课程简介

本课程不是算法或案例讲解，而是提供的商业上针对客户营销和风险建模的思维框架和路线图。本课程沿着客户生命周期的阶段展开。企业对初次接触的客户了解甚少，随着交往时间的延长，对其洞察越深入，分析主题越丰富，数据科学的不同议题逐步展开。秉承大道至简的原则，用平易的语言诠释貌似艰深的算法。无论有无数学背景，本课程都是入门数据科学的不错选择，帮助学员在公司的数据科学部门找准定位，迅速成为中坚力量。

本课程体系架构经过6年市场检验，得到知名国企、外企、咨询公司认可；配套同名出版物《Python数据科学：技术详解与商业实践  》，便于学员预习和复习。

课程大纲

第一课：数据科学与客户智能

1.1课程内容概述

1.2参数估计与统计推断

1.3连续变量关系探索与变量压缩

第二课：客户获取、挽留与价值预测

2.1客户获取与挽留的业务理解

2.2算法基础：线性回归/逻辑回归

2.3案例实践

第三课：初始信用评分卡制作

3.1初始信用评分的业务理解

3.2数据理解与数据准备

3.3使用逻辑回归建模

3.4模型评估与检测

第四课：客户分群与洞察

4.1客户画像与标签体系

4.2客户细分

4.3聚类的基本逻辑

4.4K-means聚类

4.5使用决策树做聚类后客户分析

第五课：反欺诈与不平衡数据处理

5.1反欺诈模型的业务理解

5.2不平衡数据问题的处理思路

5.3实践案例

授课对象

1．大数据营销分析人员
营销是大数据落地项目最多的领域，也是数据科学活跃的重镇。数商将是衡量营销分析人员最重要的指标。可以说将来每一位营销分析人员，必须是数据科学工作者。

2．顾客关系管理人员

随着工业4.0时代的到来，标准化制造将逐步被定制化所取代。因此对客户价值、客户满意度和与客户忠诚的分析将会愈加重要，这需要使用到本书中介绍的数据科学工具。

3．数据产品经理

数据是一种资源，需要通过交易体现其价值。但是随着针对隐私保护的立法逐步落地，提供原始数据的交易方式将逐步退出历史舞台。对数据的深加工的需求将会越来越旺盛。

4．风险管控人员

本书可以作为风险预测模型的工具箱使用。

5．IT转型人员

在笔者开设的数据科学课程中，将近1/3的学员从事IT工作，大家反映对其转型帮助很大。

6．大中院校学生

本书的内容面向实战，不适合作本硕阶段数据科学学习教科书，但适合作为参考书使用。

课程学习环境

Linux7（推荐Ubutu、Centos）或Windows7、与Python3.5配套的Anaconda

讲师介绍

常老师

北京大学会计学博士，中国大数据产业生态联盟专家委员会委员，CDA数据分析研究院名誉院长，腾讯云最有价值专家（TVP）。

著有《金融商业数据分析与应用系列》系列丛书、《Python数据科学：技术详解与商业实践》、《用商业案例学R语言数据挖掘》、《胸有成竹：数据分析的SASEG进阶》等多本著作。

曾任毕马威大数据总监。长期专注于企业数据战略、数据资产管理、数字化人才培养，提出并完善企业级AI算法架构概念，帮助企业构建智能的价值经营、客户运营、风险管控和监管合规的企业级算法应用架构。

进入课程：《Python数据科学进阶-商业实践》

DA内容精选