楼主: Frank233
4897 16

[行业动态] 强强联合,打造营销案例数据分析精品课程 [推广有奖]

  • 3关注
  • 20粉丝

教授

43%

还不是VIP/贵宾

-

威望
1
论坛币
-203418 个
通用积分
1202.1636
学术水平
43 点
热心指数
68 点
信用等级
43 点
经验
33824 点
帖子
597
精华
0
在线时间
1278 小时
注册时间
2015-6-30
最后登录
2022-1-6

相似文件 换一批

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

强强联合,打造营销案例数据分析精品课程


众所周知,在互联网时代,有关数据的分析和应用已逐渐延伸到各大行业,阿里巴巴集团董事局主席马云表示,人类已经由 IT (信息技术)时代进入了 DT(数据技术)时代,数据取代了石油成为了最核心的资源,在未来,数据会成为像水、电、石油一样的公共资源。而根据8月国务院印发的《关于促进大数据发展的行动纲要》,中国将推动政府信息系统和公共数据互联共享,推动民生领域政府数据向社会开放;所以移动互联网时代大数据分析和数据挖掘已备受各大企业推崇,而数据分析师自然已经成为大数据时代备受推崇的热门职位。

在此背景下,国内最大最有影响力的经济、管理、金融、统计类在线教育和咨询网站经管之家(原人大经济论坛)联合全美最大的独立客户关系营销咨询公司美库尔,为客户提供全面整合的客户关系营销解决方案,帮助最大化其投资回报。如今,我们进一步面向个人和企业级客户提供全方位定制化的数据培训课程。此次课程以各个热门行业的成功案例为原型,经过筛选整合,与常用的统计分析手段相结合,提供从理论到实战的一体化培训。


学员对象

   1. 从事各个行业的数据分析人员,客户关系营销领域的工作人员;

   2. 有志于从事数据分析,客户关系营销领域的本科生、研究生和其他领域的工作人员;

   3. 希望快速提高统计知识及统计软件应用能力的人员


课程目标

   1. 掌握数据处理的一般过程及其商业模式下的数据分析过程及方法;

   2. 能够灵活应用常用的建模方法,由浅入深,了解基本建模分析和高级建模分析;

   3. 掌握商业报告的基本格式——表格、图形、报告;

   4. 熟悉实际项目的基本情况,以及项目中会遇到的问题和解决方法。


课程特色

   1. 通过真实的案例来介绍不同的数据分析方法在各个行业的应用,内容通俗易懂,由浅入深,极具实战性。

   2. 统计与业务问题相结合,不同的实际问题对应着不同的分析手段,力求算法与业务的有效整合,从而能精确定位模型与业务问题,提供策略方案。

   3. 每节课都是由具体案例而展开的,可以在巩固知识点的同时进一步加深软件操作与实务,最终实现问题与工具的综合运用。

   4. 六天的课程不相关联,学员可以随意选择其中的任意几门有兴趣的课程学习,并先后在上海和南京开课。


课程时间安排                            
1.png


课程目录大纲
1.
在零售行业中应用逻辑回归估计客户生命价值
      
    1.1 预测性模型简介
               预测性模型概述
               通用的建模流程
               引题案例:针对客户响应与否
         1.2 逻辑回归概述
               逻辑回归的原理
               能够解决的商业问题
         1.3 案例分析
               预测用户在未来(30天内)购买的概率

         
   2.在零售行业中应用线性回归估计客户生命价值
  
       2.1 预测性模型简介
               预测性模型概述
               通用的建模流程
               引题案例:针对客户消费金额大小
         2.2 线性回归概述
               线性回归的原理
               能够解决的商业问题
         2.3 案例分析
               预测用户在未来(30天内)花费金额的大小
         2.4 拓展:逻辑回归模型和线性回归模型的综合应用

         
   3. 在保险业中使用决策树并展示其成果
      
     3.1 决策树的基本概念
               定义、目的以及总体步骤
         3.2 决策树的基本原理
               CART算法
         3.3 决策树的应用基础
               如何用R实现决策树
         3.4 案例分析
               决策树在客户画像中的应用

         
     
4. 利用客户分群实现保险行业中现存客户的精准定位
           
4.1 客户分群概述
               客户分群的要素、类型及目的
         4.2 客户分群的原理
               聚类分析
         4.3 分群的SAS实现
         4.4 案例分析
               人寿保险公司的客户分群及营销策略

         
   
5. 利用时间序列精准预估零售业的销量与营业额
           
5.1 时间序列简介
         5.2 时间序列模型
               移动平均(Moving Average, MA) 和自回归(Autoregresive, AR)
               自回归移动平均模型(ARMA/ARIMA)
         5.3 Box-Jenkins 建模流程
               平稳性判断、模型识别、模型拟合、模型验证
         5.4 案例分析
               预估零售业的销量与营业额

         
   6. 如何针对行业特性进行媒体组合优化
     
      6.1 组合优化方法简介
         6.2 营销组合优化建模
               营销组合优化模型过程概述
               自上而下的营销组合模型
               自下而上的归因模型
         6.3 案例分析
               零售业优化分析案例
               保险业优化分析案例
               医药、娱乐及媒体行业更多应用


报名流程

1、点击“立即报名”,网上填写信息提交;
2、给予反馈,确认报名信息;
3、开课前一周发送课程电子版讲义,软件准备及交通住宿指南。



联系我们 
   电话:   010—53605625    
   手机:   18810531180 (曹老师)
                18611083334(樊老师)
   邮箱:  caolibo@pinggu.org


CDA数据分析师就业班,12月1日盛大开课!!!

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:案例数据 营销案例 数据分析 强强联合 精品课程 阿里巴巴 董事局主席 移动互联网 国务院 解决方案


CDA数据分析交流群 217748971
沙发
perfect111 发表于 2015-11-19 10:57:38 |只看作者 |坛友微信交流群
好课程,赞一个

使用道具

藤椅
一只大鸭梨 发表于 2015-11-19 11:01:58 |只看作者 |坛友微信交流群
时间序列课程很不错,好想报名

使用道具

板凳
浮世若离丶 发表于 2015-11-19 11:18:07 |只看作者 |坛友微信交流群
营销案例分析优质课程!

使用道具

报纸
浮世若离丶 发表于 2015-11-19 11:18:12 |只看作者 |坛友微信交流群
营销案例分析优质课程!

使用道具

地板
Frank233 发表于 2015-11-19 11:31:08 |只看作者 |坛友微信交流群
强强联合,打造营销案例数据分析精品课程

使用道具

7
lqq316 发表于 2015-11-19 13:30:29 来自手机 |只看作者 |坛友微信交流群
Show一下ID

使用道具

8
Mirror.. 在职认证  发表于 2015-11-19 13:54:22 |只看作者 |坛友微信交流群
好课支持

使用道具

9
ydb8848 发表于 2015-11-19 13:54:36 |只看作者 |坛友微信交流群

使用道具

10
wshuai5910 发表于 2015-11-19 15:01:04 来自手机 |只看作者 |坛友微信交流群
Frank233 发表于 2015-11-19 10:28
强强联合,打造营销案例数据分析精品课程众所周知,在互联网时代,有关数据的分析和应用已逐渐延伸到各大行 ...
好东西

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-4-30 19:22