CDA Level Ⅱ:建模分析师。两年以上数据分析岗位工作经验,或通过CDA Level Ⅰ认证半年以上。在政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员。在Level Ⅰ的基础之上深入掌握高级多元统计方法,并且拓展时间序列分析和主要数据挖掘的理论知识与业界运用;能够熟练使用SAS、R、Matlab和SPSS中至少一个专业统计软件实现相关算法;熟悉使用SQL访问企业级数据库;具有按照数据挖掘标准流程进行项目需求分析、数据验证、建模与模型评估的能力。
CDA Level Ⅱ培训课程安排
背景介绍
CDA Level Ⅰ为基础薄弱的学员提供了入行的机会,能够结合业务完成基本的数据分析并作出数据报告。但企业想要在竞争激烈的市场中胜出,决策的速度和反应的效率尤为重要。根据调查显示,75%的企业在面临拟定策略时,常常无法获得实时且有根据的决策信息。什么样的数据、要通过什么样的方法,才能快速便捷的提供对决策有价值的信息,是现代企业所面临最迫切性的问题。因此,在CDA Level Ⅰ的基础上,CDA Level Ⅱ(建模分析师)即为企业决策提供及时有效、易实现、可信赖的数据支持。
在建模分析师中,数据挖掘(Data Mining)技术无疑是他们最强有力的核心竞争力。数据挖掘强调与现有信息系统的整合,以提供决策者做决策时所需的情报,或转化成经营智慧,以作为调整营运策略方针的辅助工具。以顾客关系管理(CRM)为例,数据挖掘是整个顾客关系管理的核心。其不但可以准确的定位目标市场,进行精准营销,还可以帮助业务人员了解客户深层需求,针对大量客户进行客制化,也就是所谓的一对一营销。本课程的目的就是要针对数据挖掘整套流程,根据CDA Level Ⅱ大纲标准,以金融、电信、电商和零售业为案例背景,第一阶段结合SPSS Moderler和WEKA深入讲授数据挖掘的主要算法。第二阶段将分为SAS专题和PYTHON专题,学员可以根据自身的需求任选一个专题,培训中将软件与SQL有效的结合,讲授如何在实际工作中搭建数据挖掘环境,制定分类数据挖掘的标准流程,让学员胜任全方位的数据挖掘运用场景。
CDA LEVEL Ⅱ课程安排
项目名称 |
CDA Level Ⅱ建模分析师系统培训 |
时间 |
SAS专题@上海:2016年4月21-24,30-5月1,7-8日(8天) Python专题@北京:2016年1月14-17,23-24,30-31(8天)
|
地点 |
面授班:北京,培训教室 面授班:上海,人民广场教室 远程班:在线同步直播 |
价格 |
面授:7400元 远程:5500元 |
优惠 |
1. 全日制学生及CDA LEVEL Ⅰ老学员8折优惠(学生证证明文件) 2. 同一单位三人及以上报名9折优惠,五人及以上8折优惠 3. CDA LEVEL Ⅰ等级资格证书持有者立省1000元 4. 同时报名参加LEVELⅠ和LEVEL Ⅱ享受8折优惠。 点击查看LEVEL Ⅰ课程详情 以上优惠不可叠加! 5. 报名任何一个专题可额外添加1000元获得另一个专题的全套视频。 |
证书认证 |
1. 可申请报考《CDA LEVEL Ⅱ等级认证证书》(荐:含金量高)
2. 可申请《数据分析师证书》,申请费用400元(培训后即可得到) 以上双证皆自愿申请 |
现场班福利 |
全套视频资料,终身学习,在线答疑
咖啡茶歇,论坛币(1000个) |
学员对象:
1)各行业数据分析、数据挖掘从业者
2)金融、电信、零售、医学等各行业业务数据分析人员
3)政府事业单位大数据及数据挖掘项目人员
4)数据挖掘岗位就业、提拔涨薪、技能优化等从业人员
5)对数据挖掘感兴趣的各界人员
学员基础要求:
1)掌握CDA LEVEL Ⅰ大纲要求,CDA LEVEL Ⅰ详情:http://cda.pinggu.org/view/2488.html
2)报名赠送《SAS初级视频》+《PYTHON初级视频》,提前观看视频做好预习工作。
课程收益
(1)了解什么是顾客关系管理;(2)了解顾客关系管理系统的架构及其组成元素;(3)了解如何利用顾客关系管理系统来进行营销活动;(4)了解什么是数据挖掘(Data Mining);(5)掌握数据挖掘技术的功能分类;(6)掌握数据挖掘技术的绩效增益;(7)了解数据挖掘技术的产业标准;(8)掌握如何利用数据挖掘技术来筛选关键变量(Key Attribute);(9)掌握如何利用数据挖掘技术来进行交叉销售(Cross-Selling);(10)掌握如何利用数据挖掘技术来评估客户的信用风险(Credit Risk); (11)了解如何利用数据挖掘技术来分析顾客行为、产生商业智慧并发展营销策略。(12)掌握如何使用数据挖掘工具SPSS Modeler/WEKA/SAS/PYTHON来完成上述的各项工作。(13)掌握MySQL等主流数据库的使用。(14) 构建易实施的MySQL数据挖掘环境。(15)掌握构建信用打分卡的流程。
