欧美乱大交av_美女视频黄免费看_国产情久久久久久一区二区三_国产av一区二区久久_欧美日韩av久久久_久久精品国产亚洲av久试看 _日韩高清影院_大陆国产av

【課程目標(biāo)】
本數(shù)據(jù)分析與挖掘系列課程包括三個(gè)等級(jí)的課程：
1.基礎(chǔ)課程，專注于經(jīng)營(yíng)數(shù)據(jù)的統(tǒng)計(jì)與數(shù)據(jù)分析，適合于一般業(yè)務(wù)部門要求的數(shù)據(jù)統(tǒng)計(jì)與分析，內(nèi)容系統(tǒng)且全面，由淺入深，使用工具為Excel 2010版本以上。
2.中級(jí)課程，專注于行業(yè)數(shù)據(jù)分析與數(shù)據(jù)挖掘，適合于數(shù)據(jù)分析部、業(yè)務(wù)支撐部等對(duì)數(shù)據(jù)分析與挖掘要求較高的部門，使用專業(yè)數(shù)據(jù)分析與挖掘工具SPSS v19版本以上。
3.高級(jí)課程，專注于較深入的數(shù)據(jù)挖掘技術(shù)，包括挖掘模型原理介紹，數(shù)據(jù)建模，挖掘算法，適合于大數(shù)據(jù)系統(tǒng)開發(fā)及數(shù)據(jù)分析專業(yè)人士，需要有一定的數(shù)學(xué)基礎(chǔ)（統(tǒng)計(jì)與概率），使用數(shù)據(jù)流挖掘工具M(jìn)odeler 14.1版本以上。
本課程為高級(jí)課程，面向數(shù)據(jù)分析部等專門負(fù)責(zé)數(shù)據(jù)分析與挖掘的人士。
本課程培訓(xùn)覆蓋以下內(nèi)容：
1.數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程。
2.數(shù)據(jù)挖掘探索性分析。
3.數(shù)據(jù)挖掘模型原理。
本課程從實(shí)際的電信運(yùn)營(yíng)商的業(yè)務(wù)需求出發(fā)，對(duì)數(shù)據(jù)分析及數(shù)據(jù)挖掘技術(shù)進(jìn)行了全面的介紹，通過大量的操作演練，幫助學(xué)員掌握數(shù)據(jù)分析和數(shù)據(jù)挖掘的思路、方法、工具，從大量的企業(yè)經(jīng)營(yíng)數(shù)據(jù)中進(jìn)行分析，發(fā)現(xiàn)業(yè)務(wù)運(yùn)作規(guī)律，進(jìn)行客戶洞察，挖掘客戶行為特點(diǎn)，消費(fèi)行為，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷，幫助運(yùn)營(yíng)團(tuán)隊(duì)深入理解業(yè)務(wù)運(yùn)作，以達(dá)到提升學(xué)員的數(shù)據(jù)綜合分析能力，支撐運(yùn)營(yíng)決策的目的。
通過本課程的學(xué)習(xí)，達(dá)到如下目的：
1.掌握數(shù)據(jù)挖掘的基本過程和步驟。
2.掌握數(shù)據(jù)挖掘的預(yù)處理方法，探索數(shù)據(jù)間的相關(guān)性，為建模打下基礎(chǔ)。
3.理解數(shù)據(jù)挖掘的常見模型，原理及適用場(chǎng)景。
4.熟練掌握Modeler基本操作，能利用Modeler進(jìn)行數(shù)據(jù)挖掘。
【授課時(shí)間】
2天時(shí)間
【授課對(duì)象】
業(yè)務(wù)支撐、網(wǎng)絡(luò)中心、IT系統(tǒng)部、數(shù)據(jù)分析部等對(duì)業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)專業(yè)人員。
【學(xué)員要求】
1.每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。
2.便攜機(jī)中事先安裝好SPSS modeler v14.1版本以上軟件。
