中國培訓易(m.aokangtiyu.cn)
市場營銷公開課
主辦單位：廣州必學企業(yè)管理咨詢有限公司
中國培訓易（m.aokangtiyu.cn）
中國培訓易（m.aokangtiyu.cn）
舉辦時間：
| 北京 2023年9月14–15日 | 深圳 2023年7月20–21日 |
| 上�！�2023年6月15–16日 |
課程費用：4800元/人（包含：課程、講義、午餐、茶點等費用）
會 員 價：會員優(yōu)惠價請咨詢客服， QQ:674837974 手機/微信：18588851172 符小姐
課程詳情
課程背景:
隨著社會經(jīng)濟發(fā)展和企業(yè)信息化水平的提高，企業(yè)在營銷過程中會接觸到大量的內(nèi)外部數(shù)據(jù)，分析和挖掘企業(yè)營銷數(shù)據(jù)，對于洞察企業(yè)內(nèi)外部態(tài)勢、制定有效的有針對性的營銷策略等有著極強的指導意義。
本課程首先介紹營銷數(shù)據(jù)分析的總體目標以及步驟，然后介紹如何提升數(shù)據(jù)分析能力、數(shù)據(jù)分析的常見問題以及基本分析思路，為后續(xù)分析工作打好基礎，隨后介紹數(shù)據(jù)采集和指標體系建立、數(shù)據(jù)整理、數(shù)據(jù)描述、異常值分析、相關分析、客戶細分、捆綁銷售分析、營銷資源籌劃、客戶畫像、營銷數(shù)據(jù)預測，講解營銷數(shù)據(jù)呈現(xiàn)技術和powerBI以及數(shù)據(jù)分析報告的撰寫。課程的最后是互動環(huán)節(jié)，現(xiàn)場解答學員實際工作中的問題。
本課程內(nèi)容豐富，貼近實戰(zhàn)，所選擇的分析工具、模型均為數(shù)據(jù)分析領域常用的成熟的分析模型算法。有理論有案例有實際操作，落地性強，能夠較好地提高學員的數(shù)據(jù)分析和挖掘能力。全部案例均采用2010/2013/2016、數(shù)據(jù)分析插件進行講解。
課程收獲：
（1）了解數(shù)據(jù)分析的整體步驟
（2）掌握數(shù)據(jù)分析能力的提升路徑
（3）掌握數(shù)據(jù)分析的思路和方法
（4）掌握數(shù)據(jù)挖掘的模型及其應用
培訓內(nèi)容：
1. 營銷數(shù)據(jù)分析目標和步驟
（1）分析目標
包括數(shù)據(jù)整體狀況分析、異動分析、數(shù)據(jù)分類、數(shù)據(jù)間邏輯關系分析、數(shù)據(jù)預測等。
（2）分析步驟
包括數(shù)據(jù)收集、數(shù)據(jù)整理、報表制作、數(shù)據(jù)分析與數(shù)據(jù)挖掘、圖形呈現(xiàn)、形成策劃案等6個步驟。
2. 數(shù)據(jù)分析與商務邏輯
（1）數(shù)據(jù)分析能力
包括業(yè)務理解能力、邏輯思辨能力、需求轉換能力、統(tǒng)計分析挖掘工具的掌握等方面。
（2）常見商務邏輯
a) 如何對數(shù)據(jù)特征進行描述？
b) 我的客戶的特征是啥樣的？
c) 如何結合銷售現(xiàn)狀判斷數(shù)據(jù)中的異常值？
d) A數(shù)據(jù)和B數(shù)據(jù)之間有關系嗎？如果有關系，關系是怎樣的？
e) 如果數(shù)據(jù)之間有影響，有沒有重要程度的差異？
f) 數(shù)據(jù)和指標如何分組？
g) 如果影響指標比較多，如何處理？
h) 我想知道數(shù)據(jù)之間的對應關系，如何處理？
i) 如何考慮A事件對B事件的邊際貢獻率？
……
（3）分析思路
