1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
       2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
       3、培訓合格學員可享受免費推薦就業機會。☆合格學員免費頒發相關工程師等資格證書，提升職業資質。專注高端技術培訓15年，端海學員的能力得到大家的認同，受到用人單位的廣泛贊譽，端海的證書受到廣泛認可。

• 課程目標：
  1) 改變目前有關數據挖掘理論與實踐脫節的課程現狀， 從企業全方位、多層次的角度、以實戰應用為導向的數據分析挖掘專題培訓
  2) 使學員理解并掌握如何有效地在企業里進行數據化運營（營銷、客戶關系管理等等）的思考、布局、應用、提升；
  3) 掌握數據分析和數據挖掘在現代企業實戰應用中的一系列基本的行之有效的思路、方法、技巧；
  4) 學習和掌握在企業里從零開始，一步一步不斷提升數據收集和數據應用的視野、框架和能力；
  5) 現代企業的中高層如何理解數據化運營（營銷、客戶關系管理、競爭戰略），如何有效在本企業推進數據化運營戰略？
  6) 企業的數據分析專業人員如何有效提升自己的數據應用專業能力；
  7) 現代企業的數據化運營實踐中失敗的主要原因是什么？如何避免這些前車之鑒；
  8) 身處大數據時代的現代企業如何面對大數據的挑戰？
  9) 數據分析和數據挖掘在企業現代實踐中，可以做什么，不能做什么？如何在企業經營中揚長避短，用好數據挖掘的利器？
  10) 數據分析挖掘的成熟的經典的應用場景有哪些？為什么這些經典的應用場景可以在我的企業里有效復制和成功落地開花？
  11) 互聯網內外、國內外、行業內網成功的數據化運營的案例集錦與欣賞（具體的應用背景、過程細節、財務效果分析、給我們的啟示）。
  課程對象
  
  1) 數據分析師、數據挖掘師
  2) 關心大數據挑戰的企業高層、營銷部經理（總監）、客戶關系管理部門經理（總監）、
  3) 數據分析項目經理、數據化運營項目經理
  4) 其它對數據分析和數據挖掘企業實踐感興趣的企業高層、中層管理者
  
  課程內容
  模塊1 – 大數據時代的企業數據化運營戰略和戰術
  1) 現代企業競爭面臨的挑戰
  2) 大數據時代的企業的選擇
  3) 數據化運營的前世今生
  4) “ 企業數據化運營”是什么？
  5) “企業數據化運營”全景鳥瞰
  6) “企業數據化運營”戰略中組織架構和具體角色？
  7) 企業化數據應用的典型場景和相關的分析挖掘技術概述
  8) 目標客戶典型特征分析（客戶畫像）、客戶360的全景指標體系
  9) 目標客戶的預測響應模型（活躍用戶流失預測模型實戰跟蹤分享）
  10) 運營群體的活躍度分析（指標定義）（精準營銷的用戶活躍度指標創建案例實戰分享跟蹤）
  11) 交叉銷售模型（條條大道通羅馬，多種算法回答同樣的問題，實際案例分享）
  12) 目標用戶分層進化金字塔（B2B交易用戶的分層模型實戰案例分享）
  13） 商品推薦模型（個性化推薦，推薦算法）（美妝品牌偏好案例的實戰分享跟蹤）
  14）數據產品（數據產品的目的，BAT的實踐，一個新型的職業和專業，app）
  15）決策支持（有企業自身的數據，更有行業的宏觀數據；有微觀的深入分析挖掘，更有宏觀的統計和調研）
  模塊2 – 數據分析與數據挖掘在企業實戰中的主要方法論和主要技術分享
  1) SEMMA
  2) CRISP-DM
  3） Tom Khabaza 挖掘九律
  4) 數據挖掘的主要成熟技術（回歸、分類、聚類、時間序列、協同過濾、KNN、關聯分析、
  5) 常見的數據處理技巧
  6) 建模實戰中常見的思考核心點
  7) 業務是核心、思路是重點、技術是工具（輔助）
  8) 一個基本的方法論（HSCTODC）
  9) 大膽假設，小心求證
  10) 2080原則
  11) 結構化思考
  12) 即客觀，也主觀
  模塊3 – 電商內外、行業內外的經典案例賞析
  1) 電商行業的案例
  2) 海爾案例
  3) 引導學員實際在R上操作體會有趣的聚類小項目
  4) 引導學員實際在R上操作體會有趣的邏輯回歸小項目5) 主要強調：算法是簡單的，挖掘建模是簡單的，但是不簡單的（耗時的）是思路的優化和數據的收集、清理、清洗、轉換
  6) 某世界知名500強的測試中心的委托項目案例跟蹤和分享
  7) 某上市服飾品牌的關聯分析實戰案例分享
  
  模塊4 – 我的企業如何進行數據化運營？
  1) 因地制宜、看菜下飯
  2) 企業數據化運營之路的典型成長圖？
  3) 他山之石，可以攻玉（如何避免前人的教訓）
  4) 學員互動，針對學員企業的實際問題，相互討論