注：講師可以提供試用版本軟件及分析數(shù)據(jù)源。
【授課方式】
基礎(chǔ)知識(shí)精講 + 案例演練 + 實(shí)際業(yè)務(wù)問題分析 + SPSS實(shí)際操作
本課程突出數(shù)據(jù)挖掘的實(shí)際應(yīng)用，結(jié)合行業(yè)的典型應(yīng)用特點(diǎn)，從實(shí)際問題入手，引出相關(guān)知識(shí)，進(jìn)行大數(shù)據(jù)的收集與處理；探索數(shù)據(jù)之間的規(guī)律及關(guān)聯(lián)性，幫助學(xué)員掌握系統(tǒng)的數(shù)據(jù)預(yù)處理方法；介紹常用的模型，訓(xùn)練模型，并優(yōu)化模型，以達(dá)到最優(yōu)分析結(jié)果。

【課程大綱】
第一部分：    數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
1.數(shù)據(jù)挖掘概述
2.數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程（CRISP-DM）
.商業(yè)理解
.數(shù)據(jù)準(zhǔn)備
.數(shù)據(jù)理解
.模型建立
.模型評(píng)估
.模型應(yīng)用
案例：通信客戶流失分析及預(yù)警模型
3.數(shù)據(jù)建模示例
案例：宜家IKE如何通過數(shù)據(jù)挖掘來降低營(yíng)銷成本提升利潤(rùn)？
第二部分：    數(shù)據(jù)預(yù)處理過程
1.數(shù)據(jù)挖掘處理的一般過程
.數(shù)據(jù)源à數(shù)據(jù)理解à數(shù)據(jù)準(zhǔn)備à探索分析à數(shù)據(jù)建模à模型評(píng)估
2.數(shù)據(jù)讀入
.讀入文本文件
.讀入Excel電子表格
.讀入SPSS格式文件
.讀入數(shù)據(jù)庫(kù)數(shù)據(jù)
3.數(shù)據(jù)集成
.變量合并（增加變量）
.數(shù)據(jù)追加（添加記錄）
4.數(shù)據(jù)理解
.取值范圍限定
.重復(fù)數(shù)據(jù)處理
.缺失值處理
.無效值處理
.離群點(diǎn)和極端值的修正
.數(shù)據(jù)質(zhì)量評(píng)估
5.數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)處理
.數(shù)據(jù)篩選：數(shù)據(jù)抽樣/選擇（減少樣本數(shù)量）
.數(shù)據(jù)精簡(jiǎn)：數(shù)據(jù)分段/離散化（減少變量的取值）
.數(shù)據(jù)平衡：正反樣本比例均衡
.其它：排序、分類匯總
6.數(shù)據(jù)準(zhǔn)備：變量處理
.變量變換：原變量值更新
.變量派生：生成新的變量
.變量精簡(jiǎn)：降維，減少變量個(gè)數(shù)
7.基本分析
.單變量：數(shù)據(jù)基本描述分析
.雙變量：相關(guān)性分析
.變量精簡(jiǎn)：特征選擇、因子分析
8.特征選擇
.特征選擇方法：選擇重要變量，剔除不重要的變量
.從變量本身考慮
.從輸入變量與目標(biāo)變量的相關(guān)性考慮
9.因子分析（主成分分析）
.因子分析的原理
.因子個(gè)數(shù)如何選擇
.如何解讀因子含義
案例：提取影響電信客戶流失的主成分分析
第三部分：    因素影響分析（特征重要性分析）
問題：如何判斷一個(gè)因素對(duì)另一個(gè)因素有影響？
比如營(yíng)銷費(fèi)用是否會(huì)影響銷售額？產(chǎn)品價(jià)格是否會(huì)影響銷量？產(chǎn)品的陳列位置是否會(huì)影響銷量？
1.常用特征重要性分析的方法
.特征選擇（減少變量個(gè)數(shù)）：相關(guān)分析、方差分析、卡方檢驗(yàn)
