Power BI數(shù)據(jù)分析在業(yè)務(wù)洞察與問(wèn)題解決中的應(yīng)用

價(jià)格： 5680元/人

導(dǎo)師： Richard周老師  專家顧問(wèn) 工業(yè)大數(shù)據(jù) &數(shù)字化轉(zhuǎn)型專家

課程日期： 5月22-23日（周四周五 ）

上課地點(diǎn)： 上海

 

參訓(xùn)對(duì)象：致力于提高用數(shù)據(jù)分析問(wèn)題與解決問(wèn)題的廣大管理者與技術(shù)人員。

【課程收益】

n 深入理解數(shù)據(jù)的本質(zhì)、數(shù)據(jù)價(jià)值，以及數(shù)據(jù)洞察在解決問(wèn)題中的關(guān)鍵作用

n 培養(yǎng)與建立數(shù)據(jù)思維， 由淺入深，逐步掌握業(yè)務(wù)數(shù)據(jù)的分析流程以及方法

n 用數(shù)據(jù)洞察業(yè)務(wù)問(wèn)題， 用可視化圖表展現(xiàn)問(wèn)題的癥結(jié)，獲得問(wèn)題解決的關(guān)鍵

n 學(xué)會(huì)設(shè)計(jì)業(yè)務(wù)的可視化分析報(bào)告（儀表板/駕駛艙管理）

n 學(xué)會(huì)利用數(shù)據(jù)的AI分析獲得深刻的見(jiàn)解并大幅提高分析效率

n 提供問(wèn)題導(dǎo)向的標(biāo)準(zhǔn)化操作指導(dǎo)程序，對(duì)初學(xué)者與進(jìn)階者極為有益

n 案例與練習(xí)均來(lái)自實(shí)戰(zhàn)場(chǎng)景：生產(chǎn)管理、設(shè)備管理與EHS、質(zhì)量管理、供應(yīng)鏈與采購(gòu)，市場(chǎng)營(yíng)銷、等等

n 采用了工作坊與行動(dòng)學(xué)習(xí)相結(jié)合的模式：理論指導(dǎo)，精彩解讀，大量案例，實(shí)戰(zhàn)研討，深刻點(diǎn)評(píng)

 

【導(dǎo)入工具】

n 本課程基于數(shù)字化場(chǎng)景中的Power BI.

n 為什么power BI? 最廣泛普及的商業(yè)智能軟件、可視化展示能力強(qiáng)、適應(yīng)商業(yè)與工業(yè)大數(shù)據(jù)分析, 適應(yīng)數(shù)字化場(chǎng)景中的各類數(shù)據(jù)源、對(duì)業(yè)務(wù)人員友好的AI式分析、免費(fèi)。

n 課前要求：

熟悉基本的excel操作分析， 個(gè)人電腦安裝有 Power BI , 確保工作正常， 對(duì)Power BI的熟悉度無(wú)要求，將通過(guò)培訓(xùn)幫助學(xué)員掌握實(shí)戰(zhàn)分析。

 

【課程大綱】

 

第一部分  數(shù)據(jù)的認(rèn)知，建立數(shù)據(jù)思維

1. 數(shù)據(jù)的認(rèn)知

n 什么是數(shù)據(jù)？

2 數(shù)據(jù)的本質(zhì)

2 理解業(yè)務(wù)與業(yè)務(wù)數(shù)據(jù)之間的關(guān)系

2 為什么基于數(shù)據(jù)驅(qū)動(dòng)的工作方式越來(lái)越重要？

2 案例分享

n 釋放數(shù)據(jù)的價(jià)值

2 影響數(shù)據(jù)潛在價(jià)值的重要因素

2 案例展示不同層次的潛在價(jià)值

2 數(shù)據(jù)洞察/分析的基本框架：

1）建立業(yè)務(wù)場(chǎng)景；2）將業(yè)務(wù)問(wèn)題轉(zhuǎn)化為分析問(wèn)題；3）收集和整理數(shù)據(jù)；4）；選擇與問(wèn)題匹配的分析方法；

5） 將分析結(jié)論轉(zhuǎn)化為業(yè)務(wù)的洞察。

2. 數(shù)據(jù)的標(biāo)準(zhǔn)組成

n 數(shù)據(jù)的邏輯化展示:

2 數(shù)據(jù)的格式：Tally Sheet，

2 在excel中將數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)格式

2 在 power BI中顯示數(shù)據(jù)的整體狀況

3. 從業(yè)務(wù)或問(wèn)題的角度理解數(shù)據(jù)

n 建立y = f ( x )的思維方式

n 案例講解

4. 分析思維的過(guò)程

n 聚焦y：認(rèn)識(shí)問(wèn)題的全貌和現(xiàn)狀

n x對(duì)y的分解

n 識(shí)別差異

n 案例演示

5. 分析工具的全景式介紹

n 表格軟件、數(shù)據(jù)庫(kù)SQL分析、統(tǒng)計(jì)分析軟件、BI分析軟件、編程式數(shù)據(jù)分析、大數(shù)據(jù)建模軟件

n 數(shù)據(jù)分析的典型輸出：統(tǒng)計(jì)結(jié)論、可視化圖表、分析模型

6. 工作坊

n Excel數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)格式

n 了解power bi軟件， power query editor 與 power bi

n 在power bi 中導(dǎo)入數(shù)據(jù)并展示

 

第二部分 業(yè)務(wù)的基本洞察與分析

1. 重要統(tǒng)計(jì)概念與分析

n 數(shù)據(jù)類型

2 在excel與power BI 中識(shí)別數(shù)據(jù)類型

2 矯正不合理的數(shù)據(jù)類型

n 洞察業(yè)務(wù)指標(biāo)的關(guān)鍵維度：

2 統(tǒng)計(jì)量了解指標(biāo)/問(wèn)題全貌：

-反映整體趨勢(shì)：均值與中位數(shù)，及場(chǎng)景下的理解

-反映整體波動(dòng) ：標(biāo)準(zhǔn)差與極差，及場(chǎng)景下的理解

-反映頻率問(wèn)題：百分比，累計(jì)百分比，ppm

2 圖表了解指標(biāo)/問(wèn)題的全貌：

-反映總體分布：可視化指標(biāo)的總體表現(xiàn)

-反映指標(biāo)/問(wèn)題在時(shí)間上的變化：指標(biāo)的時(shí)間序列圖

2. 關(guān)鍵業(yè)務(wù)指標(biāo)的洞察實(shí)戰(zhàn)(工作坊)：

n 案例數(shù)據(jù)集選自：行政與人力資源、供應(yīng)鏈、營(yíng)銷，設(shè)備管理等

n 在Power Bi中實(shí)戰(zhàn)：

用power BI對(duì)數(shù)據(jù)做清理與整理：power query editor

2 修正數(shù)據(jù)類型

2 識(shí)別與處理數(shù)據(jù)中的缺失值、重復(fù)值、異常值

2 時(shí)間/日期類型的特別處理

n 用power BI 實(shí)現(xiàn)關(guān)鍵指標(biāo)的匯總分析：

2 可視化指標(biāo)看板（靜態(tài)）

2 圖表展示總體表現(xiàn)：總體趨勢(shì)，波動(dòng)情況，異常情況，與業(yè)務(wù)目標(biāo)的差距

2 圖表展示在時(shí)間上的動(dòng)態(tài)表現(xiàn)：趨勢(shì)與波動(dòng)，與差距

2 業(yè)務(wù)的解讀

 

第三部分 業(yè)務(wù)洞察的進(jìn)階分析

1. 用數(shù)據(jù)洞察的業(yè)務(wù)關(guān)鍵問(wèn)題

n 從不同的維度排序，識(shí)別出最佳與最差

n 影響業(yè)務(wù)的關(guān)鍵因素是什么

n 業(yè)務(wù)表現(xiàn)與目標(biāo)有差距，這個(gè)差距是哪些因素造成的，最主要的因素是什么？

n 改善業(yè)務(wù)/解決問(wèn)題，該從哪些維度思考

n 如何用數(shù)據(jù)證明方案與建議的效果和有效性

n 怎么提高預(yù)測(cè)計(jì)劃的準(zhǔn)確性

2. 深入洞察需要多維度分析

n 分層因子

n 復(fù)雜問(wèn)題的因子分析法

3. 工作坊

n 打開(kāi)數(shù)據(jù)表，識(shí)別業(yè)務(wù)數(shù)據(jù)中的分層因子

4. 業(yè)務(wù)的多維度分析過(guò)程(基于案例實(shí)戰(zhàn)展開(kāi)的工作坊)

