| 【授課方式】 | 面授+線上 |
| 【咨詢電話】 | 020-34071250；020-34071978（歡迎來電咨詢） |
| 【在線 QQ 】 | 568499978 |
| 【聯(lián) 系 人】 | 龐先生，鄧小姐；13378458028、18924110388（均可加微信） |
 課綱下載  |
|
培訓(xùn)服務(wù)一覽表 |
|
|
培訓(xùn)地點 |
廣州 |
|
培訓(xùn)時間 |
7月22-26 |
|
培訓(xùn)方式 |
· 現(xiàn)場面授 · 直播授課 · 錄播回放 |
|
專家授課 |
· 5天集中培訓(xùn)學(xué)習(xí)：每天6課時，實戰(zhàn)專家授課 · 理論梳理 · 案例分享 · 實戰(zhàn)演練 |
|
紙質(zhì)資料 |
《精益業(yè)務(wù)數(shù)據(jù)分析》CDA一級認(rèn)證教材 本課程講義 |
|
考試系統(tǒng) |
針對CDA L1考試我們有600多道模擬題覆蓋知識點達(dá)90%以上 |
|
學(xué)習(xí)平臺 |
PC端/ 移動端APP：IT云課 |
|
社群服務(wù) |
· 學(xué)員在線交流 · 專家在線答疑 · 班主任教學(xué)管理 |
|
此課程可根據(jù)具體需求定制企業(yè)內(nèi)訓(xùn)解決方案 |
|
「CDA 數(shù)據(jù)分析師人才行業(yè)標(biāo)準(zhǔn)」是面向全行業(yè)數(shù)據(jù)分析及大數(shù)據(jù)相關(guān)崗位的一套科
學(xué)化、專業(yè)化、正規(guī)化、系統(tǒng)化的人才技能準(zhǔn)則。CDA數(shù)據(jù)分析師認(rèn)證考試是評判「標(biāo)準(zhǔn)化人才」的唯一考核路徑。CDA考試大綱規(guī)定并明確了數(shù)據(jù)分析師認(rèn)證考試的具體范圍、內(nèi)容和知識點，考生可按照大綱要求進(jìn)行相關(guān)知識的學(xué)習(xí)，獲取技能，成為專業(yè)人 才。
針對不同知識，掌握程度的要求分為【領(lǐng)會】、【熟知】、【應(yīng)用】三個級別，考生應(yīng)按照不同知識要求進(jìn)行學(xué)習(xí)。
1. 領(lǐng)會：考生能夠領(lǐng)會了解規(guī)定的知識點，并能夠了解規(guī)定知識點的內(nèi)涵與外延，了解其內(nèi)容要點和它們之間的區(qū)別與聯(lián)系，并能做出正確的闡述、解釋和說明。
2. 熟知：考生須掌握知識的要點，并能夠正確理解和記憶相關(guān)理論方法，能夠根據(jù)不同要求，做出邏輯嚴(yán)密的解釋、說明和闡述。此部分為考試的重點部分。
3. 應(yīng)用：考生須學(xué)會將知識點落地實踐，并能夠結(jié)合相關(guān)工具進(jìn)行商業(yè)應(yīng)用，能夠根據(jù)具體要求，給出問題的具體實施流程和策略。
PART 1 數(shù)據(jù)分析概念與統(tǒng)計學(xué)基礎(chǔ) （占比 30%）
a. 數(shù)據(jù)分析概念、方法論、流程（占比 5%）
b. 描述性統(tǒng)計分析（占比 12%）
c. 推斷性統(tǒng)計分析（占比 8%）
d. 方差分析（占比 2%）
e. 一元線性回歸分析（占比 3%）
Ø PART 2 SQL 數(shù)據(jù)庫基礎(chǔ) （占比 15%）
a. SQL 及關(guān)系型數(shù)據(jù)庫基本概念（占比 1%）
b. SQL 數(shù)據(jù)類型、運算符、函數(shù)（占比 3%）
c. SQL 查詢語句（占比 5%）
d. SQL 連接語句（占比 5%）
e. SQL 其它語句（占比 1%）
Ø PART 3 數(shù)據(jù)采集與處理 （占比 15%）
a. 數(shù)據(jù)采集方法（占比 5%）
b. 市場調(diào)研（占比 2%）
c. 數(shù)據(jù)預(yù)處理方法（占比 8%）
Ø PART 4 數(shù)據(jù)建模分析 （占比 40%）
a. 主成分分析法（占比 4%）、因子分析法（占比 2%）
b. 系統(tǒng)聚類法（占比 2%）、K-Means 聚類法（占比 3%）
c. 對應(yīng)分析（占比 2%）、多維尺度分析（占比 2%）
d. 多元回歸分析法
多元線性回歸（占比 10%）
邏輯回歸（占比 10%）
e. 時間序列（占比 5%）.