a) 標識分析法
b) 二八分析法（二八系數(shù)在第5個模塊第3小節(jié)的工具中自動實現(xiàn)）
c) 特征組合分析法
d) 排序分析法
e) 對比分析法
f) 分組分析法
g) 結構分析法
h) 交叉分析法
i) 對應分析法
……
3. 數(shù)據(jù)采集和指標體系建立
（1）采集原則
包括邏輯完備、可獲得、不重疊等原則，關于不重疊一般要做相關分析甚至是典型相關分析做檢驗。
（2）采集方法和步驟
包括采用層次分析法等確定收集維度、數(shù)據(jù)變形、數(shù)據(jù)相關檢驗、權重確定等。
（3）指標體系的建立
一般采用手工指標體系和軟件自動評估這兩種方式，這兩種方式都需要客觀規(guī)范地選擇數(shù)據(jù)指標，手工指標體系要做到權重設置合理、指標結果具有可比性（即處在基本同一數(shù)據(jù)區(qū)域），有時需要反復測試。
案例：浙江某互聯(lián)網(wǎng)企業(yè)的數(shù)據(jù)采集和指標體系建立
課堂討論：指標體系中的“加”與“乘”
4. 數(shù)據(jù)整理
數(shù)據(jù)整理的包括數(shù)據(jù)糾錯、數(shù)據(jù)填充補齊、數(shù)據(jù)匯總（非常復雜）以及數(shù)據(jù)
變形、數(shù)據(jù)轉換等多個環(huán)節(jié)，其目的是做好數(shù)據(jù)分析前的準備工作，將數(shù)據(jù)處理干凈，以進行后續(xù)的分析工作。
（1）數(shù)據(jù)糾錯
包括兩種形式的錯誤，一是本身數(shù)據(jù)就有錯，例如格式錯誤、空白等，二是數(shù)據(jù)邏輯上的錯誤或者異常。
（2）數(shù)據(jù)填充補齊
將數(shù)據(jù)中的空白填充補齊，這里面可能會涉及到復雜的業(yè)務邏輯。
（3）數(shù)據(jù)的匯總
根據(jù)分析目標的不同，分為按照時間序列的匯總、按照客戶id的匯總等等。
（4）數(shù)據(jù)變形
為了便于后續(xù)對比分析，經(jīng)常需要對于數(shù)據(jù)進行變形，例如對于不同數(shù)量級的數(shù)據(jù)，將其變形到[0,1]的范圍內(nèi)。
（5）數(shù)據(jù)轉換
在數(shù)據(jù)分析中，經(jīng)常存在兩種形式的數(shù)據(jù)轉換：連續(xù)變量離散化以及定性數(shù)據(jù)定量化。
5. 數(shù)據(jù)描述
數(shù)據(jù)描述指對銷售數(shù)據(jù)進行描述統(tǒng)計，采用多種指標和方法揭示數(shù)據(jù)的概況，為后續(xù)分析做好準備工作。描述的指標有求和、計數(shù)、平均值、中位數(shù)、眾數(shù)、方差（標準差）、變異系數(shù)、峰度、偏度、占比、累計占比、同比、環(huán)比等。
（1）整體狀況描述
（2）營銷數(shù)據(jù)“七個百分比”
（3）多列對比
---這是應培訓學員的要求所做的多列對比的小工具，非常方便，可以一次性地輸出多列之間平均值、總數(shù)、中位數(shù)、變異系數(shù)、二八系數(shù)等的對比。
案例：期貨數(shù)據(jù)中“眾數(shù)”指標的運用
討論： 中位數(shù)和平均值的異同
6. 異常值分析
異常值是數(shù)據(jù)中脫離正常變化軌道的數(shù)據(jù)，也是數(shù)據(jù)分析中需要重點關注的數(shù)據(jù)。通常采用如下方法分析異常值：
（1）散點圖
（2）面板散點圖
采用面板的方式實現(xiàn)多個散點圖的觀察，高效直觀。