n 分層的箱線圖法與條形圖法

2 識(shí)別關(guān)鍵影響因素

2 排序并識(shí)別最佳與最差

n 分層的柏拉圖法

2 證明方案有效性

n 分層的散點(diǎn)圖法

2 發(fā)現(xiàn)兩者之間的關(guān)聯(lián)關(guān)系，確定因果

n 分層的樹(shù)狀圖Treemap， 餅圖與甜甜圈圖

2 快速識(shí)別主要影響區(qū)域或者因子

n 分層的時(shí)間序列圖法

2 發(fā)現(xiàn)對(duì)趨勢(shì)有影響的因子

2 同類比較（比如，不同區(qū)域?qū)Ρ?，不同班組對(duì)比，不同供應(yīng)商對(duì)比，等等）

5. 多維度分析工作坊

n 在power bi 中實(shí)現(xiàn)多維度分析

2 Power bi 分析方式與excel的不同，理解：

- X-axis， Y-axis, Legend, Small multiplies, Tooltips 以及圖形格式化修飾

2 Power bi實(shí)現(xiàn)分層的柱狀圖以及條形圖分析

2 Power bi實(shí)現(xiàn)散點(diǎn)圖分析

2 Power bi 實(shí)現(xiàn)Treemap樹(shù)狀圖分析

2 Power bi實(shí)現(xiàn)donut甜甜圈圖與餅圖分析

6. 問(wèn)題分析的鉆取法

n 鉆取是獲得深刻見(jiàn)解，在多重因素中找到主要原因的分析技巧

n 通過(guò)鉆取，聚焦問(wèn)題嚴(yán)重的那部分?jǐn)?shù)據(jù)(子集)

n 案例展示如何通過(guò)鉆取在銷售大數(shù)據(jù)中找出影響利潤(rùn)的關(guān)鍵因素

7. 鉆取分析的工作坊

n 在power bi 中鉆取分析，回答業(yè)務(wù)問(wèn)題

2 了解并熟悉power bi 可視化圖表中動(dòng)態(tài)鉆取的方式與功能

- 運(yùn)用power bi 動(dòng)態(tài)鉆取實(shí)現(xiàn)業(yè)務(wù)的分析（比如多曾鉆取的柏拉圖分析法）

2 了解并熟悉power bi的篩選器

- 運(yùn)用篩選器方式實(shí)現(xiàn)業(yè)務(wù)分析

8. 數(shù)據(jù)的AI分析（僅限于power bi）

n AI對(duì)數(shù)據(jù)分析的幫助以及趨勢(shì)

n AI分析獲得深刻見(jiàn)解之一：預(yù)測(cè)分析

2 基于歷史數(shù)據(jù)指導(dǎo)營(yíng)銷/生產(chǎn)預(yù)測(cè)與規(guī)劃

n AI分析獲得深刻見(jiàn)解之二：識(shí)別異常狀態(tài)

2 識(shí)別異常點(diǎn)，幫助我們確定問(wèn)題在何處與何時(shí)爆發(fā)

n AI分析獲得深刻見(jiàn)解之三：關(guān)鍵影響力分析

2 快速獲得原因重要性排序，大大提高分析效率

n AI分析獲得深刻見(jiàn)解之四：分解樹(shù)

2 快速設(shè)計(jì)解決問(wèn)題的最優(yōu)解

n AI分析獲得深刻見(jiàn)解之五：智能Q&A分析

2 無(wú)需學(xué)習(xí)分析技能，只需設(shè)計(jì)合理的問(wèn)答就可借助ai獲得相當(dāng)深刻的分析見(jiàn)解

n AI分析獲得深刻見(jiàn)解之流：智慧統(tǒng)計(jì)報(bào)告

2 AI輔助撰寫(xiě)業(yè)務(wù)統(tǒng)計(jì)報(bào)告

9. AI分析工作坊(僅限于power bi)

案例與練習(xí)

n AI預(yù)測(cè)技術(shù)的應(yīng)用

n AI識(shí)別異常狀態(tài)

n 關(guān)鍵影響力分析

n 分解樹(shù)分析

n 智能Q&A問(wèn)答式分析

n 智慧統(tǒng)計(jì)報(bào)告

小組交流

 

第四部分 優(yōu)化數(shù)據(jù)，提升分析價(jià)值

1 業(yè)務(wù)場(chǎng)景數(shù)據(jù)化

n 用數(shù)據(jù)的視角描述業(yè)務(wù)

n 問(wèn)題的4W1H定義法

2 基于分析價(jià)值，建立科學(xué)合理的數(shù)據(jù)收集系統(tǒng)

n 數(shù)據(jù)定義的一致性

n 數(shù)據(jù)采樣的頻率，以及全樣本 vs 抽樣樣本

n 確認(rèn)合理的數(shù)據(jù)顆粒度

n 數(shù)據(jù)采集維度的“人機(jī)料法環(huán)測(cè)”

n 流程/過(guò)程異常狀態(tài)下的數(shù)據(jù)還要保留嗎？為什么？

n 整合不同數(shù)據(jù)源的數(shù)據(jù)

