【培訓對象】
風險控制部、業務支撐、網絡中心、IT系統部、數據分析部等對數據建模有較高要求的相關領域人員。

【培訓收益】

第一部分：數據核心理念—數據思維篇
問題：什么是數據思維？大數據決策的底層邏輯以及決策依據是什么？
1、數字化五大技術戰略：ABCDI戰略
A：人工智能，目的是用機器模擬人類行為
B：區塊鏈，構建不可篡改的分布記賬系統
C：云計算，搭建按需分配的計算資源平臺
D：大數據，實現智能化的判斷和決策機制
I：物聯網，實現萬物互聯通信的基礎架構
2、大數據的本質
數據，是事物發展和變化過程中留下的痕跡
大數據不在于量大，而在于全（多維性）
業務導向還是技術導向
3、大數據決策的底層邏輯（即四大核心價值）
探索業務規律，按規律來管理決策
案例：客流規律與排班及最佳營銷時機
案例：致命交通事故發生的時間規律
發現運營變化，定短板來運營決策
案例：考核周期導致的員工月初懈怠
案例：工序信號異常監測設備故障
理清要素關系，找影響因素來決策
案例：情緒對于股市漲跌的影響
案例：為何升職反而會增加離職風險？
預測未來趨勢，通過預判進行決策
案例：惠普預測員工離職風險及挽留
案例：保險公司的車險預測與個性化保費定價
4、大數據決策的三個關鍵環節
業務數據化：將業務問題轉化為數據問題
數據信息化：提取數據中的業務規律信息
信息策略化：基于規律形成業務應對策略
案例：用數據來識別喜歡賺“差價”的營業員
第二部分：數據分析基礎—流程步驟篇
1、數據分析的六步曲
2、步驟1：明確目的，確定分析思路
確定分析目的：要解決什么樣的業務問題
確定分析思路：分解業務問題，構建分析框架
3、步驟2：收集數據，尋找分析素材
明確數據范圍
確定收集來源
確定收集方法
4、步驟3：整理數據，確保數據質量
數據質量評估
數據清洗、數據處理和變量處理
探索性分析
5、步驟4：分析數據，尋找業務答案
選擇合適的分析方法
構建合適的分析模型
選擇合適的分析工具
6、步驟5：呈現數，解讀業務規律
選擇恰當的圖表
選擇合適的可視化工具
提煉業務含義
7、步驟6：撰寫報告，形成業務策略
選擇報告種類
完整的報告結構
演練：產品精準營銷案例分析
如何搭建精準營銷分析框架
精準營銷分析的過程和步驟
第三部分：用戶行為分析—統計方法篇
問題：數據分析方法的種類？分析方法的不同應用場景？
1、業務分析的三個階段
現狀分析：通過企業運營指標來發現規律及短板
原因分析：查找數據相關性，探尋目標影響因素
預測分析：合理配置資源，預判業務未來的趨勢
2、常用的數據分析方法種類
描述性分析法（對比/分組/結構/趨勢/交叉…）
相關性分析法（相關/方差/卡方…）
預測性分析法（回歸/時序/決策樹/神經網絡…）
專題性分析法（聚類/關聯/RFM模型/…）
3、統計分析基礎
統計分析兩大關鍵要素（類別、指標）
統計分析的操作模式（類別指標）
統計分析三個操作步驟（統計、畫圖、解讀）
透視表的三個組成部分
4、常用的描述性指標
集中程度：均值、中位數、眾數
離散程度：極差、方差/標準差、IQR
分布形態：偏度、峰度
5、基本分析方法及其適用場景
對比分析（查看數據差距，發現事物變化）
演練：尋找用戶的地域分布特征
演練：分析產品受歡迎情況及貢獻大小
演練：用數據來探索增量不增收困境的解決方案
分布分析（查看數據分布，探索業務層次）
演練：銀行用戶的消費水平和消費層次分析
演練：客戶年齡分布/收入分布分析
案例：通信運營商的流量套餐劃分合理性的評估
演練：呼叫中心接聽電話效率分析（呼叫中心）
結構分析（查看指標構成，評估結構合理性）
案例：增值業務收入結構分析（通信）
案例：物流費用成本結構分析（物流）
案例：中移動用戶群動態結構分析
演練：財務領域的結構瀑布圖、財務收支的變化瀑布圖
趨勢分析（發現事物隨時間的變化規律）
案例：破解零售店銷售規律
案例：手機銷量的淡旺季分析
案例：微信用戶的活躍時間規律
演練：發現客流量的時間規律
交叉分析（從多個維度的數據指標分析）
演練：用戶性別+地域分布分析
演練：不同客戶的產品偏好分析
演練：不同學歷用戶的套餐偏好分析
演練：銀行用戶的違約影響因素分析
第四部分：用戶行為分析—分析框架篇