（3）條件格式
（4）三倍標準差方法
案例：中國移動某省公司利用“三倍標準差法”捕捉業(yè)務異常值
7. 相關分析
（1）相關分析原理
（2）EXCEL“數(shù)據(jù)分析”模塊安裝及介紹
（3）操作及輸出說明
（4）大型相關矩陣和條件格式的組合使用
（5）用相關分析做數(shù)據(jù)掃描的邏輯
案例：上海某藥企利用商務數(shù)據(jù)分析“頭對頭”的競爭關系
案例：阿里巴巴利用相關分析功能來梳理市場競爭態(tài)勢
案例：上海某制造型企業(yè)利用“相關分析”來分析物料運輸成本并制定合理化對策
8. 客戶細分
單獨一個數(shù)據(jù)，往往因為數(shù)據(jù)異�；蛘吲既恍缘仍颍瑥膩砗茈y發(fā)現(xiàn)明顯的結論，分組不僅僅讓分析變得簡單，而且能夠發(fā)現(xiàn)簡單對比所無法獲得的結論。
（1）單指標的分類
（2）多指標的分類
多指標的分組，可以用來做市場細分、客戶分群等，采用聚類實現(xiàn)。
案例：上海某消費品調(diào)研的受訪者分類
案例討論：最佳聚類分類總數(shù)的確定
9. 捆綁銷售分析
關聯(lián)分析可以分析銷售過程中某些相關的因素之間的關聯(lián)性，例如購買A的同時是否購買了B，購買A的用戶中有多少概率購買了B。
（1）相關概念
支持度、置信度、提升度
（2）關聯(lián)分析算法的使用
案例：上海某食品企業(yè)進行產(chǎn)品配送的關聯(lián)度分析
課堂討論：工業(yè)品數(shù)據(jù)做捆綁銷售的數(shù)據(jù)準備
10. 營銷資源籌劃與調(diào)配
營銷資源總是有限的，例如資金、廣宣品等，如何在種種影響因素的限制之下，使得營銷資源效果最大化，是重要的營銷管理問題。
（1）規(guī)劃求解概念
（2）相關操作和說明
案例：杭州某集團公司進行廣宣品的調(diào)配分析
案例：上海某大型集團公司進行平時工資和年終獎數(shù)額的平衡度分析
11. 迭代抓取數(shù)據(jù)特征
適用于對于有相關行為的數(shù)據(jù)特征的描述，例如在銷售方面，如果我們對具有相關特征（年齡、性別、歸屬地、之前消費特征）的消費者的消費行為比較感興趣，我們可以用這一算法找到具有某一消費行為的消費者的特征，例如該消費者的性別、年齡等的組合特征。
再例如4S店有各種車型的銷售數(shù)據(jù)，4S店就關心購買某種車型的消費者的具體特征是什么。
（1）算法描述
（2）算法執(zhí)行和輸出
12. 營銷數(shù)據(jù)預測
數(shù)據(jù)預測是營銷數(shù)據(jù)分析的重要組成部分，我們介紹幾種常用的數(shù)據(jù)分析技術：
（1）模擬運算表
（2）添加趨勢線
（3）手工數(shù)組方式實現(xiàn)
（4）批量自動實現(xiàn)
案例：上海某企業(yè)對于房屋資產(chǎn)租賃價格的逐步回歸分析
13. 數(shù)據(jù)呈現(xiàn)技術
分析做得好，還要圖畫得好，數(shù)據(jù)呈現(xiàn)技術在營銷數(shù)據(jù)分析中顯得尤其重要：
（1）Excel繪圖的基本線型
（2）Excel繪圖的高級圖形
包括堆積柱狀圖、復合餅圖、半圓圖等。
（3）圖形呈現(xiàn)的高級技巧
包括輔助列、錯位、數(shù)據(jù)標簽的應用、分色等功能。
14. Power BI工具
PowerBI是微軟推出的商業(yè)智能套件，由于其能支持大數(shù)據(jù)、無需VBA編程就能夠實現(xiàn)數(shù)據(jù)快速匯總以及數(shù)據(jù)呈現(xiàn)效果比較豐富等，獲得了廣大用戶的歡迎：
