專題課程

CDA數(shù)據(jù)分析師認(rèn)證之?dāng)?shù)據(jù) 挖掘?qū)崙?zhàn)培訓(xùn)課程簡(jiǎn)介

我要報(bào)名

編輯日期 2018-06-13　　閱讀次數(shù)：442 次

【課程目標(biāo)】

CDA（Certified Data Analyst）全稱“注冊(cè)數(shù)據(jù)分析師”，由“CERTIFIED DATA ANALYST INSTITUTE（CDA數(shù)據(jù)分析師協(xié)會(huì)）”發(fā)起成立的職業(yè)簡(jiǎn)稱，旨在培養(yǎng)正規(guī)化、科學(xué)化的數(shù)據(jù)分析人才隊(duì)伍，進(jìn)一步提升數(shù)據(jù)分析師的職業(yè)素養(yǎng)與能力水平，促進(jìn)數(shù)據(jù)分析行業(yè)的高質(zhì)量持續(xù)快速發(fā)展。CDA數(shù)據(jù)分析師面向商業(yè)職場(chǎng)數(shù)據(jù)分析，分為三個(gè)等級(jí)，在國(guó)內(nèi)由人大經(jīng)濟(jì)論壇主辦資格考試，通過考試者可以獲得CDA協(xié)會(huì)頒發(fā)的數(shù)據(jù)分析師資格證書，此證書代表數(shù)據(jù)分析師人才技能水平，為企業(yè)事業(yè)單位選拔本課程為CDA II（建模分析師）課程培訓(xùn)大綱。

本課程基于CDA的認(rèn)證知識(shí)要求，圍繞商業(yè)問題，介紹了數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程，數(shù)據(jù)預(yù)處理，數(shù)據(jù)挖掘方法，數(shù)據(jù)挖掘模型，模型評(píng)估，模型參數(shù)優(yōu)化，等等，使得學(xué)員掌握數(shù)據(jù)挖掘的方法、模型、工具。

通過本課程的學(xué)習(xí)，達(dá)到如下目的：

1、了解數(shù)據(jù)分析與數(shù)據(jù)挖掘的基本知識(shí)，理解大數(shù)據(jù)思維方式。

2、掌握數(shù)據(jù)挖掘的基本過程和步驟，掌握數(shù)據(jù)挖掘的思路和框架。

3、能夠理解分析模型原理，掌握模型應(yīng)用場(chǎng)景，能夠利用模型解決復(fù)雜的商業(yè)問題。

4、掌握常用的數(shù)據(jù)模型，能夠根據(jù)商業(yè)問題選擇合適的分析模型。

5、熟悉SPSS基本操作，掌握分析操作，能夠解讀分析結(jié)果，并轉(zhuǎn)化為業(yè)務(wù)策略。

【培訓(xùn)對(duì)象】

本課程為參加CDA II（建模分析師）認(rèn)證的數(shù)據(jù)分析與數(shù)據(jù)挖掘人員，為數(shù)據(jù)挖掘高級(jí)班，要求有數(shù)學(xué)基礎(chǔ)，掌握概率論和統(tǒng)計(jì)理論基礎(chǔ)，有數(shù)據(jù)分析經(jīng)驗(yàn)。

適合于如下人員：數(shù)據(jù)分析師、大數(shù)據(jù)系統(tǒng)研發(fā)人員、大數(shù)據(jù)系統(tǒng)架構(gòu)師、業(yè)務(wù)支撐部等對(duì)業(yè)務(wù)數(shù)據(jù)分析與挖掘有專業(yè)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Excel 2013軟件。

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 + 案例講解 + 操作演練 + 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；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)】

4-5天

【課程大綱】

第一部分：數(shù)據(jù)集基礎(chǔ)知識(shí)（了解你的數(shù)據(jù)集）

數(shù)據(jù)集概述

數(shù)據(jù)集的類型

數(shù)據(jù)集屬性的類型

標(biāo)稱

序數(shù)