详细大纲
第一部分(4天) |
上海:2016年4月21-24日 北京:2016年1月14-17日 |
主题 |
以企业场景、真实案例教学方式,利用SPSS MODELER和WEKA两个工具来贯穿数据挖掘建模的整个内容,包括基础、算法、建模、进阶、模型优化、应用等。 |
应用范围 |
《营销活动及信用风险控制》 《企业如何处理原始数据》 《如何根据业务选取有效变量》 《如何建立交叉销售模型》 《如何建立信用评分模型》 《如何进行模型优化》 《企业如何建立预测模型》 《客户分群精准化营销》 |
算法理论 |
KDD、CRISP DM—数据处理—统计检验—决策树、罗吉斯回归、包装法—贝氏网络—神经网络—支持向量机—随机森林—聚类分析—关联分析—序列分析 |
案例操作 |
【营销客户分群】【银行风险预测】【网站行为关联分析】【商品关联规则】【交叉销售】【客户流失预警】【天气预测】【药物治疗】【疾病诊断】【零售购物篮组合】【银行金融产品序列分析】 |
第二部分(4天) (SAS专题) |
上海:2016年4月30-5月1,7-8日 |
主题 |
以SAS为工具,讲解SAS软件中高级编程技术,并运用SAS进行数据挖掘流程化操作。 |
应用范围 |
《银行、证券等金融企业》《大型零售企业》《通信行业》《医疗行业》 |
软件技术 |
《SAS基础编程》《SAS数据管理》《SAS编程进阶》《SAS与SQL》《SAS宏语言》《程序优化》 |
案例操作 |
【数据驱动的风险管理】【信用卡违约预测模型案例流程】【信用评分模型】【电信客户流失预警】 |
第二部分(4天) (PYTHON专题) |
北京:2016年23-24,30-31日 |
主题 |
以PYTHON为工具,讲解PYTHON软件数据挖掘编程技术,并运用PYTHON |
应用范围 |
《互联网企业》《网站分析》《网络产品与运营》《其他》 |
软件技术 |
《PYTHON语法基础》《PYTHON数据挖掘包》《主成分与因子分析》《聚类分析》《预测分析》《文本分析》《社会网络分析》 |
案例操作 |
【汽车类型聚类与地域购买偏好分析】【婚恋网站被约会可能性预测】【零售业客户价值预测模型】【新闻内容分类】【构造新闻热点词指数】【电信客户交友圈与流失预警】 |
主要操作案例:
1.银行客户营销案例:某银行希望通过提供客户对的营销活动,在未来实现更多的获利。此案例的目的是想根据以往的促销活动,利用数据挖掘找出会对营销活动有响应的客户特征,并根据建模的结果产生要邮寄的促销客户名单。
2.信用评等案例:某银行希望根据客户过去的贷款数据,利用数据挖掘来预测新的贷款者,核贷后会逾期的机率,以做为银行是否核贷的依据,或提供给客户其他类型的贷款产品。
3.电信客户分类(不同套餐选择)案例:某电信服务提供商通过客户使用服务的方式,将客户分为四类人。此案例的目的是想根据人口统计数据,利用数据挖掘找出这四类人的特征,并发掘这四类人的潜在新客户。
4.电信客户流失案例:某电信服务提供商非常关注是否客户会流失到竞争对手。假如服务使用的数据可以用来预测哪些客户有可能被转移到另一个提供商,则此提供商可提供客制化的优惠,以尽可能留住客户。此案例的目的是想根据服务使用的数据,利用数据挖掘来预测客户的流失。
5.新车设计案例:某汽车制造商开发两种新车(汽车及卡车)的原型。在将新车型引入至产品系列之前,该制造商想知道竞争对手已经上市的车辆中,哪些与这两款产品的原型最为相似,以确定这两种新车将与哪些车型展开竞争。
次要操作案例:
1.天气(Weather)案例
2.玻璃制品(Glass)案例
3.电信产品跨销售(Cross-Selling)案例
4.药物治疗(Drag Diagnosis)案例
5.糖尿病(Diabetes)案例
6.乳癌(Breast Cancer)案例
7.临床路径选择(Clinical Path)案例
8.电离层雷达侦测(Ionosphere)案例
9.寿险推销(Insurance Promotion)案例
10.影像分类(Image)案例
11.便利超商选点(Convenient Store)案例
12.零售促销预测(Retail Promotion)案例