（1）PowerBI部件簡介
（2）用powerquery快速匯總數(shù)據(jù)
（3）用powerpivot支持大數(shù)據(jù)分析
（4）用powerview實現(xiàn)儀表盤
15. 數(shù)據(jù)分析報告撰寫
（1）分析報告的架構
（2）分析報告的邏輯
（3）分析報告的表現(xiàn)形式
（4）分析報告的文筆
案例：優(yōu)秀分析報告和工作PPT賞析
16. 互動
現(xiàn)場討論課程中的問題，并就學員的實際工作問題進行解答。
隨著社會經(jīng)濟發(fā)展和企業(yè)信息化水平的提高，企業(yè)在營銷過程中會接觸到大量的內(nèi)外部數(shù)據(jù)，分析和挖掘企業(yè)營銷數(shù)據(jù)，對于洞察企業(yè)內(nèi)外部態(tài)勢、制定有效的有針對性的營銷策略等有著極強的指導意義。
本課程首先介紹營銷數(shù)據(jù)分析的總體目標以及步驟，然后介紹如何提升數(shù)據(jù)分析能力、數(shù)據(jù)分析的常見問題以及基本分析思路，為后續(xù)分析工作打好基礎，隨后介紹數(shù)據(jù)采集和指標體系建立、數(shù)據(jù)整理、數(shù)據(jù)描述、異常值分析、相關分析、客戶細分、捆綁銷售分析、營銷資源籌劃、客戶畫像、營銷數(shù)據(jù)預測，講解營銷數(shù)據(jù)呈現(xiàn)技術和powerBI以及數(shù)據(jù)分析報告的撰寫。課程的最后是互動環(huán)節(jié)，現(xiàn)場解答學員實際工作中的問題。
本課程內(nèi)容豐富，貼近實戰(zhàn)，所選擇的分析工具、模型均為數(shù)據(jù)分析領域常用的成熟的分析模型算法。有理論有案例有實際操作，落地性強，能夠較好地提高學員的數(shù)據(jù)分析和挖掘能力。全部案例均采用2010/2013/2016、數(shù)據(jù)分析插件進行講解。
課程收獲：
（1）了解數(shù)據(jù)分析的整體步驟
（2）掌握數(shù)據(jù)分析能力的提升路徑
（3）掌握數(shù)據(jù)分析的思路和方法
（4）掌握數(shù)據(jù)挖掘的模型及其應用
培訓內(nèi)容：
1. 營銷數(shù)據(jù)分析目標和步驟
（1）分析目標
包括數(shù)據(jù)整體狀況分析、異動分析、數(shù)據(jù)分類、數(shù)據(jù)間邏輯關系分析、數(shù)據(jù)預測等。
（2）分析步驟
包括數(shù)據(jù)收集、數(shù)據(jù)整理、報表制作、數(shù)據(jù)分析與數(shù)據(jù)挖掘、圖形呈現(xiàn)、形成策劃案等6個步驟。
2. 數(shù)據(jù)分析與商務邏輯
（1）數(shù)據(jù)分析能力
包括業(yè)務理解能力、邏輯思辨能力、需求轉換能力、統(tǒng)計分析挖掘工具的掌握等方面。
（2）常見商務邏輯
a) 如何對數(shù)據(jù)特征進行描述？
b) 我的客戶的特征是啥樣的？
c) 如何結合銷售現(xiàn)狀判斷數(shù)據(jù)中的異常值？
d) A數(shù)據(jù)和B數(shù)據(jù)之間有關系嗎？如果有關系，關系是怎樣的？
e) 如果數(shù)據(jù)之間有影響，有沒有重要程度的差異？
f) 數(shù)據(jù)和指標如何分組？
g) 如果影響指標比較多，如何處理？
h) 我想知道數(shù)據(jù)之間的對應關系，如何處理？
i) 如何考慮A事件對B事件的邊際貢獻率？
……
（3）分析思路
