培訓(xùn)地點(diǎn)	北京	上海	深圳
培訓(xùn)時(shí)間	5月 18-19	7月 15-16	9月 2-3

本課程全國(guó)常年開(kāi)班，如部分地區(qū)課程已結(jié)束或有其他培訓(xùn)時(shí)間要求，請(qǐng)致電：400-676-1955咨詢(xún)近期培訓(xùn)信息！此課程也可以供企業(yè)做內(nèi)訓(xùn)，歡迎咨詢(xún)！

【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(zhuān)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(mén)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(zhuān)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(mén)，使用專(zhuān)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(zhuān)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(kāi)發(fā)及數(shù)據(jù)分析專(zhuān)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Modeler 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(zhuān)門(mén)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(guò)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(hù)洞察，挖掘客戶(hù)行為特點(diǎn)，消費(fèi)行為，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)，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(guò)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(guò)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(jiàn)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。

【培訓(xùn)特色】

基礎(chǔ)知識(shí)精講 + 案例演練 + 實(shí)際業(yè)務(wù)問(wèn)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(wèn)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)到更好的分析結(jié)果。

【培訓(xùn)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(zhuān)業(yè)人員。

【課程時(shí)長(zhǎng)】

系統(tǒng)學(xué)習(xí)2天

【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。

【課程費(fèi)用及證書(shū)】

費(fèi)用：5800元/人，包含：培訓(xùn)費(fèi)、教材費(fèi)、場(chǎng)地費(fèi)、證書(shū)費(fèi)、午餐茶點(diǎn)、稅費(fèi)等。

證書(shū)：培訓(xùn)后授發(fā)個(gè)人培訓(xùn)證書(shū)。

【課程大綱】

第一部分：數(shù)據(jù)挖掘基礎(chǔ)知識(shí)（基礎(chǔ)，決定你的高度）

1、 數(shù)據(jù)挖掘工具簡(jiǎn)介

? EXCEL規(guī)劃求解（數(shù)據(jù)建模工具）

? SAS統(tǒng)計(jì)分析系統(tǒng)

? SPSS統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案

2、 數(shù)據(jù)挖掘概述

案例：宜家IKE如何通過(guò)數(shù)據(jù)挖掘來(lái)降低營(yíng)銷(xiāo)成本提升利潤(rùn)？

3、 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(hù)流失分析及預(yù)警模型

4、 數(shù)據(jù)建模示例

案例：客戶(hù)匹配度建模—找到你的準(zhǔn)客戶(hù)

第二部分：數(shù)據(jù)理解與數(shù)據(jù)準(zhǔn)備（Modeler實(shí)操）

1、 數(shù)據(jù)挖掘處理的一般過(guò)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(wú)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(lèi)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(hù)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(wèn)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(xiāo)費(fèi)用是否會(huì)影響銷(xiāo)售額？產(chǎn)品價(jià)格是否會(huì)影響銷(xiāo)量？產(chǎn)品的陳列位置是否會(huì)影響銷(xiāo)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(wèn)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(kāi)通月數(shù)的相關(guān)分析

3、 方差分析（分類(lèi)+數(shù)值，影響因素分析）

問(wèn)題：哪些才是影響銷(xiāo)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(kāi)通月數(shù)對(duì)客戶(hù)流失的影響分析

4、 列聯(lián)分析（分類(lèi)+分類(lèi)，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(lèi)型對(duì)對(duì)客戶(hù)流失的影響分析

第四部分：分類(lèi)預(yù)測(cè)模型分析

1、 分類(lèi)概述

? 分類(lèi)的基本過(guò)程

? 常見(jiàn)分類(lèi)預(yù)測(cè)模型

2、 邏輯回歸分析模型

問(wèn)題：如果評(píng)估用戶(hù)是否購(gòu)買(mǎi)產(chǎn)品的概率？

? 邏輯回歸分析

? 邏輯回歸的原理

案例：客戶(hù)購(gòu)買(mǎi)預(yù)測(cè)分析（二元邏輯回歸）

3、 決策樹(shù)分類(lèi)

問(wèn)題：如何提取客戶(hù)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(shù)分類(lèi)的原理

