移動(dòng)：《“數(shù)”說(shuō)營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤(pán)》

東莞移動(dòng)：《“數(shù)”說(shuō)營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤(pán)》

成都移動(dòng)：《數(shù)字化運(yùn)營(yíng)下的數(shù)據(jù)分析與數(shù)據(jù)挖掘》

眉山移動(dòng)2期：《大數(shù)據(jù)分析綜合能力提升》

云浮移動(dòng)：《大數(shù)據(jù)挖掘和信息提煉專項(xiàng)培訓(xùn)》

陽(yáng)江移動(dòng)：《小數(shù)據(jù)·大運(yùn)營(yíng)--運(yùn)營(yíng)數(shù)據(jù)的分析與挖掘》

德陽(yáng)移動(dòng)：《電信運(yùn)營(yíng)商市場(chǎng)營(yíng)銷數(shù)據(jù)挖掘應(yīng)用典型案例》

陜西在線：《“數(shù)”說(shuō)營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤(pán)》

四川在線：《“數(shù)”說(shuō)營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤(pán)》

大連移動(dòng)：《“數(shù)”說(shuō)營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤(pán)》

內(nèi)蒙古移動(dòng)：《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(yīng)用實(shí)戰(zhàn)》

華為技術(shù)：《話務(wù)量預(yù)測(cè)與排班管理》

……

金融行業(yè)培訓(xùn)客戶：

中國(guó)銀行：《大數(shù)據(jù)變革與商業(yè)模式創(chuàng)新》《大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷》

廣發(fā)銀行：《大數(shù)據(jù)下的精準(zhǔn)營(yíng)銷實(shí)戰(zhàn)》四期

中信銀行：《大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn)》叁期

交通銀行：《大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷》

安信證券：《大數(shù)據(jù)時(shí)代下的金融發(fā)展》

平安集團(tuán)：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

平安產(chǎn)險(xiǎn)：《大數(shù)據(jù)分析綜合能力提升》

平安壽險(xiǎn)：《大數(shù)據(jù)分析與應(yīng)用實(shí)戰(zhàn)》

平安銀行：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

農(nóng)業(yè)銀行：《Python大數(shù)據(jù)分析與挖掘》叁期

建設(shè)銀行：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》兩期

光大銀行：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用實(shí)戰(zhàn)》四期

招商銀行：《“數(shù)”說(shuō)營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤(pán)》四期

杭州銀貨通科技：《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展及應(yīng)用創(chuàng)新》

廣電銀通：《大數(shù)據(jù)綜合能力提升》

平安普惠金融：《Hadoop解決方案技術(shù)培訓(xùn)》

浦發(fā)銀行：《大數(shù)據(jù)精準(zhǔn)營(yíng)銷》

金融壹帳通：《大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn)》

中金所：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

……

能源汽車交通行業(yè)培訓(xùn)客戶：

一汽解放錫柴：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

廣東郵政：《大數(shù)據(jù)分析綜合能力提升實(shí)戰(zhàn)》

深圳水務(wù)：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

寧夏國(guó)電：《大數(shù)據(jù)思維與應(yīng)用》兩期

柳州上汽五菱：《大數(shù)據(jù)下的精準(zhǔn)營(yíng)銷實(shí)戰(zhàn)》

東風(fēng)商用：《數(shù)說(shuō)營(yíng)銷實(shí)戰(zhàn)》

東風(fēng)日產(chǎn)：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用實(shí)戰(zhàn)》兩期

富維江森（汽車）：《數(shù)字化運(yùn)營(yíng)下的數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用培訓(xùn)》

廣州地鐵：《大數(shù)據(jù)分析與數(shù)據(jù)挖掘培訓(xùn)》兩期

廣州地鐵：《數(shù)據(jù)分析與數(shù)據(jù)建模實(shí)戰(zhàn)》兩期

西部航空：《數(shù)字化運(yùn)營(yíng)下的數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用培訓(xùn)》

海南航空：《利用大數(shù)據(jù)營(yíng)銷提升航線收益》

南方航空：《大數(shù)據(jù)精準(zhǔn)營(yíng)銷實(shí)戰(zhàn)》兩期

北京機(jī)場(chǎng)貴賓公司：《市場(chǎng)營(yíng)銷數(shù)據(jù)的分析》

深圳公交集團(tuán)：《大數(shù)據(jù)與智慧交通》

延長(zhǎng)殼牌：《大數(shù)據(jù)分析與挖掘綜合能力提升》

神南礦業(yè)：《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展與應(yīng)用創(chuàng)新》

寶雞國(guó)電：《大數(shù)據(jù)分析與挖掘》兩期

順豐快遞：《大數(shù)據(jù)分析綜合能力提升實(shí)戰(zhàn)》

……

其它行業(yè)培訓(xùn)客戶：

嶺南集團(tuán)：《大數(shù)據(jù)時(shí)代下的精準(zhǔn)營(yíng)銷》

ABB：《大數(shù)據(jù)分析實(shí)戰(zhàn)培訓(xùn)》

頂新國(guó)際：《大數(shù)據(jù)思維與應(yīng)用創(chuàng)新》

索菲亞：《大數(shù)據(jù)分析實(shí)戰(zhàn)培訓(xùn)》

玫琳凱：《大數(shù)據(jù)思維與應(yīng)用》叁期

西部數(shù)據(jù)：《大數(shù)據(jù)分析綜合能力提升》

無(wú)限極：《大數(shù)據(jù)分析綜合能力提升》兩期

雅圖仕：《大數(shù)據(jù)分析綜合能力提升》

施耐德：《大數(shù)據(jù)分析綜合能力提升》叁期

廣州稅務(wù)：《大數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》叁期

YKK吉田拉鏈：《大數(shù)據(jù)分析綜合能力提升培訓(xùn)》

富士康：《數(shù)據(jù)分析綜合能力提升培訓(xùn)》

貴州中煙：《互聯(lián)網(wǎng)+時(shí)代的大數(shù)據(jù)思維》

深圳欣盛商：《電商大數(shù)據(jù)分析》

安能物流：《大數(shù)據(jù)挖掘分析及應(yīng)用實(shí)戰(zhàn)》

良品鋪?zhàn)樱骸洞髷?shù)據(jù)分析綜合能力提升》兩期

新時(shí)代集團(tuán)：《問(wèn)題的挖掘、分析—數(shù)據(jù)分析技巧》兩期培訓(xùn)

挑戰(zhàn)牧業(yè)：《大數(shù)據(jù)分析綜合能力提升》

易鑫集團(tuán)：《大數(shù)據(jù)分析綜合能力提升》

贛州監(jiān)獄：《大數(shù)據(jù)時(shí)代的營(yíng)銷》共三期培訓(xùn)

賀州學(xué)院：《大數(shù)據(jù)時(shí)代的人才培養(yǎng)》

……