.因子分析（減少變量個(gè)數(shù)）：主成分分析
.確定變量個(gè)數(shù)參考表
2.相關(guān)分析（數(shù)值+數(shù)值，相關(guān)程度計(jì)算）
問題：這兩個(gè)屬性是否會(huì)相互影響？影響程度大嗎？
.相關(guān)分析概述
.相關(guān)系數(shù)計(jì)算公式
.相關(guān)性假設(shè)檢驗(yàn)
案例：通信基本費(fèi)用與開通月數(shù)的相關(guān)分析
3.方差分析（分類+數(shù)值，影響因素分析）
問題：哪些才是影響銷量的關(guān)鍵因素？
.方差分析原理
.方差分析的步驟
.方差分析適用場(chǎng)景
案例：開通月數(shù)對(duì)客戶流失的影響分析
4.列聯(lián)分析（分類+分類，影響因素分析）
.列聯(lián)表的原理
.卡方檢驗(yàn)的步驟
.列聯(lián)表分析的適用場(chǎng)景
案例：套餐類型對(duì)對(duì)客戶流失的影響分析
第四部分：    數(shù)值預(yù)測(cè)模型篇
問題：如何預(yù)測(cè)產(chǎn)品的銷量/銷售金額？如果產(chǎn)品跟隨季節(jié)性變動(dòng)，該如何預(yù)測(cè)？新產(chǎn)品上市，如果評(píng)估銷量上限及銷售增速？
1.銷量預(yù)測(cè)與市場(chǎng)預(yù)測(cè)——讓你看得更遠(yuǎn)
2.回歸預(yù)測(cè)/回歸分析
問題：如何預(yù)測(cè)未來的銷售量（定量分析）？
.回歸分析的基本原理和應(yīng)用場(chǎng)景
.回歸分析的種類（一元/多元、線性/曲線）
.得到回歸方程的幾種常用方法
.回歸分析的五個(gè)步驟與結(jié)果解讀
.回歸預(yù)測(cè)結(jié)果評(píng)估（如何評(píng)估預(yù)測(cè)質(zhì)量，如何選擇*回歸模型）
演練：散點(diǎn)圖找推廣費(fèi)用與銷售額的關(guān)系（一元線性回歸）
演練：推廣費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系（多元線性回歸）
演練：讓你的營(yíng)銷費(fèi)用預(yù)算更準(zhǔn)確
演練：如何選擇*的回歸預(yù)測(cè)模型（曲線回歸）
.帶分類變量的回歸預(yù)測(cè)
演練：汽車季度銷量預(yù)測(cè)
演練：工齡、性別與終端銷量的關(guān)系
演練：如何評(píng)估銷售目標(biāo)與資源配置（營(yíng)業(yè)廳）
3.時(shí)序預(yù)測(cè)
問題：隨著時(shí)間變化，未來的銷量變化趨勢(shì)如何？
.時(shí)序分析的應(yīng)用場(chǎng)景（基于時(shí)間的變化規(guī)律）
.移動(dòng)平均MA的預(yù)測(cè)原理
.指數(shù)平滑ES的預(yù)測(cè)原理
.自回歸移動(dòng)平均ARIMA模型
.如何評(píng)估預(yù)測(cè)值的準(zhǔn)確性？
案例：銷售額的時(shí)序預(yù)測(cè)及評(píng)估
演練：汽車銷量預(yù)測(cè)及評(píng)估
演練：電視機(jī)銷量預(yù)測(cè)分析
演練：上海證券交易所綜合指數(shù)收益率序列分析
演練：服裝銷售數(shù)據(jù)季節(jié)性趨勢(shì)預(yù)測(cè)分析
4.季節(jié)性預(yù)測(cè)模型
.季節(jié)性回歸模型的參數(shù)
.常用季節(jié)性預(yù)測(cè)模型（相加、相乘）
案例：*航空旅客里程的季節(jié)性趨勢(shì)分析
案例：產(chǎn)品銷售季節(jié)性趨勢(shì)預(yù)測(cè)分析
5.新產(chǎn)品預(yù)測(cè)模型與S曲線
.如何評(píng)估銷量增長(zhǎng)的拐點(diǎn)
.珀?duì)柷€與龔鉑茲曲線