13.房价(Home Price)预测案例
14.汽车油耗(MPG)预测案例
15.CPU效能(CPU Performance)预测案例
16.银行客户购买金融商品(Financial Product)之关联分析(Association Analysis)案例
17.文具(Stationery)及健康美容(Health & Beauty)用品之关联分析(Association Analysis)案例
18.银行客户购买金融商品(Financial Product)之序列分析(Sequential Analysis)案例
李御玺,教授,国立台湾大学资讯工程博士,铭传大学资讯工程学系教授,铭传大学大数据研究中心主任,中华数据挖掘协会理事,云南财经大学信息学院客座教授,浙江大学城市学院客座教授,厦门大学数据挖掘中心顾问,中国人民大学数据挖掘中心顾问,IBM SPSS-China顾问,SAS-Taiwan顾问。在其相关研究领域已发表超过260篇以上的研究论文,同时也是国科会与教育部多个相关研究计划的主持人。
服务过的客户包括:中国工商局、中信银行、台新银行、联邦银行、新光银行、 新竹国际商业银行(现已并入渣打银行)、第一银行、永丰银行、远东银行、美商大都会人寿、嘉义基督教医院、台湾微软、零售业如赫莲娜(Helena Rubinstein)化妆品公司、特立和乐(HOLA)公司、航空公司如东方航空公司、中华航空公司、汽车行业如福特(Ford)汽车公司;政府行业如国税局等。
徐筱刚,男,高级数据分析师,具有深厚的数理统计与应用数据分析专业背景,上海某金融机构数据分析部门高级DA,具有八年数据分析、数据挖掘的从业经验,曾就职零售企业、咨询公司等,独立或带团队完成零售、电信、金融等多个大型数据挖掘项目。
常国珍,曾为德勤管理咨询高级数据挖掘咨询顾问,SAS官方培训资深讲师,2014年SAS软件大赛判卷人,曾以数据挖掘工程师身份就职于亚信科技(中国)有限公司市场部。具有八年的数据挖掘实战经验,主攻分类模型,涉及客户精准营销、信用评估、价值提升、欺诈侦测和流失预警等数据挖掘主题,尤其熟悉银行个人客户精准营销的建模工作。
资格认证:SAS全球认证“Certified Statistical Business Analyst Using SAS 9 Regression and Modeling”、“Certified Advanced Programmer for SAS 9”。
资格认证
CDA LEVEL Ⅱ资格认证证书
CDA考试安排:
1. 考试时间2016年6月26日
2. 考试内容:CDA LEVLE Ⅱ建模分析师大纲。
3. 报名费用:1500元/人。参加CDA系统培训学员费用为1000/人。
4. 其他:CDA考试一次不过可申请补考,补考费用为原价一半。证书3年审核一次。
5. 报考链接:http://cda.pinggu.org/online_registration.html
数据分析咨询请扫描二维码
大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28在当今快速发展的数据驱动世界中,数据专员的角色变得愈发重要。无论是在企业决策、市场分析还是产品开发中,数据专员都扮演着不 ...
2024-10-27在当今迅速发展的科技时代,数字化对企业的意义无比深远。它不仅提升了企业的竞争力和运营效率,还显著改善了客户体验,推动了企 ...
2024-10-27企业数字化转型是一个全方位的变革过程,旨在通过应用新兴数字技术,重新设计企业的业务流程、组织结构、产品和服务,以在竞争激 ...
2024-10-27数据挖掘是一种集成了统计学、人工智能和机器学习等多种技术的过程,其主要目标是从大量数据中提取有价值的信息和知识。通过分析 ...
2024-10-27数字经济是一种新型的经济形态,以数字技术为基础,通过数据的获取、存储、加工、传输和应用进行经济发展。其核心在于利用数字化 ...
2024-10-27数据科学无疑是现代数字化社会的中流砥柱。随着大数据和人工智能技术的持续飞跃,各行各业对具备数据分析和管理能力的人才需求呈 ...
2024-10-25在当今快速发展的商业环境中,数字化转型已经成为企业保持竞争力和促进业务增长的必然选择。数字化转型不仅意味着技术的变革,更 ...
2024-10-25在当今数据驱动的商业环境中,数据分析已经成为企业决策过程中的核心要素。企业需要处理海量数据,从中提炼出有价值的见解,以支 ...
2024-10-25