发帖
雷达卡
适用人群：
1、0基础学习金融数据分析，希望转岗到金融数据分析师的工作
2、对金融数据分析感兴趣的经济学、金融学、数学、统计等相关专业应届生
3、金融行业在职人员，希望提升数据分析技能
知识点：
1、理论篇，主要介绍从旧的4P理论到新的4P理论演变，以及数字化运营和数字化营销的理论和概念及其在银行业的实践;
2、实现篇，主要介绍三大策略;一是基于NES的客群运营监控、二是数字化的营销体系（模型、标签和CRM系统等）、三是数字化的营销闭环。
3、工具篇，着重通过案例，介绍具体算法在数字化运营中的应用。
课程内容
第1章 SPSS数据分析基础
- 课程介绍 描述统计
- 统计制图1
- 统计制图2
- 统计制图3
- 统计制图4
- 数据转换1
- 数据转换2
- 假设检验1
- 假设检验2
- 线性回归
第2章 金融数据分析基础
- 数字化概述1
- 数字化概述2
- 数字化的保障机制
- 业务流程和数据产品开发1
- 业务流程和数据产品开发2
- 指标体系
- 根原因分析
- 客户运营与量化方法
- 金融市场调研方法与流程
- SQL数据库基础技术
- 数据分析基础过程
- 商业分析思维
- 数据分析报告框架
- 分析报告模板
- 数据的统计量
- 用图表描述业务-1
- 常用描述数据方法
- 化妆品销售数据分析
- PowerBI使用讲解
- 用户画像使用的标签设计和RFM模型示例
- 用Python做描述统计
- 用Python做数据处理
- 信用卡用户画像展示
第3章 Python数据分析基础
- 数据分析的武器库：1.1 基本概念1
- 数据分析的武器库：1.2 基本概念2
- 数据分析的武器库：2 数理统计技术
- 数据分析的武器库：3.1 数据挖掘的技术与方法1
- 数据分析的武器库：3.2 数据挖掘的技术与方法2
- 数据分析的武器库：4 分类模型的评估方法
- Python编程基础 1Python介绍
- Python编程基础2Python语言编程-1
- Python编程基础3Python语言编程-2-1
- Python编程基础4Python语言编程-2-2
- Python编程基础5Python语言编程-3
- Python编程基础6Python语言编程-4
- Python编程基础7Python语言编程-5
- 数据描述分析：1.1 背景介绍
- 数据描述分析：2 对被解释变量进行描述
- 数据描述分析：3.1 对解释变量进行描述1
- 数据描述分析：3.2 对解释变量进行描述2
- 数据描述分析：4 单变量显著度检验
- 数据描述分析：5 无交互项的线性模型
- 数据描述分析：6 有交互项的线性模型和预测
- 统计推断：4.1 统计推断与假设检验1
- 统计推断：4.2 统计推断与假设检验2
- 线性回归与逻辑回归：1 线性回归算法概述与变量筛选
- 线性回归与逻辑回归：2 线性回归优化与正则化
- 线性回归与逻辑回归：3 逻辑回归变量筛选、编码
- 个人贷款信用风险评级全流程
第4章 金融建模实战
- 决策性模型：获客营销1
- 决策性模型：获客营销2
- 客户分群-连续变量降维
- 客群细分-聚类1
- 客群细分-聚类2
- 客群细分-聚类3
- 保留提升-交叉销售
- 识别类模型：分类模型原理1
- 识别类模型：分类模型原理2
- 识别类模型：申请欺诈1-决策树
- 识别类模型：申请欺诈1-组合算法
- 识别类模型：申请欺诈-朴素贝叶斯、KNN
- 识别类模型：申请欺诈- 神经网络
- 识别类模型：违规识别-异常识别和组合算法
- 预测和最优化：Python时间处理基础
- 使用时间序列分析做销售量预测1
- 运营优化
- 流程分析和流程挖掘
第5章 金融数字化客群运营
- 营销战略落地方法论
- 数字化营销技术
- 有监督学习在精准营销中的运用1
- 有监督学习在精准营销中的运用2
- 有监督学习在精准营销中的运用3
- 有监督学习在精准营销中的运用4
- 无监督学习在精细化运营中的运用
- 社交网络的应用案例1
- 社交网络的应用案例2
- 社交网络的应用案例3
课程地址：《金融数据分析与应用》
DA内容精选
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