考試方式：VUE線上考試，隨約隨考；
考試題型：考試題型：客觀題（單選80道+多選60道）滿分100分，60分及格；
考試時間：120 分鐘；
考試成績：分為 A、B、C、D 四個層次，A、B、C 為通過考試，D 為不通過。
注：考試未通過者可進(jìn)行一次補考，補考費用為六折優(yōu)惠。每個等級科目補考各限一次。
|
章節(jié) |
模塊 |
培訓(xùn)內(nèi)容 |
|
PART 1 數(shù)據(jù)分析概念與統(tǒng)計學(xué)基礎(chǔ) |
1、數(shù)據(jù)分析概述 |
【領(lǐng)會】 數(shù)據(jù)分析和數(shù)據(jù)挖掘的概念 強(qiáng)調(diào)商業(yè)數(shù)據(jù)分析中對業(yè)務(wù)的理解 商業(yè)數(shù)據(jù)分析和預(yù)測的本質(zhì) 數(shù)據(jù)分析的8個層次 大數(shù)據(jù)對傳統(tǒng)小數(shù)據(jù)分析的拓展 【熟知】 明確數(shù)據(jù)分析目標(biāo)及意義 數(shù)據(jù)分析的過程 數(shù)據(jù)分析與數(shù)據(jù)挖掘的常用方法 CRISP-DM、SEMMA 方法論 數(shù)據(jù)分析中不同人員的角色與職責(zé) |
|
2、描述性統(tǒng)計分析 |
【領(lǐng)會】 數(shù)據(jù)的計量尺度 數(shù)據(jù)的集中趨勢、離中趨勢和數(shù)據(jù)分布的概念 統(tǒng)計圖的概念 各種統(tǒng)計圖的含義和畫法 【熟知】 衡量數(shù)據(jù)集中趨勢、離中趨勢和數(shù)據(jù)分布的常用指標(biāo)及計算方法統(tǒng)計圖形的繪制、圖形元素的調(diào)整、可視化效果，主要涉及條形圖、線圖、直方圖、盒須圖、散點圖、氣泡圖、馬賽克圖、玫瑰圖及其多種圖形整合。明確統(tǒng)計圖形對統(tǒng)計指標(biāo)表達(dá)上的對應(yīng)關(guān)系 【應(yīng)用】 根據(jù)不同數(shù)據(jù)類型選用不同的統(tǒng)計指標(biāo)來進(jìn)行數(shù)據(jù)的集中趨勢、離中趨勢和數(shù)據(jù)分布的衡量，不同統(tǒng)計圖的使用場景。會寫數(shù)據(jù)分析報告和結(jié)合業(yè)務(wù)需求對報告進(jìn)行合理解釋，對業(yè)務(wù)ᨀ出建設(shè)性意見建議。 |
|
|
3、抽樣估計 |
【領(lǐng)會】 隨機(jī)試驗、隨機(jī)事件、隨機(jī)變量的概念 總體與樣本的概念 抽樣估計的理論基礎(chǔ) 正態(tài)分布及三大分布的函數(shù)形式和圖像形式 抽樣的多種組織形式 確定必要樣本容量的原因 【熟知】 隨機(jī)事件的概率 抽樣平均誤差的概念與數(shù)學(xué)性質(zhì) 點估計與區(qū)間估計方法的特點與優(yōu)缺點 全體總體與樣本總體 參數(shù)和統(tǒng)計量 重復(fù)抽樣與不重復(fù)抽樣 抽樣誤差的概念對總體平均數(shù)和總體成數(shù)的區(qū)間估計方法 必要樣本容量的影響因素 中心極限定理的意義與應(yīng)用 【應(yīng)用】 隨機(jī)變量及其概率分布 全部可能的樣本單位數(shù)目的概念及其在不同抽樣方法下的確定 抽樣平均誤差在實際數(shù)據(jù)分析中的計算方法 |
|
|
4、假設(shè)檢驗 |