? 決策樹(shù)的三個(gè)關(guān)鍵問(wèn)題

? 決策樹(shù)算法

? 如何評(píng)估分類(lèi)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(hù)流失預(yù)警與客戶(hù)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(lèi)

? 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)

第五部分：市場(chǎng)細(xì)分與客戶(hù)細(xì)分

1、 客戶(hù)細(xì)分常用方法

2、 聚類(lèi)分析（Clustering）

問(wèn)題：如何對(duì)市場(chǎng)進(jìn)行細(xì)分？如何提取客戶(hù)特征，從而對(duì)產(chǎn)品進(jìn)行市場(chǎng)定位？ 

? 聚類(lèi)方法原理介紹

? 聚類(lèi)方法適用場(chǎng)景

? 如何細(xì)分客戶(hù)群，并提取出客戶(hù)群的特征？

? K均值聚類(lèi)（快速聚類(lèi)）

? 兩步聚類(lèi)

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(xiāo)區(qū)域？

3、 RFM模型分析

? RFM模型，更深入了解你的客戶(hù)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(hù)價(jià)值評(píng)估與促銷(xiāo)名單

第六部分：其他市場(chǎng)營(yíng)銷(xiāo)分析方法

1、 關(guān)聯(lián)分析（Association）

問(wèn)題：購(gòu)買(mǎi)面包的人是否也會(huì)購(gòu)買(mǎi)牛奶？他們同時(shí)購(gòu)買(mǎi)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(xiāo)售、捆綁營(yíng)銷(xiāo)、產(chǎn)品布局

案例：超市商品交叉銷(xiāo)售與布局優(yōu)化（關(guān)聯(lián)分析）

結(jié)束：課程總結(jié)與問(wèn)題答疑。

【講師簡(jiǎn)介】

傅老師

華為系大數(shù)據(jù)巨匠，計(jì)算機(jī)軟件與理論碩士研究生（研究方向：數(shù)據(jù)挖掘、搜索引擎）。在華為工作十年，數(shù)篇國(guó)家專(zhuān)利，曾在英國(guó)、日本、荷蘭等國(guó)做項(xiàng)目，對(duì)歐洲、日本的電信市場(chǎng)有比較深的了解。

傅老師專(zhuān)注于大數(shù)據(jù)分析與挖掘等應(yīng)用技術(shù)，以及大數(shù)據(jù)系統(tǒng)部署解決方案。旨在將大數(shù)據(jù)的數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)建模應(yīng)用于行業(yè)及商業(yè)領(lǐng)域，解決行業(yè)實(shí)際的問(wèn)題。將大數(shù)據(jù)應(yīng)用于運(yùn)營(yíng)決策，幫助企業(yè)提升運(yùn)營(yíng)決策能力；應(yīng)用于市場(chǎng)營(yíng)銷(xiāo)，通過(guò)大數(shù)據(jù)營(yíng)銷(xiāo)，解決營(yíng)銷(xiāo)中的用戶(hù)群細(xì)分，產(chǎn)品定位，精準(zhǔn)營(yíng)銷(xiāo)，精準(zhǔn)促銷(xiāo)等實(shí)際問(wèn)題，提升營(yíng)銷(xiāo)效果，節(jié)省營(yíng)銷(xiāo)費(fèi)用，以及市場(chǎng)預(yù)測(cè)、用戶(hù)行為預(yù)測(cè)等。

傅老師目前致力于將大數(shù)據(jù)技術(shù)應(yīng)用于通信、金融、航空、電商、互聯(lián)網(wǎng)等領(lǐng)域。傅老師的課程特色是實(shí)戰(zhàn)性強(qiáng)！實(shí)現(xiàn)“業(yè)務(wù)問(wèn)題+分析思路+分析方法/分析模型+分析工具+結(jié)果應(yīng)用”融為一體。即，結(jié)合清晰的業(yè)務(wù)場(chǎng)景（明確目的），分解為具體的數(shù)據(jù)問(wèn)題（分析思路），選擇最合適的方法（分析方法），深入淺出的理論講解（分析模型），使用簡(jiǎn)單實(shí)用的工具操作（分析工具），實(shí)現(xiàn)分析結(jié)果到業(yè)務(wù)策略的落地。