3 案例學(xué)習(xí)：如何有效地設(shè)計(jì)數(shù)據(jù)收集計(jì)劃

4 工作坊

n 分組，選擇具體的業(yè)務(wù)場(chǎng)景，

n 設(shè)計(jì)數(shù)據(jù)收集計(jì)劃

n 進(jìn)一步提升數(shù)據(jù)挖掘價(jià)值的舉措有哪些？

2 如果需要，可以補(bǔ)充哪些新的信息？

2 是否考慮不同數(shù)據(jù)源的整合，從而獲取新的數(shù)據(jù)價(jià)值？

2 交流

 

第五部分 分析報(bào)告與業(yè)務(wù)儀表盤(pán)管理

1． 業(yè)務(wù)可視化分析報(bào)告的設(shè)計(jì)原則

n 確定誰(shuí)是受眾

n 業(yè)務(wù)角度關(guān)系的指標(biāo)、問(wèn)題以及重點(diǎn)

n 分析報(bào)告包含重要內(nèi)容

n 布局設(shè)計(jì)反映不同分析的優(yōu)先級(jí)

n 業(yè)務(wù)指標(biāo)要體現(xiàn)，歷史、現(xiàn)狀、趨勢(shì)和目標(biāo)

n 指標(biāo)要分組和歸類

n 美學(xué)上：協(xié)調(diào)、統(tǒng)一又清晰

2． 工作坊_在power bi中設(shè)計(jì)分析與業(yè)務(wù)管理儀表盤(pán)

n 設(shè)計(jì)流程

n 熟悉power BI的報(bào)表連接與設(shè)置方式

n 在power bi上分析報(bào)表設(shè)計(jì)實(shí)戰(zhàn)

n 小組討論

n 課堂競(jìng)賽與評(píng)比 

【授課顧問(wèn)】

周老師Richard  

黑帶大師&信息數(shù)字化轉(zhuǎn)型資深顧問(wèn)

【專業(yè)背景】

Richard老師是黑帶大師及企業(yè)數(shù)字化轉(zhuǎn)型顧問(wèn)，有20年以上戰(zhàn)略變革、流程再造，企業(yè)績(jī)效提升及數(shù)字化轉(zhuǎn)型的豐富經(jīng)驗(yàn)。曾為多個(gè)跨國(guó)型企業(yè)領(lǐng)導(dǎo)運(yùn)營(yíng)及戰(zhàn)略變革項(xiàng)目。他的管理與數(shù)據(jù)咨詢經(jīng)驗(yàn)涉及電氣電子、汽車、工程機(jī)械、制藥，化工、制藥、半導(dǎo)體、計(jì)算機(jī)與通訊、石油行業(yè)，保險(xiǎn)與銀行，互聯(lián)網(wǎng)電子商務(wù)等服務(wù)領(lǐng)域。  

Richard老師擅長(zhǎng)領(lǐng)導(dǎo)客戶實(shí)施高成效的解決方案。在使得客戶快速實(shí)現(xiàn)業(yè)務(wù)提升和獲得卓越財(cái)務(wù)績(jī)效方面，Richard贏得了他所服務(wù)客戶的稱贊。他主持的管理提升項(xiàng)目多次被跨國(guó)企業(yè)總部作為標(biāo)桿，甚至由于出色的財(cái)務(wù)收益贏得了董事會(huì)的特別嘉獎(jiǎng)。

Richard老師同時(shí)是出色的團(tuán)隊(duì)教練，眾多學(xué)員通過(guò)他特別的輔導(dǎo)和激勵(lì)方式以令人驚訝的速度提升了復(fù)雜問(wèn)題的分析與解決能力。

