【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)，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、 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)到更好地分析結(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：通信客戶流失分析及預(yù)警模型

4、  數(shù)據(jù)建模示例

案例：客戶匹配度建?！业侥愕臏?zhǔn)客戶

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(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(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(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：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：分類預(yù)測(cè)模型分析

1、  分類概述

?  分類的基本過(guò)程

?  常見(jiàn)分類預(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(wèn)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(wèn)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)

第五部分：市場(chǎng)細(xì)分與客戶細(xì)分

1、  客戶細(xì)分常用方法

2、  聚類分析（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

第六部分：其他市場(chǎng)營(yíng)銷分析方法

1、  關(guān)聯(lián)分析（Association）

問(wèn)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(wèn)題答疑。