【領(lǐng)會】 假設(shè)檢驗的基本概念 其基本思想在數(shù)據(jù)分析中的作用 假設(shè)檢驗的基本步驟 假設(shè)檢驗與區(qū)間估計的聯(lián)系 假設(shè)檢驗中的兩類錯誤 【熟知】 P值的含義及計算 如何利用P值進(jìn)行檢驗 z檢驗統(tǒng)計量 t檢驗統(tǒng)計量 F檢驗統(tǒng)計量 c2檢驗統(tǒng)計量的函數(shù)形式和檢驗步驟 【應(yīng)用】 實現(xiàn)單樣本t檢驗 兩獨立樣本t檢驗的步驟和檢驗中使用的統(tǒng)計量與原假設(shè) 兩種檢驗應(yīng)用的數(shù)據(jù)分析場景。 |
|
|
5、方差分析 |
【領(lǐng)會】 方差分析的相關(guān)概念 單因素方差分析的原理 統(tǒng)計量構(gòu)造過程 【熟知】 單因素方差分析的基本步驟 總離差平方和（SST）的含義及計算 組間離差平方和（SSA）的含義及計算 組內(nèi)離差平方和（SSE）的含義及計算 單因素方差分析的原假設(shè) 【應(yīng)用】 實現(xiàn)單因素方差分析的步驟 對方差分析表的分析以及多重比較表的分析 |
|
|
6、簡單線性回歸分析 |
【領(lǐng)會】 相關(guān)圖的繪制與作用 相關(guān)表的編制與作用 相關(guān)系數(shù)定義公式的字母含義 估計標(biāo)準(zhǔn)誤差與相關(guān)系數(shù)的關(guān)系 【熟知】 相關(guān)關(guān)系的概念與特點 相關(guān)關(guān)系與函數(shù)關(guān)系的區(qū)別與聯(lián)系 相關(guān)關(guān)系的種類 相關(guān)系數(shù)的意義以及利用相關(guān)系數(shù)的具體數(shù)值對現(xiàn)象相關(guān)等級的劃分 回歸分析的概念 回歸分析的主要內(nèi)容和特點 建立一元線性回歸方程的條件 應(yīng)用回歸分析應(yīng)注意的問題 估計標(biāo)準(zhǔn)誤差的意義及計算 【應(yīng)用】 運用簡捷法公式計算相關(guān)系數(shù) 相關(guān)分析分析中應(yīng)注意的問題 回歸分析與相關(guān)分析的區(qū)別與聯(lián)系 |
|
|
PART 2 SQL數(shù)據(jù)庫基礎(chǔ) |
1、SQL 基礎(chǔ)概念 |
【領(lǐng)會】 關(guān)系型數(shù)據(jù)庫基本概念、屬性 主鍵 外鍵 E-R 圖 ANSI-SQL 以及不同的數(shù)據(jù)庫實現(xiàn)的關(guān)系 【熟知】 邏輯運算符 比較運算符 算術(shù)運算符 通配符 |
|
2、SQL 查詢語句 |
【應(yīng)用】 select 語句 包括查詢單列 多列，去重，前 N 列 from 語句、where 語句、group by 語句、having 語句、order by 語句、子查詢 SQL 聚合函數(shù)，包括 count、sum、avg、max、min 等 |
|
|
3、SQL 連接語句 |
【領(lǐng)會】 表的連接類型，包括內(nèi)連接（等值、不等值）、外連接（左、右、全）、交叉連接（笛卡 爾連接） 查詢的集合操作，只包括并集操作 【應(yīng)用】 inner join 的用法 left/right/full join 的用法 cross join 的用法 union 的用法 |
|
|
4、其它 SQL 語句 |
【領(lǐng)會】 表的創(chuàng)建 視圖及索引的概念及創(chuàng)建 數(shù)據(jù)插入、更新、刪除 【領(lǐng)會】 高級函數(shù)，如 Oracle 或 Hive 中的 row number over partition by、正則匹配等 |
|
|
PART 3 數(shù)據(jù)采集與處理 |
1、數(shù)據(jù)采集方法 |
