培训时长 | 0 |
授课对象 | 业务支撑部、数据分析部、IT系统部、信息化部对数据挖掘有较高要求的专职人员 |
授课方式 | 内训 |
掌握数据挖掘标准过程、数据建模、以及模型优化
第一部分:数据挖掘基础知识(基础,决定你的高度) 1、数据挖掘工具简介 Ø EXCEL规划求解(数据建模工具) Ø SAS统计分析系统 Ø SPSS统计产品与服务解决方案(Modeler数据流处理) 2、数据挖掘概述 案例:宜家IKE如何通过数据挖掘来降低营销成本提升利润? 3、数据挖掘的标准流程(CRISP-DM) Ø 商业理解 Ø 数据准备 Ø 数据理解 Ø 模型建立 Ø 模型评估 Ø 模型应用 案例:通信客户流失分析及预警模型 4、数据建模示例 案例:客户匹配度建模—找到你的准客户 第二部分:数据理解与数据准备(Modeler实操) 1、数据挖掘处理的一般过程 Ø 数据源-->数据理解-->数据准备-->探索分析-->数据建模-->模型评估 2、数据读入 Ø 读入文本文件 Ø 读入Excel电子表格 Ø 读入SPSS格式文件 Ø 读入数据库数据 3、数据集成 Ø 变量合并(增加变量) Ø 数据追加(添加记录) 4、数据理解 Ø 取值范围限定 Ø 重复数据处理 Ø 缺失值处理 Ø 无效值处理 Ø 离群点和极端值的修正 Ø 数据质量评估 5、数据准备:数据处理 Ø 数据筛选:数据抽样/选择(减少样本数量) Ø 数据精简:数据分段/离散化(减少变量的取值) Ø 数据平衡:正反样本比例均衡 Ø 其它:排序、分类汇总 6、数据准备:变量处理 Ø 变量变换:原变量值更新 Ø 变量派生:生成新的变量 Ø 变量精简:降维,减少变量个数 7、基本分析 Ø 单变量:数据基本描述分析 Ø 双变量:相关性分析 Ø 变量精简:特征选择、因子分析 8、特征选择 Ø 特征选择方法:选择重要变量,剔除不重要的变量 Ø 从变量本身考虑 Ø 从输入变量与目标变量的相关性考虑 9、因子分析(主成分分析) Ø 因子分析的原理 Ø 因子个数如何选择 Ø 如何解读因子含义 案例:提取影响电信客户流失的主成分分析 第三部分:因素影响分析(特征重要性分析) 问题:如何判断一个因素对另一个因素有影响? 比如营销费用是否会影响销售额?产品价格是否会影响销量?产品的陈列位置是否会影响销量? 1、常用特征重要性分析的方法 Ø 特征选择(减少变量个数):相关分析、方差分析、卡方检验 Ø 因子分析(减少变量个数):主成分分析 Ø 确定变量个数参考表 2、相关分析(数值+数值,相关程度计算) 问题:这两个属性是否会相互影响?影响程度大吗? Ø 相关分析概述 Ø 相关系数计算公式 Ø 相关性假设检验 案例:通信基本费用与开通月数的相关分析 3、方差分析(分类+数值,影响因素分析) 问题:哪些才是影响销量的关键因素? Ø 方差分析原理 Ø 方差分析的步骤 Ø 方差分析适用场景 案例:开通月数对客户流失的影响分析 4、列联分析(分类+分类,影响因素分析) Ø 列联表的原理 Ø 卡方检验的步骤 Ø 列联表分析的适用场景 案例:套餐类型对对客户流失的影响分析 第四部分:分类预测模型分析 1、分类概述 Ø 分类的基本过程 Ø 常见分类预测模型 2、逻辑回归分析模型 问题:如果评估用户是否购买产品的概率? Ø 逻辑回归分析 Ø 逻辑回归的原理 案例:客户购买预测分析(二元逻辑回归) 3、决策树分类 问题:如何提取客户流失者、拖欠货款者的特征?如何预测其流失的概率? Ø 决策树分类的原理 Ø 决策树的三个关键问题 Ø 决策树算法 Ø 如何评估分类模型的性能(查准率、查全率) 案例:识别银行欠货风险,提取欠货者的特征 案例:客户流失预警与客户挽留模型 4、神经网络 Ø 神经网络概述 Ø 神经元工作原理 Ø 神经网络的建立步骤 Ø B-P反向传播网络(MLP) Ø 径向基函数网络(RBF) 5、支持向量机 Ø SVM基本原理 Ø 维灾难与核函数 6、朴素贝叶斯分类 Ø 条件概率 Ø 朴素贝叶斯 Ø TAN贝叶斯网络 Ø 马尔科夫毯网络 第五部分:市场细分与客户细分 1、客户细分常用方法 2、聚类分析(Clustering) 问题:如何对市场进行细分?如何提取客户特征,从而对产品进行市场定位? Ø 聚类方法原理介绍 Ø 聚类方法适用场景 Ø 如何细分客户群,并提取出客户群的特征? Ø K均值聚类(快速聚类) Ø 两步聚类 案例:移动三大品牌细分市场合适吗? 演练:宝洁公司如何选择新产品试销区域? 3、RFM模型分析 Ø RFM模型,更深入了解你的客户价值 Ø RFM模型与市场策略 Ø RFM模型与活跃度 案例:淘宝客户价值评估与促销名单 第六部分:关联分析(Association) 问题:购买面包的人是否也会购买牛奶?他们同时购买哪些产品? Ø 关联规则原理介绍 Ø 关联规则适用场景:交叉销售、捆绑营销、产品布局 案例:超市商品交叉销售与布局优化(关联分析) 结束:课程总结与问题答疑。