a) 標識分析法
b) 二八分析法（二八系數(shù)在第5個模塊第3小節(jié)的工具中自動實現(xiàn)）
c) 特征組合分析法
d) 排序分析法
e) 對比分析法
f) 分組分析法
g) 結構分析法
h) 交叉分析法
i) 對應分析法
……
3. 數(shù)據(jù)采集和指標體系建立
（1）采集原則
包括邏輯完備、可獲得、不重疊等原則，關于不重疊一般要做相關分析甚至是典型相關分析做檢驗。
（2）采集方法和步驟
包括采用層次分析法等確定收集維度、數(shù)據(jù)變形、數(shù)據(jù)相關檢驗、權重確定等。
（3）指標體系的建立
一般采用手工指標體系和軟件自動評估這兩種方式，這兩種方式都需要客觀規(guī)范地選擇數(shù)據(jù)指標，手工指標體系要做到權重設置合理、指標結果具有可比性（即處在基本同一數(shù)據(jù)區(qū)域），有時需要反復測試。
案例：浙江某互聯(lián)網(wǎng)企業(yè)的數(shù)據(jù)采集和指標體系建立
課堂討論：指標體系中的“加”與“乘”
4. 數(shù)據(jù)整理
數(shù)據(jù)整理的包括數(shù)據(jù)糾錯、數(shù)據(jù)填充補齊、數(shù)據(jù)匯總（非常復雜）以及數(shù)據(jù)
變形、數(shù)據(jù)轉換等多個環(huán)節(jié)，其目的是做好數(shù)據(jù)分析前的準備工作，將數(shù)據(jù)處理干凈，以進行后續(xù)的分析工作。
（1）數(shù)據(jù)糾錯
包括兩種形式的錯誤，一是本身數(shù)據(jù)就有錯，例如格式錯誤、空白等，二是數(shù)據(jù)邏輯上的錯誤或者異常。
（2）數(shù)據(jù)填充補齊
將數(shù)據(jù)中的空白填充補齊，這里面可能會涉及到復雜的業(yè)務邏輯。
（3）數(shù)據(jù)的匯總
根據(jù)分析目標的不同，分為按照時間序列的匯總、按照客戶id的匯總等等。
（4）數(shù)據(jù)變形
為了便于后續(xù)對比分析，經(jīng)常需要對于數(shù)據(jù)進行變形，例如對于不同數(shù)量級的數(shù)據(jù)，將其變形到[0,1]的范圍內(nèi)。
（5）數(shù)據(jù)轉換
在數(shù)據(jù)分析中，經(jīng)常存在兩種形式的數(shù)據(jù)轉換：連續(xù)變量離散化以及定性數(shù)據(jù)定量化。
5. 數(shù)據(jù)描述
數(shù)據(jù)描述指對銷售數(shù)據(jù)進行描述統(tǒng)計，采用多種指標和方法揭示數(shù)據(jù)的概況，為后續(xù)分析做好準備工作。描述的指標有求和、計數(shù)、平均值、中位數(shù)、眾數(shù)、方差（標準差）、變異系數(shù)、峰度、偏度、占比、累計占比、同比、環(huán)比等。
（1）整體狀況描述
（2）營銷數(shù)據(jù)“七個百分比”
（3）多列對比
---這是應培訓學員的要求所做的多列對比的小工具，非常方便，可以一次性地輸出多列之間平均值、總數(shù)、中位數(shù)、變異系數(shù)、二八系數(shù)等的對比。
案例：期貨數(shù)據(jù)中“眾數(shù)”指標的運用
討論： 中位數(shù)和平均值的異同
6. 異常值分析
異常值是數(shù)據(jù)中脫離正常變化軌道的數(shù)據(jù)，也是數(shù)據(jù)分析中需要重點關注的數(shù)據(jù)。通常采用如下方法分析異常值：
（1）散點圖
（2）面板散點圖
采用面板的方式實現(xiàn)多個散點圖的觀察，高效直觀。