他的商業(yè)與流程經(jīng)驗(yàn)涉及電氣電子、汽車、鋼鐵、有色金屬、工程機(jī)械、化工與塑料、涂料、化纖紡織、半導(dǎo)體、計(jì)算機(jī)與通訊、石油行業(yè)的制造與商業(yè)服務(wù)領(lǐng)域。作為咨詢負(fù)責(zé)人幫助中澳合資汽車公司推行精益實(shí)施項(xiàng)目，直接商業(yè)收益達(dá)到280萬(wàn)美金；領(lǐng)導(dǎo)鞍鋼的六西格瑪咨詢項(xiàng)目以及一家世界最主要的筆記本電腦廠商的六西格瑪項(xiàng)目，收益達(dá)到500萬(wàn)美金以上。

【管理實(shí)戰(zhàn)經(jīng)驗(yàn)】

l 精益六西格瑪分析與問(wèn)題解決

l 基于Python&R的制造業(yè)大數(shù)據(jù)應(yīng)用

l 基于BI的績(jī)效管理及改善

l 運(yùn)營(yíng)管理的數(shù)字化轉(zhuǎn)型

1.國(guó)內(nèi)主要精益或六西格瑪咨詢公司合作過(guò)如下項(xiàng)目：

?  國(guó)內(nèi)最大的空調(diào)家電企業(yè)的六西格瑪戰(zhàn)略評(píng)估及策劃

?  黑帶公開(kāi)課主講

?  六西格瑪設(shè)計(jì)評(píng)估及策略規(guī)劃

?  國(guó)內(nèi)著名合資汽車廠的供應(yīng)鏈精益優(yōu)化輔導(dǎo)

2.國(guó)際商用機(jī)器公司（IBM）業(yè)務(wù)咨詢部 戰(zhàn)略及變革咨詢組 （前普華永道咨詢公司），

任運(yùn)營(yíng)戰(zhàn)略高級(jí)顧問(wèn)，黑帶大師（部分項(xiàng)目）

?  某大型IT制造業(yè)精益六西格瑪戰(zhàn)略管理整體實(shí)施項(xiàng)目經(jīng)理

?  某大型國(guó)際芯片設(shè)計(jì)與制造企業(yè)的精益管理實(shí)施項(xiàng)目經(jīng)理

?  某大型國(guó)際半導(dǎo)體制造公司六西格瑪黑帶實(shí)施項(xiàng)目經(jīng)理

?  某大型國(guó)際化纖制造業(yè)ERP變革管理實(shí)施顧問(wèn)

?  某大型電信營(yíng)運(yùn)商網(wǎng)吧聯(lián)盟營(yíng)運(yùn)戰(zhàn)略及流程實(shí)施顧問(wèn)

?  某汽車零部件企業(yè)精益生產(chǎn)咨詢項(xiàng)目整體策劃和實(shí)施顧問(wèn)

3.美國(guó)通用電氣公司中國(guó)總部,

任持續(xù)改進(jìn)總監(jiān)，精益6Sigma專職黑帶，

? 負(fù)責(zé)提供公司內(nèi)外部的持續(xù)改進(jìn)體系及精益六西格瑪?shù)呐嘤?xùn)和輔導(dǎo)

? 輔導(dǎo)精益六西格瑪項(xiàng)目，有（部分項(xiàng)目）：

? 制造系統(tǒng)精益化改造和敏捷制造模式導(dǎo)入；

? 中國(guó)區(qū)人力資源業(yè)務(wù)流程重組及電子商務(wù)平臺(tái)建設(shè)；

? 制造業(yè)兼并與收購(gòu)流程優(yōu)化（盡職調(diào)查和企業(yè)整合）；     

? 混合營(yíng)銷策略制定與流程；

? 為國(guó)內(nèi)著名通訊設(shè)備集成與制造商所做的電子商務(wù)戰(zhàn)略規(guī)劃的實(shí)施顧問(wèn)

 

4.通用汽車下屬德?tīng)柛Ｆ嚰瘓F(tuán)與通用電氣公司中國(guó)技術(shù)中心，從事技術(shù)開(kāi)發(fā)、質(zhì)量、生產(chǎn)與采購(gòu)管理工作。

 

職業(yè)經(jīng)歷

黑帶大師&前顧問(wèn)總監(jiān)             George Group，Accenture

黑帶大師&高級(jí)顧問(wèn)               IBM 業(yè)務(wù)咨詢服務(wù)部

持續(xù)改善經(jīng)理                    通用電氣

教育與培訓(xùn)

機(jī)器學(xué)習(xí)工程師，                Udacity

精益大師，                       George Group/Accenture

黑帶大師，                       IBM

工學(xué)碩士，                       上海交通大學(xué)