案例：如何預(yù)測(cè)產(chǎn)品的銷售增長(zhǎng)拐點(diǎn)，以及銷量上限
演戲：預(yù)測(cè)IPad產(chǎn)品的銷量
6.自定義模型（如何利用規(guī)劃求解進(jìn)行自定義模型）
案例：如何對(duì)餐廳客流量進(jìn)行建模及模型優(yōu)化
第五部分：    回歸模型優(yōu)化篇
1.回歸模型的基本原理
.三個(gè)基本概念：總變差、回歸變差、剩余變差
.方程的顯著性檢驗(yàn)：是否可以做回歸分析？
.擬合優(yōu)度檢驗(yàn)：回歸模型的質(zhì)量評(píng)估？
.因素的顯著性檢驗(yàn)：自變量是否可用？
.理解標(biāo)準(zhǔn)誤差的含義：預(yù)測(cè)的準(zhǔn)確性？
2.模型優(yōu)化思路：尋找*回歸擬合線
.如何處理異常數(shù)據(jù)（殘差與異常值排除）
.如何剔除非顯著因素（因素顯著性檢驗(yàn)）
.如何進(jìn)行非線性關(guān)系檢驗(yàn)
.如何進(jìn)行相互作用檢驗(yàn)
.如何進(jìn)行多重共線性檢驗(yàn)
.如何檢驗(yàn)誤差項(xiàng)
.如何判斷模型過擬合
案例：模型優(yōu)化案例
第六部分：    分類預(yù)測(cè)模型
1.分類概述
.分類的基本過程
.常見分類預(yù)測(cè)模型
2.邏輯回歸分析模型
問題：如果評(píng)估用戶是否購(gòu)買產(chǎn)品的概率？
.邏輯回歸分析
.邏輯回歸的原理
案例：客戶購(gòu)買預(yù)測(cè)分析（二元邏輯回歸）
3.決策樹分類
問題：如何提取客戶流失者、拖欠貨款者的特征？如何預(yù)測(cè)其流失的概率？
.決策樹分類的原理
.決策樹的三個(gè)關(guān)鍵問題
.決策樹算法
.如何評(píng)估分類模型的性能（查準(zhǔn)率、查全率）
案例：識(shí)別銀行欠貨風(fēng)險(xiǎn)，提取欠貨者的特征
案例：客戶流失預(yù)警與客戶挽留模型
4.神經(jīng)網(wǎng)絡(luò)
.神經(jīng)網(wǎng)絡(luò)概述
.神經(jīng)元工作原理
.神經(jīng)網(wǎng)絡(luò)的建立步驟
.B-P反向傳播網(wǎng)絡(luò)（MLP）
.徑向基函數(shù)網(wǎng)絡(luò)（RBF）
5.支持向量機(jī)
.SVM基本原理
.維災(zāi)難與核函數(shù)
6.樸素貝葉斯分類
.條件概率
.樸素貝葉斯
.TAN貝葉斯網(wǎng)絡(luò)
.馬爾科夫毯網(wǎng)絡(luò)
第七部分：    客戶細(xì)分與聚類
1.客戶細(xì)分常用方法
2.聚類分析（Clustering）
問題：如何對(duì)市場(chǎng)進(jìn)行細(xì)分？如何提取客戶特征，從而對(duì)產(chǎn)品進(jìn)行市場(chǎng)定位？
.聚類方法原理介紹
.聚類方法適用場(chǎng)景
.如何細(xì)分客戶群，并提取出客戶群的特征？
.K均值聚類（快速聚類）
.兩步聚類
案例：移動(dòng)三大品牌細(xì)分市場(chǎng)合適嗎？
演練：寶潔公司如何選擇新產(chǎn)品試銷區(qū)域？
3.RFM模型分析
.RFM模型，更深入了解你的客戶價(jià)值
.RFM模型與市場(chǎng)策略
.RFM模型與活躍度
案例：淘寶客戶價(jià)值評(píng)估與促銷名單
第八部分：    產(chǎn)品推薦與關(guān)聯(lián)分析
問題：購(gòu)買面包的人是否也會(huì)購(gòu)買牛奶？他們同時(shí)購(gòu)買哪些產(chǎn)品？
.關(guān)聯(lián)規(guī)則原理介紹
.關(guān)聯(lián)規(guī)則適用場(chǎng)景：交叉銷售、捆綁營(yíng)銷、產(chǎn)品布局
案例：超市商品交叉銷售與布局優(yōu)化（關(guān)聯(lián)分析）
結(jié)束：課程總結(jié)與問題答疑。