（3）條件格式
（4）三倍標準差方法
案例：中國移動某省公司利用“三倍標準差法”捕捉業(yè)務異常值
7. 相關分析
（1）相關分析原理
（2）EXCEL“數(shù)據(jù)分析”模塊安裝及介紹
（3）操作及輸出說明
（4）大型相關矩陣和條件格式的組合使用
（5）用相關分析做數(shù)據(jù)掃描的邏輯
案例：上海某藥企利用商務數(shù)據(jù)分析“頭對頭”的競爭關系
案例：阿里巴巴利用相關分析功能來梳理市場競爭態(tài)勢
案例：上海某制造型企業(yè)利用“相關分析”來分析物料運輸成本并制定合理化對策
8. 客戶細分
單獨一個數(shù)據(jù)，往往因為數(shù)據(jù)異�；蛘吲既恍缘仍颍瑥膩砗茈y發(fā)現(xiàn)明顯的結論，分組不僅僅讓分析變得簡單，而且能夠發(fā)現(xiàn)簡單對比所無法獲得的結論。
（1）單指標的分類
（2）多指標的分類
多指標的分組，可以用來做市場細分、客戶分群等，采用聚類實現(xiàn)。
案例：上海某消費品調(diào)研的受訪者分類
案例討論：最佳聚類分類總數(shù)的確定
9. 捆綁銷售分析
關聯(lián)分析可以分析銷售過程中某些相關的因素之間的關聯(lián)性，例如購買A的同時是否購買了B，購買A的用戶中有多少概率購買了B。
（1）相關概念
支持度、置信度、提升度
（2）關聯(lián)分析算法的使用
案例：上海某食品企業(yè)進行產(chǎn)品配送的關聯(lián)度分析
課堂討論：工業(yè)品數(shù)據(jù)做捆綁銷售的數(shù)據(jù)準備
10. 營銷資源籌劃與調(diào)配
營銷資源總是有限的，例如資金、廣宣品等，如何在種種影響因素的限制之下，使得營銷資源效果最大化，是重要的營銷管理問題。
（1）規(guī)劃求解概念
（2）相關操作和說明
案例：杭州某集團公司進行廣宣品的調(diào)配分析
案例：上海某大型集團公司進行平時工資和年終獎數(shù)額的平衡度分析
11. 迭代抓取數(shù)據(jù)特征
適用于對于有相關行為的數(shù)據(jù)特征的描述，例如在銷售方面，如果我們對具有相關特征（年齡、性別、歸屬地、之前消費特征）的消費者的消費行為比較感興趣，我們可以用這一算法找到具有某一消費行為的消費者的特征，例如該消費者的性別、年齡等的組合特征。
再例如4S店有各種車型的銷售數(shù)據(jù)，4S店就關心購買某種車型的消費者的具體特征是什么。
（1）算法描述
（2）算法執(zhí)行和輸出
12. 營銷數(shù)據(jù)預測
數(shù)據(jù)預測是營銷數(shù)據(jù)分析的重要組成部分，我們介紹幾種常用的數(shù)據(jù)分析技術：
（1）模擬運算表
（2）添加趨勢線
（3）手工數(shù)組方式實現(xiàn)
（4）批量自動實現(xiàn)
案例：上海某企業(yè)對于房屋資產(chǎn)租賃價格的逐步回歸分析
13. 數(shù)據(jù)呈現(xiàn)技術
分析做得好，還要圖畫得好，數(shù)據(jù)呈現(xiàn)技術在營銷數(shù)據(jù)分析中顯得尤其重要：
（1）Excel繪圖的基本線型
（2）Excel繪圖的高級圖形
包括堆積柱狀圖、復合餅圖、半圓圖等。
（3）圖形呈現(xiàn)的高級技巧
包括輔助列、錯位、數(shù)據(jù)標簽的應用、分色等功能。
14. Power BI工具
PowerBI是微軟推出的商業(yè)智能套件，由于其能支持大數(shù)據(jù)、無需VBA編程就能夠實現(xiàn)數(shù)據(jù)快速匯總以及數(shù)據(jù)呈現(xiàn)效果比較豐富等，獲得了廣大用戶的歡迎：