【領(lǐng)會】 一手?jǐn)?shù)據(jù)與二手?jǐn)?shù)據(jù)來源渠道 優(yōu)劣勢分析 使用注意事項 【熟知】 一手?jǐn)?shù)據(jù)采集中的概率抽樣與非概率抽樣的區(qū)別與優(yōu)缺點 【運用】 概率抽樣方法，包括簡單隨機(jī)抽樣、分層抽樣、系統(tǒng)抽樣、分段抽樣 明確每種抽樣的優(yōu)缺點 根據(jù)給定條件選擇最可行的抽樣方式 計算簡單隨機(jī)抽樣所需的樣本量 Ø 市場調(diào)研 【熟知】 市場調(diào)研的基本步驟（ᨀ出問題、調(diào)查收集材料、分析預(yù)測問題） 單選題及多項選擇題的設(shè)置 數(shù)據(jù)編碼及錄入 Ø 數(shù)據(jù)預(yù)處理方法 【熟知】 數(shù)據(jù)預(yù)處理的基本步驟，包括數(shù)據(jù)集成（不同數(shù)據(jù)源的整合）、數(shù)據(jù)探索、數(shù)據(jù)變換（標(biāo) 準(zhǔn)化）、數(shù)據(jù)歸約（維度歸約技術(shù)、數(shù)值歸約技術(shù)），這部分內(nèi)容不需要涉及計算，只需要根 據(jù)需求明確可選的處理技術(shù)即可。 【應(yīng)用】 數(shù)據(jù)清洗，包括填補遺漏的數(shù)據(jù)值（根據(jù)業(yè)務(wù)場景使用常數(shù)、中位數(shù)、眾數(shù)等方法，不 涉及多重查補的方法）、平滑有噪聲數(shù)據(jù)（移動平均）、識別或除去異常值（單變量根據(jù)中心 標(biāo)準(zhǔn)化值，多變量使用快速聚類），以及解決不一致問題（熟知概念即可），查重（只考核 SQL 的語句，不涉及 R、SAS 等其它語言）。 |
|
PART 4 數(shù)據(jù)建模分析 總體要求 領(lǐng)會模型基本原理，數(shù)值模型操作流程，懂得模型應(yīng)用場景，能夠完成數(shù)據(jù)建模分析報告。 |
1、描述性數(shù)據(jù)分析/挖掘方法——主成分分析 |
【領(lǐng)會】 主成分分析的計算步驟 主成分分析中對變量自身分布和多變量之間關(guān)系的假設(shè)以及模型設(shè)置 【熟知】 適用于主成分分析的變量度量類型。通過分析結(jié)果，選取合適的保留主成分的個數(shù)，注意區(qū)分兩種不同的分析目的（盡量壓縮變量、避免共線性情況下保留更多信息）保留主成分 個數(shù)的評判標(biāo)準(zhǔn)的差異。 【應(yīng)用】 在深入理解主成分的意義的基礎(chǔ)之上，在遇到業(yè)務(wù)問題時，有能力決定是否使用主成分分析方法；有能力決定何時采用相關(guān)系數(shù)計算方法和協(xié)方差矩陣計算方法；有能力解釋主成分得分的結(jié)果；根據(jù)變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換。 |
|
2、描述性數(shù)據(jù)分析/挖掘方法——因子分析 |
【領(lǐng)會】 了解因子分析模型設(shè)置，只需要關(guān)注主成分法的計算步驟 【熟知】 適用于因子分析的變量度量類型。通過分析結(jié)果，選取合適的因子個數(shù)； 知道最常用的因子旋轉(zhuǎn)的方法。 【應(yīng)用】 在遇到業(yè)務(wù)問題時，有能力決定是否使用因子分析，還是使用主成分分析方法就可以了；有能力根據(jù)原始變量在各因子上的權(quán)重明確每個因子的意義；有能力對大量變量進(jìn)行維度分析，分維度打分，并比較與專家打分（德爾菲法）的區(qū)別；在聚類前對數(shù)據(jù)進(jìn)行描述，發(fā)現(xiàn)理想的聚類方式和數(shù)量。 |
