2016-07-19
说到建模分析师，你可能会臆想到的形象是怎样的？数据民工？金融精英？公司牛人？
他的发型可能是:
秃头
无刘海蓬松长发
他的装束大概是：
双肩背包（你的背包，背到现在还没烂）
运动鞋（竹杖芒鞋轻胜马，谁怕，一蓑烟雨任平生）
他的形象兴许是：
数据民工，励精图治。
数据精英，功成名遂。
数据前辈，德高望重。
那么走进建模分析师的工作，看看他们都在干什么吧。
如果你是SAS的忠实用户，身处银行、医药、电信等大型行业，你可能会接触到
信用卡违约预测之监测
如果你正在为万达做电影推荐系统，钟爱SPSS Moderler，你可能会构建
基于电影系统的关联推荐模型
如果你身处互联网行业，善于使用R语言，专注于CRM客户关系管理，你涉及的课题可能是：
客户管理管理与生命周期
最后，让我们来看看，企业BOSS们对建模分析师都有哪些要求呢？
以下标准取自猎聘网对建模分析师的共性要求整理所得，仅供参考：
硬性：
1. 学历背景：统招本科学历以上，数学/统计学/金融工程/计算机专业背景优先
2. 技能：熟练掌握SAS/SPSS/Python/R等至少一种工具，必须会SQL；
软性:
1. 工作经历：2~3年各行业建模分析工作经验；
2. 商业思维：具有较好的商业感觉和逻辑推理能力，善于从商业角度解读数据，有创造性思维和较强的学习能力，能推动数据分析结果落地。
那么，有没有什么捷径可以让我们更快速的成为建模分析师吗？
答案是：CDA LEVEL II建模分析师，四个专题，皆为大牛！带你快速入门建模分析师，体验不一样的数据挖掘！
【报名流程】
1. 在线填写报名信息
https://www.cda.cn/kecheng/4.html
2.给予反馈，确认报名信息
3.网上缴费
4.开课前一周发送电子版课件和教室路线图
【联系我们】
电话：010-68411404
手机：18010006628（陈老师）QQ：2881989709
18511302788（王老师）QQ：2881989710
邮箱：chenwenjing@pinggu.org
wangzhenda@pinggu.org
—— Join Learn!
SPSS Modeler专题
北京：2016年7月29-31，8月05-07日
上海：2016年10月21-23，28-30日
深圳：2016年9月16-18，23-25日
主题
以企业场景、真实案例教学方式，利用SPSS MODELER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】
SAS专题
北京：2016年8月06-07，13-14，20-21日
上海：2016年8月13-14，20-21，27-28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》
算法理论
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】
PYTHON专题
北京：2016年9月03-04，10-11，16-17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》
算法理论
线性回归与岭回归--可实现的Lasso算法--Logistic回归--广义线性模型--最近邻域法（KNN）--样条曲线--决策树--随机森林--支持向量机--线性判别模型--主成分分析PCA--样本聚类--关联规则与序贯分析
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】
R语言专题
北京：8月06-07，13-14日，20-21日（6天）
广州：8月06-07，20-21日，27-28日（6天）
主题
以R为工具，讲解R语言软件数据挖掘编程技术，并运用R
应用范围
《学术界》《客户预测与客户流失》《信用违约建模》《银行金融业》
软件技术
《R常用包》《R语言编程》《预测模型》《降维》《分类模型》《样本聚类》
算法理论
朴素贝叶斯--决策树--KNN--逻辑回归--神经网络--SVM--岭回归--Lasso算法--装袋法--Adaboost算法--主成分分析PCA--K-means--谱聚类--密度聚类--关联规则--序列模式
案例操作
【制作经营业务BI常用图表】【婚恋网站是否可以成功约会预测】【客户流失预测】【零售业客户价值预测模型】【信用违约建模案例】【银行客户购物篮分析】
|
|
|
完 谢谢观看
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
全国校区