問題：如何才能全面/系統地分析而不遺漏？如何分解和細化業務問題？
1、業務分析思路和分析框架來源于業務模型
2、常用的業務模型
外部環境分析：PEST
業務專題分析：5W2H
競品/競爭分析：SWOT、波特五力
營銷市場專題分析：4P/4C等
3、用戶行為分析（5W2H分析思路和框架）
WHY：原因（用戶需求、產品亮點、競品優劣勢）
WHAT：產品（產品喜好、產品貢獻、產品功能、產品結構）
WHO：客戶（基本特征、消費能力、產品偏好）
WHEN：時間（淡旺季、活躍時間、重購周期）
WHERE：區域/渠道（區域喜好、渠道偏好）
HOW：支付/促銷（支付方式、促銷方式有效性評估等）
HOW MUCH：價格（費用、成本、利潤、收入結構、價格偏好等）
案例討論：結合公司情況，搭建用戶消費習慣的分析框架（5W2H）
第五部分：數據建模基礎—流程步驟篇
1、預測建模六步法
選擇模型：基于業務選擇恰當的數據模型
特征工程：選擇對目標變量有顯著影響的屬性來建模
訓練模型：采用合適的算法對模型進行訓練，尋找到最優參數
評估模型：進行評估模型的質量，判斷模型是否可用
優化模型：如果評估結果不理想，則需要對模型進行優化
應用模型：如果評估結果滿足要求，則可應用模型于業務場景
2、數據挖掘常用的模型
定量預測模型：回歸預測、時序預測等
定性預測模型：邏輯回歸、決策樹、神經網絡、支持向量機等
市場細分：聚類、RFM、PCA等
產品推薦：關聯分析、協同過濾等
產品優化：回歸、隨機效用等
產品定價：定價策略/最優定價等
3、特征工程/特征選擇/變量降維
基于變量本身特征
基于相關性判斷
因子合并（PCA等）
IV值篩選（評分卡使用）
基于信息增益判斷（決策樹使用）
4、模型評估
模型質量評估指標：R^2、正確率/查全率/查準率/特異性等
預測值評估指標：MAD、MSE/RMSE、MAPE、概率等
模型評估方法：留出法、K拆交叉驗證、自助法等
其它評估：過擬合評估、殘差檢驗
5、模型優化
優化模型：選擇新模型/修改模型
優化數據：新增顯著自變量
優化公式：采用新的計算公式
集成思想：Bagging/Boosting/Stacking
6、常用預測模型介紹
時序預測模型
回歸預測模型
分類預測模型
第六部分：影響因素分析—根因分析篇
問題：如何選擇合適的屬性/特征來建模呢？選擇的依據是什么？比如價格是否可用于產品銷量預測？
1、數據預處理vs特征工程
2、特征工程處理內容
變量變換
變量派生
變量精簡（特征選擇、因子合并）
類型轉換
3、特征選擇常用方法
相關分析、方差分析、卡方檢驗
4、相關分析（衡量兩數據型變量的線性相關性）
相關分析簡介
相關分析的應用場景
相關分析的種類
簡單相關分析
偏相關分析
距離相關分析
相關系數的三種計算公式
Pearson相關系數
Spearman相關系數
Kendall相關系數
相關分析的假設檢驗
相關分析的四個基本步驟
演練：營銷費用會影響銷售額嗎？影響程度如何量化？
演練：哪些因素與汽車銷量有相關性
演練：影響用戶消費水平的因素會有哪些
偏相關分析
偏相關原理：排除不可控因素后的兩變量的相關性
偏相關系數的計算公式
偏相關分析的適用場景
距離相關分析
5、方差分析（衡量類別變量與數值變量間的相關性）
方差分析的應用場景
方差分析的三個種類
單因素方差分析
多因素方差分析
協方差分析
單因素方差分析的原理
方差分析的四個步驟
解讀方差分析結果的兩個要點
演練：擺放位置與銷量有關嗎
演練：客戶學歷對消費水平的影響分析
演練：廣告和價格是影響終端銷量的關鍵因素嗎
演練：營業員的性別、技能級別對產品銷量有影響嗎
演練：尋找影響產品銷量的關鍵因素
多因素方差分析原理
多因素方差分析的作用
多因素方差結果的解讀
演練：廣告形式、地區對銷量的影響因素分析
協方差分析原理
協方差分析的適用場景
演練：排除產品價格，收入對銷量有影響嗎？
6、列聯分析/卡方檢驗（兩類別變量的相關性分析）
交叉表與列聯表：計數值與期望值
卡方檢驗的原理
卡方檢驗的幾個計算公式
列聯表分析的適用場景
案例：套餐類型對客戶流失的影響分析
案例：學歷對業務套餐偏好的影響分析
案例：行業/規模對風控的影響分析
