【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)，使用工具為Excel 2013版本。

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。

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)分析人士，需要有數(shù)學(xué)基礎(chǔ)（統(tǒng)計(jì)與概率）。

 

本課程為中級(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)挖掘模型原理。

3、 數(shù)據(jù)挖掘方法及應(yīng)用。

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(guò)本課程的學(xué)習(xí)，達(dá)到如下目的：

1、 了解大數(shù)據(jù)基礎(chǔ)知識(shí)，理解大數(shù)據(jù)思維方式。

2、 了解數(shù)據(jù)分析與數(shù)據(jù)挖掘的基本知識(shí)（統(tǒng)計(jì)、分布、概率等）。

3、 掌握數(shù)據(jù)挖掘的基本過(guò)程和步驟，掌握數(shù)據(jù)挖掘的方法。

4、 理解數(shù)據(jù)挖掘的常見模型，原理及適用場(chǎng)景。

5、 熟練掌握SPSS基本操作，能利用SPSS解決實(shí)際的商業(yè)問(wèn)題。

 

【培訓(xùn)對(duì)象】

市場(chǎng)部、業(yè)務(wù)支撐、網(wǎng)絡(luò)中心、運(yùn)營(yíng)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)人員。

 

【學(xué)員要求】

每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。

便攜機(jī)中事先安裝好SPSS v19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(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；引導(dǎo)學(xué)員思考，構(gòu)建分析模型，進(jìn)行數(shù)據(jù)分析與挖掘，以及數(shù)據(jù)呈現(xiàn)與解讀，全過(guò)程演練操作，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。

 

【培訓(xùn)時(shí)長(zhǎng)】

2天

【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）

數(shù)據(jù)統(tǒng)計(jì)分析軟件簡(jiǎn)介

EXCEL表格處理與數(shù)據(jù)分析工具庫(kù)

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

數(shù)據(jù)挖掘概述

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：客戶匹配度建模—找到你的準(zhǔn)客戶

案例：4G終端營(yíng)銷項(xiàng)目挖掘過(guò)程分析

常用數(shù)據(jù)統(tǒng)計(jì)指標(biāo)

集中程度：均值、中位數(shù)、眾數(shù)

離開程度：方差、標(biāo)準(zhǔn)差、極差

分布趨勢(shì)：偏度、峰度

理解分布：正態(tài)分布、T分布、F分布

SPSS基本操作（預(yù)處理）

數(shù)據(jù)導(dǎo)入

數(shù)據(jù)排序（排序個(gè)案）

重復(fù)數(shù)據(jù)處理（標(biāo)識(shí)重復(fù)個(gè)案）

缺失值處理（替換缺失值）

生成新變量（計(jì)算變量、重新編碼）

數(shù)據(jù)分組（分類匯總）

數(shù)據(jù)合并（合并文件）

數(shù)據(jù)描述性統(tǒng)計(jì)

連續(xù)變量統(tǒng)計(jì)描述

分類變量統(tǒng)計(jì)描述

 

第二部分：數(shù)據(jù)挖掘?qū)崙?zhàn)篇

參數(shù)檢驗(yàn)分析（樣本均值檢驗(yàn)）

問(wèn)題：如何驗(yàn)證營(yíng)銷效果的有效性？

假設(shè)檢驗(yàn)概述

單樣本T檢驗(yàn)

兩獨(dú)立樣本T檢驗(yàn)

兩配對(duì)樣本T檢驗(yàn)

假設(shè)檢驗(yàn)適用場(chǎng)景

 

電信行業(yè)

案例：電信運(yùn)營(yíng)商ARPU值評(píng)估分析（單樣本）

案例：營(yíng)銷活動(dòng)前后分析（兩配對(duì)樣本）

 

金融行業(yè)

案例：信用卡消費(fèi)金額評(píng)估分析（單樣本）

 

醫(yī)療行業(yè)

案例：吸煙與膽固醇升高的分析（兩獨(dú)立樣本）

案例：減肥效果評(píng)估（兩配對(duì)樣本）

 

非參數(shù)檢驗(yàn)分析（樣本分布檢驗(yàn)）

問(wèn)題：這些屬性數(shù)據(jù)的分布情況如何？如何從數(shù)據(jù)分布中看出問(wèn)題？

非參數(shù)檢驗(yàn)概述

單樣本檢驗(yàn)

兩獨(dú)立樣本檢驗(yàn)

兩相關(guān)樣本檢驗(yàn)

兩配對(duì)樣本檢驗(yàn)