（1）PowerBI部件簡介
（2）用powerquery快速匯總數(shù)據(jù)
（3）用powerpivot支持大數(shù)據(jù)分析
（4）用powerview實現(xiàn)儀表盤
15. 數(shù)據(jù)分析報告撰寫
（1）分析報告的架構
（2）分析報告的邏輯
（3）分析報告的表現(xiàn)形式
（4）分析報告的文筆
案例：優(yōu)秀分析報告和工作PPT賞析
16. 互動
現(xiàn)場討論課程中的問題，并就學員的實際工作問題進行解答。
講師簡介
紀先生 老師
大連理工大學計算機系，復旦大學MBA。長期從事數(shù)據(jù)分析、市場調(diào)查、Excel等方面的培訓工作
紀老師曾經(jīng)在上海貝爾、MOTOROLA、Lucent、新加坡比技公司、上海全成等公司長期工作，擔任過項目經(jīng)理、技術市場經(jīng)理、銷售經(jīng)理、銷售總監(jiān)等職務，對于數(shù)據(jù)分析和市場營銷有著較多實戰(zhàn)經(jīng)驗
紀老師積累了較多的數(shù)據(jù)分析和挖掘的實戰(zhàn)經(jīng)驗，1995年即開始使用Excel、VBA對于Motorola電信交換機的運營數(shù)據(jù)進行分析和編程處理，1998年即開始采用SPSS軟件進行數(shù)據(jù)分析和市場調(diào)查報表的分析工作，在新加坡比技公司、上海全成通信等公司組織和領導了多項移動通信增值業(yè)務數(shù)據(jù)的數(shù)據(jù)挖掘項目（采用COGNOS商業(yè)報表軟件和CLEMENTINE軟件）。
同時，紀老師也曾經(jīng)參與或主持過多項數(shù)據(jù)分析方面的咨詢項目，包括“2005年上海移動有限公司新產(chǎn)品發(fā)展模式市場調(diào)研”、“內(nèi)蒙古杏仁露產(chǎn)品上市前調(diào)研”、“2009年楊浦區(qū)商管公司下屬商業(yè)網(wǎng)點調(diào)研”、“2009格林動力汽車尾氣凈化劑數(shù)據(jù)分析”、“2011年我國電子閱讀器市場用戶消費模式調(diào)研”等，在營銷數(shù)據(jù)分析和市場調(diào)查方面有著較多實戰(zhàn)經(jīng)驗。
擅長領域：
《銷售報表制作與分析》、《市場營銷數(shù)據(jù)的分析與挖掘》、《Excel高效操作技巧》、《EXCEL VBA在金融建模中的應用》、《市場調(diào)研數(shù)據(jù)分析和利用》、《大數(shù)據(jù)時代的數(shù)據(jù)分析和挖掘》、《Access在數(shù)據(jù)分析中的高效運用》、《SPSS商業(yè)數(shù)據(jù)分析》。
曾經(jīng)參與或主持過多項數(shù)據(jù)分析方面的咨詢項目，包括：
2015年：上海張江高科科技園政府扶持企業(yè)資金投入產(chǎn)出績效分析項目（分析工具提供）（VBA實現(xiàn)DEA算法）
2015年：迪皮埃復材構件（太倉、大豐）兩公司生產(chǎn)部報表項目（VBA實現(xiàn)）
2015年：某證券私募企業(yè)股票指標數(shù)據(jù)跟蹤與分析系統(tǒng)（VBA實現(xiàn)）
2014年：上海印鈔廠統(tǒng)計分析培訓專題咨詢
2013年：迪皮埃復材構件（太倉）有限公司，生產(chǎn)部數(shù)據(jù)流程整合咨詢項目（包括VBA編碼調(diào)試）
2013年：上海印鈔廠統(tǒng)計分析專題咨詢