第七部分：客戶行為預測—分類模型篇
問題：如何評估客戶購買產品的可能性？如何預測客戶的購買行為？如何提取某類客戶的典型特征？如何向客戶精準推薦產品或業務？
1、分類模型概述及其應用場景
2、常見分類預測模型
3、邏輯回歸（LR）
邏輯回歸的適用場景
邏輯回歸的模型原理
邏輯回歸分類的幾何意義
邏輯回歸的種類
二項邏輯回歸
多項邏輯回歸
如何解讀邏輯回歸方程
帶分類自變量的邏輯回歸分析
多項邏輯回歸/多分類邏輯回歸
案例：如何評估用戶是否會購買某產品（二項邏輯回歸）
案例：多品牌選擇模型分析（多項邏輯回歸）
4、分類決策樹（DT）
問題：如何預測客戶行為？如何識別潛在客戶？
風控：如何識別欠貸者的特征，以及預測欠貸概率？
客戶保有：如何識別流失客戶特征，以及預測客戶流失概率？
決策樹分類簡介
案例：美國零售商（Target）如何預測少女懷孕
演練：識別銀行欠貨風險，提取欠貸者的特征
決策樹分類的幾何意義
構建決策樹的三個關鍵問題
如何選擇最佳屬性來構建節點
如何分裂變量
修剪決策樹
選擇最優屬性生長
熵、基尼索引、分類錯誤
屬性劃分增益
如何分裂變量
多元劃分與二元劃分
連續變量離散化（最優分割點）
修剪決策樹
剪枝原則
預剪枝與后剪枝
構建決策樹的四個算法
C5.0、CHAID、CART、QUEST
各種算法的比較
如何選擇最優分類模型？
案例：商場用戶的典型特征提取
案例：客戶流失預警與客戶挽留
案例：識別拖欠銀行貨款者的特征，避免不良貨款
案例：識別電信詐騙者嘴臉，讓通信更安全
多分類決策樹
案例：不同套餐用戶的典型特征
決策樹模型的保存與應用
5、人工神經網絡（ANN）
神經網絡概述
神經網絡基本原理
神經網絡的結構
神經網絡分類的幾何意義
神經網絡的建立步驟
神經網絡的關鍵問題
BP反向傳播網絡（MLP）
徑向基網絡（RBF）
案例：評估銀行用戶拖欠貨款的概率
6、判別分析（DA）
判別分析原理
判別分析種類
Fisher線性判別分析
案例：MBA學生錄取判別分析
案例：上市公司類別評估
7、最近鄰分類（KNN）
KNN模型的基本原理
KNN分類的幾何意義
K近鄰的關鍵問題
8、支持向量機（SVM）
SVM基本原理
線性可分問題：最大邊界超平面
線性不可分問題：特征空間的轉換
維災難與核函數
9、貝葉斯分類（NBN）
貝葉斯分類原理
計算類別屬性的條件概率
估計連續屬性的條件概率
預測分類概率（計算概率）
拉普拉斯修正
案例：評估銀行用戶拖欠貨款的概率
第八部分：客戶行為預測—模型評估篇
1、模型的評估指標
兩大矩陣：混淆矩陣，代價矩陣
六大指標：Acc,P,R,Spec,F1,lift
三條曲線：
ROC曲線和AUC
PR曲線和BEP
KS曲線和KS值
2、模型的評估方法
原始評估法
留出法（Hold-Out）
交叉驗證法（k-fold cross validation）
自助采樣法（Bootstrapping）
第九部分：客戶行為預測—集成優化篇
1、模型的優化思路
2、集成算法基本原理
單獨構建多個弱分類器
多個弱分類器組合投票，決定預測結果
3、集成方法的種類
Bagging
Boosting
Stacking
4、Bagging集成
數據/屬性重抽樣
決策依據：少數服從多數
典型模型：隨機森林RF
5、Boosting集成
基于誤分數據建模
樣本選擇權重更新公式
決策依據：加權投票
典型模型：AdaBoost模型
第十部分：銀行客戶信用卡模型
1、信用評分卡模型簡介
2、評分卡的關鍵問題
3、信用評分卡建立過程
篩選重要屬性
數據集轉化
建立分類模型
計算屬性分值
確定審批閾值
4、篩選重要屬性
屬性分段
基本概念：WOE、IV
屬性重要性評估
5、數據集轉化
連續屬性最優分段
計算屬性取值的WOE
6、建立分類模型
訓練邏輯回歸模型
評估模型
得到字段系數
7、計算屬性分值
計算補償與刻度值
計算各字段得分
生成評分卡
8、確定審批閾值
畫K-S曲線
計算K-S值
獲取最優閾值
案例：構建銀行小額貸款的用戶信用模型
第十一部分：數據建模實戰篇
1、電信業客戶流失預警和客戶挽留模型實戰
2、銀行欠貸風險預測模型實戰
3、銀行信用卡評分模型實戰