非參數(shù)檢驗(yàn)適用場(chǎng)景

案例：產(chǎn)品合格率檢驗(yàn)（單樣本-二項(xiàng)分布）

案例：訓(xùn)練新方法有效性檢驗(yàn)（兩配對(duì)樣本-符號(hào)/秩檢驗(yàn)）

案例：促銷方式效果檢驗(yàn)(多相關(guān)樣本-Friedman檢驗(yàn))

案例：客戶滿意度差異檢驗(yàn)(多相關(guān)樣本-Cochran Q檢驗(yàn))

 

相關(guān)分析（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

案例：家庭生活開支的相關(guān)分析

案例：營(yíng)銷費(fèi)用與銷售額的相關(guān)分析

案例：哪些因素與汽車銷量有相關(guān)性

方差分析（影響因素分析）

問(wèn)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：陳列位置對(duì)終端銷量的影響分析（單因素）

案例：廣告形式、地區(qū)對(duì)銷量的影響因素分析（多因素）

案例：2015年大學(xué)生工資與父母職業(yè)的關(guān)系

 

回歸分析（預(yù)測(cè)分析）

問(wèn)題：如何預(yù)測(cè)未來(lái)的銷售量（定量分析）？

回歸分析概述及適用場(chǎng)景

回歸分析的檢驗(yàn)過(guò)程

如何選擇較優(yōu)回歸模型

解讀回歸分析結(jié)果

案例：推廣費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系（線性回歸）

案例：人均現(xiàn)金消費(fèi)支出對(duì)人均食品消費(fèi)支出的影響（曲線回歸）

帶分類變量的回歸分析

如何預(yù)測(cè)隨著季節(jié)性變化的銷量情況

案例：?jiǎn)T工工齡、性別與終端銷售的關(guān)系分析

案例：產(chǎn)品銷量的季節(jié)性變化預(yù)測(cè)

問(wèn)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）

案例：品牌選擇預(yù)測(cè)分析（多項(xiàng)邏輯回歸）

時(shí)間序列分析（預(yù)測(cè)分析）

問(wèn)題：隨著時(shí)間變化，未來(lái)的銷量變化趨勢(shì)如何？

時(shí)序分析概述

移動(dòng)平均MA模型

指數(shù)平滑ES模型

自回歸滑動(dòng)平均ARIMA模型

季節(jié)分解模型

時(shí)序分析適用場(chǎng)景

案例：汽車銷量預(yù)測(cè)分析（指數(shù)平滑）

案例：上交所指數(shù)收益率預(yù)測(cè)分析（ARIMA）

案例：服裝銷售數(shù)據(jù)季節(jié)性趨勢(shì)預(yù)測(cè)分析（季節(jié)分解）

第三部分：高級(jí)數(shù)據(jù)挖掘方法

聚類分析（Clustering）

問(wèn)題：我們的客戶有幾類？各類特征是什么？

聚類方法原理介紹

聚類方法適用場(chǎng)景

系統(tǒng)聚類（層次聚類）

案例：小康指數(shù)劃分（Q型聚類）

案例：裁判標(biāo)準(zhǔn)一致性分析（R型聚類）

K均值聚類（快速聚類）

案例：移動(dòng)三大品牌細(xì)分市場(chǎng)合適嗎？

案例：如何評(píng)選優(yōu)秀員工（固定聚類中心）

演練：如何選擇新產(chǎn)品試銷地點(diǎn)？

決策樹分類分析（Classification）

問(wèn)題：這類客戶有什么特征？有什么潛在銷售機(jī)會(huì)？

決策樹原理介紹

分類適用場(chǎng)景

案例：銀行低信用客戶特征分析（決策樹分類）

關(guān)聯(lián)分析（Association）

問(wèn)題：購(gòu)買A產(chǎn)品的顧客還常常要購(gòu)買其他什么產(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

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

客戶價(jià)值評(píng)估RFM模型

問(wèn)題：如何評(píng)估客戶的價(jià)值？不同價(jià)值客戶的營(yíng)銷策略有什么區(qū)別？

RFM模型介紹

RFM模型適用場(chǎng)景

RFM與客戶活躍度分析

案例：客戶用戶價(jià)值評(píng)估（RFM分析）

案例：重購(gòu)用戶特征分析（決策樹分析）

 

第四部分：統(tǒng)計(jì)圖表篇（看圖說(shuō)話）

柱狀圖/線圖/餅圖/高低圖/箱圖/散點(diǎn)圖/直方圖

圖形的表達(dá)及適用場(chǎng)景

案例：各種圖形繪制

 

實(shí)戰(zhàn)1：客戶流失預(yù)警與客戶挽留之真實(shí)數(shù)據(jù)分析實(shí)踐

實(shí)戰(zhàn)2：銀行信用風(fēng)險(xiǎn)分析

 

結(jié)束：課程總結(jié)與問(wèn)題答疑。