【培訓對象】
. 非數(shù)據(jù)專業(yè)背景學員 . 客服中⼼ 、產(chǎn)品研發(fā)、市場營銷、業(yè)務(wù)⽀撐和經(jīng)營分析等對業(yè)務(wù)數(shù)據(jù)分析有要求的崗位 . 有業(yè)務(wù)決策權(quán)的學員 ，學習效果最佳

【培訓收益】
1.1 培訓目標1：提升能力 銀行業(yè)數(shù)字化加速步⼊深水區(qū) ，面臨市場波動加劇、客⼾增長乏⼒ 、數(shù)據(jù)獲取與使用難等難題。業(yè) 務(wù)、數(shù)據(jù)和技術(shù)員⼯急需與時俱進 ，提升數(shù)據(jù)思維、基于客⼾畫像數(shù)據(jù)建模和數(shù)據(jù)決策能⼒ 。這本課 正是為銀行科技及數(shù)據(jù)團隊而設(shè)計 ，幫助學員們掌握大數(shù)據(jù)挖掘項目的全流程步驟及所需Python編程 知識： . 痛 ⸺ 精通業(yè)務(wù)數(shù)據(jù)處理：用Python對數(shù)據(jù)做預處理 ，提煉業(yè)務(wù)痛點為核心指標 ，分解為指標體 系； . 病 ⸺ 搭建客⼾畫像模型：搭建指標維度數(shù)據(jù)模型 ，制作目標客⼾畫像沙盤 ，展示問題的病灶病 因； . 藥 ⸺ 掌握行為預測算法：⼊門機器學習算法 ，精準預測客⼾行為 ，撰寫優(yōu)質(zhì)數(shù)據(jù)分析報告。 1.2 培訓目標2：激發(fā)熱情 銀行業(yè)大⼒推動數(shù)字化轉(zhuǎn)型戰(zhàn)略 ，投建數(shù)字化平臺 ，但數(shù)字化落地的效果與預想有差距。主要原因包 括了員⼯主動性、數(shù)據(jù)安全性和平臺易用性。課程在上述三個方面來幫助員⼯ ，積極擁抱數(shù)字化轉(zhuǎn) 型： . 寬❤課：打消員工對崗位被數(shù)字化的擔心 ，激發(fā)員工參與數(shù)字化行動。 . 安❤課：學員使用數(shù)據(jù)沙盤模擬實戰(zhàn) ，領(lǐng)導再也不必為數(shù)據(jù)安全擔心。 . 舒❤課：數(shù)據(jù)沙盤比Excel還要簡單 ，無任何數(shù)據(jù)知識的⼈都能學會。

以2天課程為例。

章 節(jié) 內(nèi)容 互動案例
痛 明確痛點
提取業(yè)務(wù)痛點為指標 1. 為什么我的⼯作得不到認同？
2. 建⽴我的高頻重復博弈主場
3. 數(shù)據(jù)和研發(fā)⼈員怎樣理解業(yè)務(wù)？ 招商銀行北極星指標
衡量痛度
快速上⼿數(shù)據(jù)處理 1. Python基礎(chǔ)知識入⻔
2. 實操Python數(shù)據(jù)預處理 銀行營銷活動數(shù)據(jù)預處理

精 通 業(yè) 務(wù) 數(shù) 據(jù) 處 理
病 搭 建 客 戶 畫 像 模 型 掃描病灶
制作客戶數(shù)據(jù)模型 1. 掌握Python可視化分析
2. 建立客戶數(shù)字畫像沙盤
3. 精通維度建模方法對客戶分群 銀行卡客戶營銷數(shù)據(jù)分析
分析病因
深入洞察相關(guān)性 1. 理解統(tǒng)計學基礎(chǔ)知識
2. 用Python實現(xiàn)相關(guān)性分析
3. 還原數(shù)據(jù)異常背后的情景 分期付款業(yè)務(wù)的市場機會
藥 掌 握 行 為 預 測 算 法 制定藥方
編寫數(shù)據(jù)分析報告 1. 用三步閉環(huán)法寫報告
2. 設(shè)身處地 ，形成共識 貸款客戶數(shù)字畫像分析
預測藥效
學習算法預測行為 1. 初探機器學習算法
2. 了解銀行常用預測模型
3. 迭代高頻重復博弈主場 銀行信貸客戶違約預測
總 結(jié) 復盤 展示課程全知識圖譜
點評 對學員互動進行點評  