|
|
3、描述性數(shù)據(jù)分析/挖掘方法——聚類分析 |
【領(lǐng)會】 多種聚類算法的特點 【熟知】 聚類方法的基本邏輯 系統(tǒng)聚類和 K-Means 聚類的基本算法和優(yōu)缺點 系統(tǒng)聚類的計算步驟，包括兩點距離、兩類合并的計算方法 系統(tǒng)聚類法中選擇最優(yōu)聚類數(shù)量的方法 K-Means 聚類的基本算法 聚類分析變量標(biāo)準(zhǔn)化的原因和計算方法 變量需要進(jìn)行主成分分析的原因 變量進(jìn)行函數(shù)轉(zhuǎn)化的原因和計算方法 【應(yīng)用】 結(jié)合客戶畫像、客戶細(xì)分、商品聚類、離群值檢驗（欺詐、反洗錢）等業(yè)務(wù)運用場景，選取合適的聚類方法與步驟 聚類事后分析，根據(jù)聚類后變量分布情況獲取每類的特征 |
|
|
4、描述性數(shù)據(jù)分析/挖掘方法——對應(yīng)分析 |
【領(lǐng)會】 對應(yīng)分析的算法 【熟知】 適用于對應(yīng)分析的變量度量類型 對應(yīng)分析與列聯(lián)表分析、主成分分析的關(guān)系 這種方法優(yōu)缺點及如何與其它模型結(jié)合使用 【應(yīng)用】 對應(yīng)分析使用的指標(biāo)如何量化及其常見的量化方式 在客戶滿意度分析、市場績效及產(chǎn)品細(xì)分等場景下的運用 雙標(biāo)圖的可視化、解釋與意義擴(kuò)展 |
|
|
5、描述性數(shù)據(jù)分析/挖掘方法——多維尺度分析 |
【領(lǐng)會】 多維尺度分析的算法。 【熟知】 適用于多維尺度分析的變量度量類型 該分析方法和主成分分析、因子分析、對應(yīng)分析的異同點，尤其是和因子分析的區(qū)別 【應(yīng)用】 多維尺度分析在客戶產(chǎn)品感知圖等方面的運用 |
|
|
6、預(yù)測性數(shù)據(jù)分析方法——線性回歸與模型診斷及優(yōu)化 |
【領(lǐng)會】 線性回歸系數(shù)的計算公式 【熟知】 明確線性回歸的 6 個經(jīng)典假設(shè)（線性模型、不存在共線性、殘差期望為 0、同方差、正態(tài)性、隨機(jī)抽樣 明確違反前 5 個假設(shè)后出現(xiàn)的問題 模型是否違反前 5 個經(jīng)典假設(shè)的檢驗方法與模型糾正的方法 變量篩選方法 離群值、指標(biāo)計算方法 明晰橫截面和時間序列數(shù)據(jù)在回歸建模上的差異 【應(yīng)用】 結(jié)合業(yè)務(wù)構(gòu)建回歸模型并且解釋回歸系數(shù) 根據(jù)業(yè)務(wù)場景與變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換 解釋變量為分類變量時的處理方法 區(qū)分預(yù)測性建模與解釋性建模的關(guān)系 使用結(jié)果進(jìn)行新樣本預(yù)測 進(jìn)行客戶價值分析的基本步驟與注意事項 |
|
|
7、預(yù)測性數(shù)據(jù)分析方法——構(gòu)造對二分類變量的預(yù)測模型 |
【領(lǐng)會】 卡方檢驗計算公式 二分類邏輯回歸的計算公式 【熟知】 分類變量是否存在相關(guān)關(guān)系的描述方法和檢驗方法，涉及列聯(lián)表分析、卡方檢驗 似然比與 Logit 轉(zhuǎn)換 二分類邏輯回歸模型構(gòu)建與變量篩選 模型評估的方法，涉及混淆矩陣、ROC 曲線 【應(yīng)用】 結(jié)合業(yè)務(wù)構(gòu)建回歸模型并且解釋回歸系數(shù) 根據(jù)業(yè)務(wù)場景與變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換 使用結(jié)果進(jìn)行新樣本預(yù)測 進(jìn)行客戶流失預(yù)測、信用評級、精準(zhǔn)營銷等模型的基本步驟與注意事項 |
