数据驱动业务增长

大模型前沿应用实践 / 2025-07-02 11:22:02
数据驱动业务增长
    马上咨询

    讲师介绍

    陈旸

    • 阿里云MVP（最有价值专家）
    • 腾讯云TVP（最有价值专家）
    • 百度AI比赛教练
    • CCF数据库专委
    • 知乎圆桌论坛嘉宾，AI领域，其他2位嘉宾为吴恩达 和 李沐（亚马逊资深首席科学家）
    • 清华大学计算机博士，九三学社成员，清华企业家协会YoungTEEC成员
    • 多次数据分析，算法比赛获奖经历，2次NOI一等奖，2次ACM亚洲铜奖
    • 在数据分析，人工智能，云计算领域较有影响力，阿里云MVP（授予AI领域），腾讯云TVP（授予AI、云计算领域），百度AI比赛教练，百度PPDE
    • 著有《数据分析》《SQL必知必会》《AIGC行动营》，累计付费订阅人员超17万人，国内数据分析领域线上知识付费Top1
    • 企业服务客户包括：

    25家金融机构：中国银行，中国银联，花旗银行，汇丰银行，蚂蚁金服，平安银行，平安寿险，平安产险，平安科技，兴业银行，兴业数金，渤海银行，杭州银行，泰隆银行，中原银行，长沙银行，阳光保险，上海银科，尚诚金融，嘉银金科，马上金融，信也科技，中泰证券，富达基金，中国外汇交易中心

    其他客户：麦当劳，雀巢徐福记，华润集团，上汽大众，上汽集团，上气集团，梅赛德斯奔驰，西门子，汽车之家、晶科能源，NBA中国，大恒集团，航天信息，香港赛马会，联通软研院，央视网等


    精通课程

    • AI领先战略
    • AIGC行动营
    • AI高效办公训练营
    • 大模型应用实操
    • 数据分析实战
    • 数字化思维与方法
    • Fintech应用场景与实战
    • 银行数字化转型
    • SQL大数据分析
    • RPA与办公自动化
    • 智能供应链管理
    • 数据算法黑客马拉松大赛


    项目经验<部分>

    • 从0到1搭建反欺诈模型
    • 基于评分卡模型的个人贷款风险管理
    • 中小微企业信贷决策
    • 知识图谱在反欺诈交易中的应用
    • 理财产品交叉推荐
    • 客服智能排班
    • 汽车智能供应链与采购决策
    • 基于知识图谱的智能客服
    • 工业生产中的缺陷检测
    • 基于大数据分析的设备预测性维修
    • 电机电流数据分析与预警
    • 麦当劳广州市场早餐客单价提升
    • 舆情监测与正负情感分类
    • 餐厅分类与智能补货
    • 搭建SQL Copilot
    • 2021年CCF大赛赛题出题人&评审专家（2道赛题：个贷违约预测，银行产品观点评论提取，累计提交作品数超过3.8万份，占全部大赛25道赛题提交作品数的53%）
    • NBA PaaS数据中台（NBA最重要的数据项目，与阿里进行深入合作）
    • 软件自动化测试（IBM CRL工作期间，发表1篇SIG会议，申请一个美国专利）
    • 多目标智能跟踪（教育部国家科技进步一等奖）
    • 麦当劳，中国银行，杭州银行，平安银行，平安产险，上海交通大学，西门子数据分析训练营 


    讲师擅长

    • 数据分析训练营，数据分析，数据建模，曾多次获得国奖，亚奖
    • 数据分析全流程讲解与实战训练（多家企业咨询顾问及内训讲师）
    • 大厂数据分析使用场景及合作案例


    二、课程大纲

    数据时代的思维方式

    • 用数据定义市场空间
    • 用数据定义运营成本
    • 用数据发现商业机会

    数据如何驱动业务

    • 数据驱动业务增长的四个象限
    • 常用数据分析模型
      • 分类思维：BCG矩阵，分类的目的，哪些场景用到分类思维
      • 分层思维：RFM顾客分层，分层的目的，哪些场景用到分层思维

    数据分析在证券中的案例解析

    • CASE1：个性化投资建议
      • 基于用户画像分析客户的投资目标、风险承受能力和市场表现偏好，推荐符合个性化需求的投资产品。
      • 相关技术：机器学习、推荐系统、风险评估模型、客户细分。
    • CASE2：融资融券产品推荐
      • 基于客户的交易历史、资产状况和风险偏好，推荐适合的融资融券产品，优化其投资组合的杠杆率。
      • 相关技术：资产管理、风险管理、投资组合优化、信用评分。
    • CASE3：动态风险管理
      • 实时更新用户画像，监控客户的交易行为和持仓变化，及时识别风险并提醒客户
      • 相关技术：行为监测、风险预警、实时分析、动态评分。
    • CASE4：客户忠诚度提升
      • 通过分析客户的交易习惯、活跃度、反馈等信息，提供更加个性化的服务和优惠，增加客户的满意度和忠诚度。
      • 相关技术：数据挖掘、情感分析、客户满意度调查。
    • CASE5：预测客户流失
      • 分析客户的交易频率、资产流动性和服务反馈等信息，预测客户流失的风险，并采取措施提前干预。
      • 相关技术：流失预测模型、客户维护策略、预测分析。


    最新动态

    点击阅读更多内容
    返回顶部