易精銀行數(shù)字化實戰(zhàn)教練 曾劍韜

 

1. 個人概況
1.1 一生職業(yè)目標 培育十萬數(shù)字化英才
1.2 六大授課優(yōu)勢
㊀ 深耕銀行數(shù)字化培訓和咨詢二十余年 ，客戶遍及各大銀行
㊁ 長期任國有大數(shù)據(jù)征信公司首席數(shù)據(jù)官 ，服務(wù)信貸風控
㊂ 熟悉銀行數(shù)據(jù)系統(tǒng) ，掌握各業(yè)務(wù)條線邏輯和大量數(shù)據(jù)案例
㊃ 獨創(chuàng)易精數(shù)據(jù)沙盤 ，零基礎(chǔ)也能學會數(shù)據(jù)分析 ，學員近萬
㊄ 數(shù)據(jù)治理專家 ，帶隊通過數(shù)據(jù)治理國家標準DCMM三級
㊅ 清華大學電機系學士 ，北京大學光華管理學院碩士

 

2. 成功案例
2022年至今 ，學員課后評分9.6+。

 

 

3. 擅長領(lǐng)域

 

 

首創(chuàng)《易精數(shù)據(jù)沙盤》模型理論及數(shù)據(jù)工具。
擅長領(lǐng)域：
. 客戶數(shù)據(jù)洞察與數(shù)字化營銷
. 數(shù)據(jù)思維與數(shù)據(jù)分析
. 數(shù)據(jù)治理與數(shù)據(jù)建模
. 機器學習與AI應(yīng)用
. 數(shù)字化產(chǎn)品設(shè)計與運營
. 金融數(shù)字化轉(zhuǎn)型與風控

 

4. 課程目錄
. 易精銀行客戶數(shù)據(jù)營銷、風控與運營實戰(zhàn)
. 銀行大數(shù)據(jù)獲客與精準營銷
. 易精銀行文本大數(shù)據(jù)挖掘?qū)崙?zhàn)
. 易精銀行客戶畫像數(shù)據(jù)建模與Python編程實戰(zhàn)
. 易精銀行客戶數(shù)據(jù)驅(qū)動與數(shù)字化運營
. 易精銀行信用卡業(yè)務(wù)拓展與客戶數(shù)據(jù)營銷
. 易精保險行業(yè)客戶數(shù)據(jù)驅(qū)動與數(shù)字化運營
. 銀行數(shù)字化經(jīng)營的核心問題分析
. 易精保險數(shù)據(jù)思維與客戶數(shù)據(jù)洞察
. 易精銀行零售中臺數(shù)字化能力提升與場景建設(shè)
. 易精金融數(shù)據(jù)分析與Stata實戰(zhàn)
. 易精保險數(shù)據(jù)分析、邏輯思維和優(yōu)質(zhì)報告
. 易精金融數(shù)字化英才成長營
. 銀行AIGC ·ChatGPT趨勢與場景應(yīng)用
. 易精消費金融人工智能與數(shù)據(jù)營銷決策應(yīng)用 

• 私人銀行專業(yè)化營銷流程實戰(zhàn)訓練

   

  第一講：私人銀行業(yè)務(wù)決定銀行競爭力一、中國私人財富市場有多大？1. 中國高凈值人群的快速發(fā)展圖表：中國高凈值人群資產(chǎn)規(guī)模與構(gòu)成分析2. 中國高凈值人群的區(qū)域分布二、中國高凈值人群的投資心態(tài)和投資行為分析1. 高凈值人群的投資心態(tài)分析2. 財富傳承——高凈值人群的首要目標案例：首富王健林與&ldquo..

  ￥   元/ 天

  人氣：1025  

  

• 零售也經(jīng)理人職業(yè)化進程實戰(zhàn)訓練

   

  ● 背景 　 目前中國連鎖零售行業(yè)已經(jīng)步入非常時期，國際大型連鎖企業(yè)對中國市場大舉擴張，憑借先進的管理系統(tǒng)、經(jīng)營策略，在顧客面前樹立了良好形象，勿疑極大提高了該行業(yè)的經(jīng)營門檻，零售企業(yè)不可避免的進入管理細節(jié)化、經(jīng)營精細化的階段，區(qū)域化的市場形成和激烈的競爭，使得“門店”在銷售中的地位與角色發(fā)生根本轉(zhuǎn)變，門店團隊將承擔起銷售的中..

  ￥   元/ 天

  人氣：2870