|
|
8、時間序列 |
【領(lǐng)會】 明確趨勢分解法、ARIMA 方法、時間序列回歸方法的差異和適用場景 明確每種方法的計算方法 【熟知】 趨勢分解法，涉及乘法模型、加法模型 ARIMA 方法的具體步驟；時間序列回歸的方法 【應(yīng)用】 結(jié)合業(yè)務(wù)（業(yè)績預(yù)測、預(yù)警），選取合適的分析方法 進(jìn)行業(yè)務(wù)時間序列預(yù)測等模型的基本步驟與注意事項 |
|
|
推薦學(xué)習(xí)書目 |
說明：推薦學(xué)習(xí)書目中，部分書籍結(jié)合軟件，但考試不會考軟件，考生可根據(jù)自身需求 選擇性學(xué)習(xí)。參考書目不需全部學(xué)完，根據(jù)考綱知識點進(jìn)行針對性學(xué)習(xí)即可。 |
[1] 賈俊平，何曉群，金勇進(jìn). 統(tǒng)計學(xué)（第 7 版）[M]. 中國人民大學(xué)出版社，2018.（必讀） [2] 斯蒂芬森，晉勞，瓊斯. SQL 入門經(jīng)典（第 5 版）[M]. 人民郵電出版社，2011.（必讀） [3] 黃縉華.MySQL 入門很簡單[M].清華大學(xué)出版社，2011.（選讀） [4] 何曉群. 多元統(tǒng)計分析（第 4 版）[M]. 中國人民大學(xué)出版社, 2015. （必讀） [5] 盛驟，試式千，潘承毅. 概率論與數(shù)理統(tǒng)計（第 4 版）, 高等教育出版社,2008.（選讀） [6] 王斌會 . 多元統(tǒng)計分析及 R 語言建模（第 4 版）[M]. 暨南大學(xué)出版社, 2016. （選讀） [7] 李靜萍. 多元統(tǒng)計分析：原理與基于 SPSS 的應(yīng)用（第二版） , 中國人民大學(xué)出版社, 2015. （選讀） [8] Wes McKinney. 利用 Python 進(jìn)行數(shù)據(jù)分析[M]. 機(jī)械工業(yè)出版社，2014. （選讀） [9] 王燕. 應(yīng)用時間序列分析（第四版）,中國人民大學(xué)出版社, 2015. （ 9 和 10 二選一） [10] 王燕. 時間序列分析：基于 R, 中國人民大學(xué)出版社, 2015. （ 9 和 10 二選一） [11] Daniel T. Larose，Chantal D. Larose. 數(shù)據(jù)挖掘與預(yù)測分析（第 2 版）[M]. 清華大學(xué)出 版社，2017. （選讀） [12] 經(jīng)管之家，曹正鳳. 從零進(jìn)階!數(shù)據(jù)分析的統(tǒng)計基礎(chǔ)[M]. 電子工業(yè)出版社，2016. （選讀） [13] 經(jīng)管之家，常國珍. 胸有成竹!數(shù)據(jù)分析的 SPSS 和 SAS EG 進(jìn)階[M]. 電子工業(yè)出版社， 2016. （選讀） [14] 經(jīng)管之家，徐筱剛. 如虎添翼：數(shù)據(jù)處理的 SPSS 和 SAS EG 實現(xiàn)[M]. 電子工業(yè)出版社， 2016. （選讀） |
|
總結(jié)交流與答疑 |
||