度量

數(shù)據(jù)質(zhì)量三要素

準(zhǔn)確性

完整性

一致性

數(shù)據(jù)預(yù)處理的內(nèi)容

數(shù)據(jù)清理（缺失值、離群值的處理方法）

數(shù)據(jù)歸約（維災(zāi)難、維歸約、主成分分析）

特征子集選擇

特征創(chuàng)建/屬性構(gòu)造

數(shù)據(jù)離散化和二元化

屬性/變量轉(zhuǎn)換

數(shù)據(jù)探索性分析

統(tǒng)計(jì)匯總

可視化

演練：描述性分析（頻數(shù)、描述、探索、分類匯總）

第二部分：數(shù)據(jù)挖掘流程（基礎(chǔ)，決定你的高度）

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：4G終端營(yíng)銷項(xiàng)目挖掘過程分析

案例：客戶匹配度模型—數(shù)據(jù)建模

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）

演練：SPSS基本操作

第三部分：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)）

商業(yè)問題：如何驗(yàn)證營(yíng)銷效果的有效性？

參數(shù)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)

參數(shù)檢驗(yàn)原理以及步驟

參數(shù)檢驗(yàn)適用場(chǎng)景

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

案例：信用卡消費(fèi)金額評(píng)估分析（單樣本）

案例：營(yíng)銷方式與產(chǎn)品銷量的影響分析（兩獨(dú)立樣本）

案例：吸煙與膽固醇升高的分析（兩獨(dú)立樣本）

案例：營(yíng)銷方式有效性評(píng)估（兩配對(duì)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)）

商業(yè)問題：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)原理

卡方檢驗(yàn)、二項(xiàng)分布、游程檢驗(yàn)的原理及適用場(chǎng)景

案例：死亡分布檢驗(yàn)（單樣本-卡方檢驗(yàn)）

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

案例：身高分布差異檢驗(yàn)（單樣本-KS檢驗(yàn)）

案例：設(shè)備正常工作檢驗(yàn)（單樣本-隨機(jī)分布）

案例：制造工藝差異檢驗(yàn)（兩獨(dú)立樣本-MW檢驗(yàn)）

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))

案例：評(píng)委評(píng)判黑幕檢驗(yàn)（多相關(guān)樣本-Kendall W檢驗(yàn)）

相關(guān)分析（相關(guān)程度計(jì)算）

商業(yè)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

計(jì)算相關(guān)系數(shù)的三個(gè)公式

案例：家庭生活開支的相關(guān)分析（Pearson簡(jiǎn)單相關(guān)系數(shù)）

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

案例：腰圍與體重的相關(guān)分析（偏相關(guān)分析）

方差分析（影響因素分析）

商業(yè)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

如何解讀方差分析結(jié)果

案例：終端陳列位置對(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

案例：飼料對(duì)生豬體重的影響分析（協(xié)方差分析）

回歸分析（預(yù)測(cè)分析）

商業(yè)問題：如何預(yù)測(cè)未來的銷售量（定量分析）？

回歸分析概述及適用場(chǎng)景

回歸分析的檢驗(yàn)過程

如何選擇最優(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

比如，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)

邏輯回歸分析（預(yù)測(cè)分析）

商業(yè)問題：如果評(píng)估用戶購(gòu)買某產(chǎn)品的概率？

邏輯回歸分析原理

邏輯回歸分析的適用場(chǎng)景

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）

商業(yè)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）

第四部分：高級(jí)數(shù)據(jù)挖掘方法

聚類分析（Clustering）

商業(yè)問題：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）算法原理

如何判定聚類類別數(shù)量

案例：數(shù)據(jù)聚類分析--小康指數(shù)劃分（Q型聚類）

案例：變量聚類分析--裁判標(biāo)準(zhǔn)一致性分析（R型聚類）

K均值聚類（快速聚類）算法原理

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）

商業(yè)問題：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

構(gòu)建決策樹的三個(gè)關(guān)鍵問題

如何選擇屬性來構(gòu)建節(jié)點(diǎn)

如何分裂變量

修剪決策樹

選擇優(yōu)屬性

熵、基尼索引、分類錯(cuò)誤

屬性劃分增益

如何分裂變量

多元?jiǎng)澐峙c二元?jiǎng)澐?/span>

連續(xù)變量離散化（優(yōu)劃分點(diǎn)）

修剪決策樹

剪枝原則

預(yù)剪枝與后剪枝

如何評(píng)估分類性能

案例：銀行低信用客戶特征分析（決策樹分類）

基于規(guī)則的分類

基于規(guī)則分類原理介紹

評(píng)估規(guī)則的質(zhì)量

構(gòu)建分類規(guī)則：順序覆蓋法

規(guī)則增長(zhǎng)策略