 【擅長(zhǎng)領(lǐng)域】

大數(shù)據(jù)管理、智能制造數(shù)字化轉(zhuǎn)型、信息化LTC六西格瑪綠帶、黑帶培訓(xùn)項(xiàng)目輔導(dǎo)、統(tǒng)計(jì)過(guò)程控制（SPC）、8D、QCC、DFM、DFA、全面質(zhì)量管理、供應(yīng)鏈管理、產(chǎn)品設(shè)計(jì)、業(yè)務(wù)流程重組等；

【部分關(guān)鍵成就點(diǎn)】

幫助一家大型制造業(yè)，制定智慧工廠的大數(shù)據(jù)應(yīng)用。運(yùn)用AI算法，從生產(chǎn)大數(shù)據(jù)中識(shí)別出影響質(zhì)量成本和設(shè)備停機(jī)的隱形關(guān)鍵因子，此方法帶來(lái)超500萬(wàn)的直接收益。

持續(xù)改進(jìn)的咨詢項(xiàng)目多聚焦經(jīng)營(yíng)瓶頸與關(guān)鍵績(jī)效。以某跨國(guó)生產(chǎn)型企業(yè)的一期項(xiàng)目為例，分別為精細(xì)化運(yùn)作節(jié)省產(chǎn)線投資500萬(wàn)元，優(yōu)化定價(jià)策略帶來(lái)直接利潤(rùn)200萬(wàn)，優(yōu)化工藝控制節(jié)約材料及能耗成本200萬(wàn)元，降低設(shè)備損耗帶來(lái)150萬(wàn)收益。

在金融領(lǐng)域，幫助一家銀行實(shí)施流程優(yōu)化，客戶滿意度提升了30%，后勤中心流程品質(zhì)提升，實(shí)現(xiàn)了100%改善；幫助一家保險(xiǎn)公司全面導(dǎo)入運(yùn)營(yíng)風(fēng)險(xiǎn)分析及改進(jìn)；

受資本委托對(duì)某大型虧損企業(yè)(化工)作盡調(diào)，設(shè)計(jì)重組及扭虧為盈方案。建立的數(shù)字化經(jīng)營(yíng)模型將微觀管理與宏觀績(jī)效關(guān)聯(lián)在一起，從而利用這一模型直接指導(dǎo)扭虧的每項(xiàng)具體措施及目標(biāo)，僅通過(guò)管理改善確認(rèn)了過(guò)5000萬(wàn)的直接效益。

幫助大型制造企業(yè)諸如上汽通用、上汽大眾、通用電氣中國(guó)工廠等企業(yè)培養(yǎng)了數(shù)字化應(yīng)用人才。

 

【榮譽(yù)客戶】

諾基亞、德?tīng)柛Ｆ?、博世汽車電子、上汽通用、上汽大眾、李爾汽車、比亞迪、佳通、安森美半?dǎo)體、特許半導(dǎo)體、招商銀行、太平人壽，英格索蘭、亞馬遜、中遠(yuǎn)、中糧、中興通訊、諾華制藥、武田制藥、阿爾斯通，仁寶電子，英業(yè)達(dá)，聯(lián)想電腦、殼牌石油、上海煙草，浙江中煙、金佰利、殼牌石油公司、博世電動(dòng)、杜邦化學(xué)、荷蘭飛利浦、中遠(yuǎn)集團(tuán)、中興通訊、美的、小天鵝、上海電氣、亞新科汽車、阿爾卡特、施耐德、迅達(dá)電梯、IBM、惠普電腦、摩托羅拉、特許半導(dǎo)體、仁寶電子、杜邦、廣東電信、長(zhǎng)安福特、大眾汽車、西門(mén)子、聯(lián)合利華、飛利浦醫(yī)療、貝爾、馬尼托瓦餐飲設(shè)備、華為技術(shù)、TRW、TCL、中遠(yuǎn)物流、國(guó)美電氣、神龍汽車、神華集團(tuán)、斯凱孚、博威、羅氏制藥、UT斯達(dá)康等等。

我要報(bào)名沒(méi)有找到合適的課程,請(qǐng)?jiān)谶@里提交您的培訓(xùn)需求  發(fā)布需求

主題

上課時(shí)間

2025年05月22-23日 上海

參加人數(shù)

費(fèi)用

聯(lián)系人

先生 女士

單位名稱

部門(mén)職務(wù)

電話

傳真

手機(jī)

郵箱

通信地址

郵編

備注

驗(yàn)證碼

看不清，請(qǐng)換一張

現(xiàn)在報(bào)名

推薦課程