劉老師 十幾年年軟件研發(fā)經(jīng)驗，十年企業(yè)培訓(xùn)經(jīng)驗，對Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨特的研究，精通J2EE企業(yè)級開發(fā)技術(shù)，Java方向：設(shè)計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究，Python方向：Python核心編程、Python數(shù)據(jù)分析、Python OOP、Mongodb、Django、Scrapy爬蟲技術(shù)、基于Scikit-Learn機(jī)器學(xué)習(xí)框，Tensorflow深度學(xué)習(xí)框架、人臉識別技術(shù)。
常老師 北京大學(xué)會計學(xué)博士，ThoughtWorks中國首席金融數(shù)據(jù)科學(xué)家。具有18年數(shù)據(jù)規(guī)劃、數(shù)據(jù)治理、智能算法在金融和電信行業(yè)的落地經(jīng)驗。協(xié)助企業(yè)逐步積累數(shù)據(jù)資產(chǎn)，運用數(shù)據(jù)智能工具優(yōu)化業(yè)務(wù)流程，取得數(shù)字化競爭優(yōu)勢。代表客戶有人民銀行、國家開發(fā)銀行、中國建設(shè)銀行、中國移動、中國銀行、中國民生銀行。 在加入ThoughtWorks之前，曾在畢馬威大數(shù)據(jù)部任總監(jiān)、在中銀消費金融數(shù)據(jù)部任高級經(jīng)理、在百度大數(shù)據(jù)任數(shù)據(jù)產(chǎn)品經(jīng)理。兼任北京語言大學(xué)金融碩校外導(dǎo)師，同時擔(dān)任的社會角色和榮譽有中國大數(shù)據(jù)產(chǎn)業(yè)生態(tài)聯(lián)盟專家委員會委員，CDA數(shù)據(jù)分析研究院名譽院長，騰訊云最有價值專家（TVP），建設(shè)銀行反洗錢和數(shù)據(jù)資產(chǎn)管理資深外部專家。著有《金融數(shù)據(jù)科學(xué)手冊》系列叢書、《Python數(shù)據(jù)科學(xué)：技術(shù)詳解與商業(yè)實踐》、《用商業(yè)案例學(xué)R語言數(shù)據(jù)挖掘》、《胸有成竹：數(shù)據(jù)分析的SASEG進(jìn)階》等多本著作。
王老師 現(xiàn)任某上市公司軟件產(chǎn)品部副總兼大數(shù)據(jù)產(chǎn)品線總經(jīng)理，國際信息和數(shù)據(jù)質(zhì)量協(xié)會（IAIDQ）會員，ITSS數(shù)據(jù)治理標(biāo)準(zhǔn)工作組成員。曾獲得數(shù)據(jù)管理專業(yè)認(rèn)證（CDMP）、數(shù)據(jù)治理專業(yè)認(rèn)證（DGP）、信息質(zhì)量專業(yè)認(rèn)證（IQCP）三項國際認(rèn)證。2010年加入普元，全面主持普元大數(shù)據(jù)產(chǎn)品的研發(fā)、拓展及團(tuán)隊管理工作。十年大型企業(yè)信息化架構(gòu)設(shè)計與建設(shè)經(jīng)驗，曾任中國人民銀行核心平臺架構(gòu)師。主持參與了國家開發(fā)銀行大數(shù)據(jù)治理項目、中國人民銀行軟件開發(fā)平臺、國家電網(wǎng)云計算平臺等大型項目建設(shè)。對大數(shù)據(jù)行業(yè)有著深入的研究和洞察，并對企業(yè)信息化平臺建設(shè)，企業(yè)云計算及大數(shù)據(jù)平臺建設(shè)有著豐富經(jīng)驗。
培訓(xùn)費：2980元/人（含培訓(xùn)費、資料費、在線題庫以及錄播視頻回放一年等費用）
考試費：1200元/人（含考試費發(fā)票）。
熱門點擊：