2011年：內(nèi)蒙古杏仁露產(chǎn)品上市前調(diào)研
2010年：我國電子閱讀器市場用戶消費模式調(diào)研
2009年：格林動力汽車尾氣凈化劑數(shù)據(jù)分析
2009年：上海楊浦區(qū)商管公司下屬商業(yè)網(wǎng)點調(diào)研
2005年：上海移動有限公司新產(chǎn)品發(fā)展模式市場調(diào)研
服務客戶：
華晨寶馬、天津殼牌、大連中升之星、賽諾菲、寶鋼股份、立邦涂料、迪皮埃（太倉）、阿斯利康、中石化殼牌、上海醫(yī)療器械集團、上海印鈔廠、上海造幣廠、上海浦東新區(qū)發(fā)改委、大眾汽車、大眾聯(lián)合、大眾電子、上汽集團、河南移動、大賽璐（中國）、重慶康明斯、奇瑞汽車、中國移動集團公司、中國網(wǎng)通北京分公司、地中海游輪（上海）、杭州華數(shù)集團、諾翼航空等
課程對象
營銷、運營、財務、供應鏈等相關人員。學員應具有一定的實際工作經(jīng)驗，并熟悉Excel基本數(shù)據(jù)操作。
備 注
課程名稱：市場營銷數(shù)據(jù)的分析與挖掘
| 咨詢電話：020-29042042 QQ： 59870764 |
報 名 回 執(zhí) 表
為確保您的報名名額和及時參加，請?zhí)崆皩⒋耍▓竺恚?/font>E-mail至674837974@QQ.com；721560397@QQ.COM（符小姐、黃小姐）我們將有專人與您聯(lián)系確認，并于開課前發(fā)出《培訓報名確認函》。培訓時間、地點、住宿等詳細信息請以《培訓報名確認函》書面通知為準，敬請留意。謝謝！
聯(lián)系人：符小姐 電話：18588851172 QQ：674837974 |
網(wǎng)址：m.aokangtiyu.cn（中國培訓易）
課程名稱：市場營銷數(shù)據(jù)的分析與挖掘 時間地區(qū)：____月____日_____市 | |||||
公司全稱： | |||||
聯(lián)系人 | | 部門 | | 公司網(wǎng)址 | |
聯(lián)系電話 | | 傳真 | | 聯(lián)系郵箱 | |
公司地址 | | 郵編 | | ||
參會人數(shù): 名 | |||||
參會人員資料 | |||||
姓名 | 職務 | 電話 | 手機 | E-mail | |
| | | | | |
| | | | | |
| | | | | |
付款方式: □ 轉帳 □ 現(xiàn)金 （請選擇 在□打√） 注：部分地區(qū)不可現(xiàn)金
開戶人: 廣州必學企業(yè)管理咨詢有限公司 開戶行: 中國農(nóng)業(yè)銀行廣州天銀大廈支行 帳 號: 4405 8501 0400 08276 | |||||
課程金額：__________ | |||||
住宿要求（費用自理，開課前三天預訂） | |||||
是否需要會務組協(xié)助安排住宿: □是 □否 入住天數(shù)（ ）天 入住時間 2025 年 月 日 □標準雙人間（ ）間 □標準單人間（ ）間 | |||||
發(fā)票信息： 一、增值稅普通發(fā)票（數(shù)電票）： 公司名稱（發(fā)票抬頭）： 納稅人識別號： 發(fā)票內(nèi)容：□1、*現(xiàn)代服務*培訓費 □2、*現(xiàn)代服務*咨詢服務費 □3、*現(xiàn)代服務*咨詢費 □4、*現(xiàn)代服務*培訓咨詢服務費 二、增值稅專用發(fā)票（數(shù)電票）： 公司名稱： 納稅人識別號： 發(fā)票內(nèi)容：□1、*現(xiàn)代服務*培訓費 | |||||