結束：課程總結與問題答疑。 

• 金融行業電話銷售進階訓練

   

  第一章 關于電銷，你要知道什么？一、電話營銷前景分析，讓員工看到希望1.電話營銷在中國的發展2.其它行業電話營銷的現狀分享3.電話營銷對人才的需求4.電話營銷行業對人性格的選擇5.電話營銷人員的H路職業規劃二、個人成長1.收入待遇2.晉升機會三、客戶購買心理分析詳細1.客戶性格與購買習慣2.顧客購買心理活動..

  ￥   元/ 天

  人氣：1144  

  

• 人工智能發展及在金融行業中的應用

   

  人工智能發展及在金融行業的應用 課程重點：人工智能產業相關概述 ..

  ￥   元/ 天

  人氣：1088  

  

• 金融行業數字化轉型第一課 ——Fin Tech2.0的思維轉化

   

  第一部分：轉型和趨勢9：30——11：301、數字化轉型概念—轉型驅動力和價值框架案例分析-某歐洲銀行數字化轉型2、銀行的趨勢-從1.0到4.03、Fin Tech的進化-從1.0到2.0午餐與休息第二部分：挑戰和應對13：30——16：304、銀行數字化轉型..

  ￥   元/ 天

  人氣：1127  

  

• 企業數字化轉型實戰

   

  項目全過程控制管理最佳實踐第一單元 什么是數字化轉型？1.數字化轉型的歷史背景u工業革命的歷史回顧u到底什么是工業4.0？ 第四次工業革命真的到來了嗎？u為什么說數字化轉型是企業發展的必然選擇？u工業互聯網和數字化轉型的關系2.數字化轉型的基本內涵u數字化轉型的定義u數字化轉型的基本內涵u數字化與傳統的信息化有..

  ￥   元/ 天

  人氣：1867  

  

• 電力數字化轉型實戰精要

   

  一、必然——數字化轉型是企業唯一出路1.數字化轉型為企業帶來的六大競爭力2.數字化技術如何改變傳統業務規則2.1.泛在連接、數據驅動、AI賦能、智能硬件，實現數據的感知、采集加工、使用。2.2.大數據和云計算，AR/VR，微服務賦予的實時全面無縫的數據采集和處理能力，數據知識化，知識軟件化，軟件可高效復用；2...

  ￥   元/ 天

  人氣：1478  

  

• 電力企業數字化轉型實戰精要

   

  一、必然——數字化轉型是企業唯一出路1.數字化轉型為企業帶來的六大競爭力1.1.基于數字技術設計更好的客戶體驗，得到更多，更忠心的客戶1.2.基于數字化技術，鏈接科技創新和客戶體驗，進行快速產品和服務創新1.3.數字化技術賦能，企業可以精準的運營，得到速度，敏捷型，質量和成本的競爭優勢1.4.數字化技術賦能的超..

  ￥   元/ 天

  人氣：1716