A31-大数据分析与数据挖掘能力提升实战(5天)

大数据分析与数据挖掘能力提升实战大数据分析与数据挖掘能力提升实战 课程目标课程目标 本课程为综合课程 包含基本的数据分析 到高级的数据挖掘 数据建模 以及大数 据在市场营销方面的应用 帮助企业的相关人员提升数据分析的综合能力 解决业务问题 和企业决策问题 本课程从实际的业务需求出发 特别是市场营销领域的业务 结合行业的典型应用特 点 围绕实际的商业问题 对数据分析及数据挖掘技术进行了全面的介绍 从数据收集与 处理 到数据分析与挖掘 再到数据可视化和报告撰写 通过大量的操作演练 帮助学员 掌握数据分析和数据挖掘的思路 方法 表达 工具 从大量的企业经营数据中进行分析 挖掘客户行为特点 帮助运营团队深入理解业务运作 以达到提升学员的数据综合分析能 力 支撑运营决策的目的 通过本课程的学习 达到如下目的 1 了解大数据的核心理念 以及大数据思维 2 掌握数据分析的基础知识 掌握数据分析的基本过程 3 学会数据分析的框架和思路 掌握常用数据分析方法来分析问题 4 掌握数据挖掘 数据建模 以及模型优化 能够解决商业问题 5 掌握常用分析和挖掘工具 学习使用 Excel SPSS Modeler 工具来做数据分析 数据挖掘 以及数据预处理和建模 授课时间授课时间 5 天时间 授课对象授课对象 市场营销部 业务支撑 经营分析部 网管 网优中心 数据分析部等对业务数据分析 有要求的相关人员 学员要求学员要求 1 每个学员自备一台便携机 必须 2 便携机中事先安装好 Excel 2010 版本及以上 常规分析 3 便携机中事先安装好 IBM SPSS Statistics v19 版本及以上 数据挖掘 4 便携机中事先安装好 IBM SPSS Modeler v19 版本及以上 数据预处理和建模 注 讲师可以提供试用版本软件及分析数据源 授课方式授课方式 数据分析 挖掘基础 思路分解 方法讲解 实际业务问题分析 工具操作 采用互动式教学 围绕业务问题 展开数据分析过程 全过程演练操作 让学员 在分析 分享 讲授 总结 自我实践过程中获得能力提升 不空谈理论 不空谈方法 以业务分析为核心 以解决问题为目的 不空谈理论 不空谈方法 以业务分析为核心 以解决问题为目的 一切不以解决业务问题的数据分析一切不以解决业务问题的数据分析 挖掘都是耍流氓 挖掘都是耍流氓 课程大纲课程大纲 第一部分 解构大数据第一部分 解构大数据 1 大数据时代已经来临 2 大数据的三层理解 理论层 以数据为基础 技术层 以平台为手段 应用层 以应用为导向 3 大数据的 4V 特征 4 大数据的核心价值 发现业务运行规律 预测事物未来 5 大数据在各行业是如何应用的 医疗卫生 政治军事 行政执法 金融银行 6 数据分析的核心理念 数据变化意味着业务变化 数据间关系意味着因素间的关系 7 大数据战略 大数据成为企业的核心资产 大数据成为业务创新的核心引擎 从数据化运营到运营数据 8 大数据的思维变革 定量思维 相关思维 实验思维 9 大数据的商业模式分析 10 大数据的人才培养 第二部分 数据分析篇第二部分 数据分析篇 问题 数据分析是神马 数据分析基本过程 1 数据分析面临的常见问题 2 认识数据分析 什么是数据分析 数据分析的三大作用 数据分析的三大类别 案例 喜欢赚 差价 的营业员 3 数据分析的六步曲 明确目的 收集数据 处理数据 预处理 分析数据 呈现数据 可视化 撰写报告 案例 终端精准营销项目过程讨论 4 数据分析师需要什么样的能力 懂业务 懂管理 懂分析 懂工具 懂呈现 5 大数据应用系统的四层结构 数据基础层 数据模型层 业务模型层 业务应用层 6 数据分析方法的层次 基本分析法 对比 分组 结构 趋势 综合分析法 交叉 综合评价 杜邦 漏斗 高级分析法 相关 方差 验证 回归 时序 数据挖掘法 聚类 分类 关联 RFM 模型 7 基本分析方法及其适用场景 对比分析 查看数据差距 演练 按性别 省份 产品进行分类统计 分组分析 查看数据分布 演练 银行信用卡月消费分析 银行 演练 呼叫中心接听电话效率分析 呼叫中心 演练 客服中心科学排班人数需求分析 客服中心 演练 客户年龄分布分析 案例 排班后面隐藏的猫腻 结构分析 评估事物构成 案例 用户市场占比结构分析 案例 物流费用占比结构分析 物流 趋势分析 发现变化规律 案例 破解零售店销售规律 8 综合分析方法及其适用场景 交叉分析 两维分析 演练 用户性别 地域分布分析 综合评价法 多维指标归一 演练 人才选拔评价分析 HR 案例 南京丈母娘选女婿分析表格 杜邦分析法 关键因素分析 财务数据分析 案例 电信市场占有率分析 演练 服务水平提升分析 呼叫中心 案例 销售额的影响因素分析 零售店 电商 漏斗分析法 关键流程环节分析 流失率与转化率分析 演练 终端销售流程分析 电信营业厅 案例 业务办理流程优化分析 银行营业厅 案例 物流配送效率分析 物流 矩阵分析法 产品策略分析 象限图分析法 案例 工作安排评估 案例 HR 人员考核与管理 案例 波士顿产品策略分析 9 最合适的分析方法才是硬道理 10 数据分析思路 如何细化业务问题 案例 利用5W2H 来分析产品销售情况 第三部分 概率与数理统计篇第三部分 概率与数理统计篇 1 数据统计指标 集中程度 平均数 中位数 众数 离散程度 全距 四分位距 标准差 四分位 分布形态 偏度 峰度 正确理解各指标的含义 案例 如何用 Excel 计算统计指标 案例 如何用 Excel 画直方图 2 概率论基本知识 随机事件与概率 古典概率与条件概率 全概率公式与贝叶斯公司 概率分布函数 数学期望与方差 大数定律与中心极限定理 3 参数检验分析 假设检验概述 假设检验步骤 样本 T 检验 单样本 两独立样本 两配对样本 及适用场景 案例 电信运营商 ARPU 值评估分析 单样本 案例 营销活动前后分析 两配对样本 案例 吸烟与胆固醇升高的分析 两独立样本 4 非参数检验分析 非参数检验概述 样本检验 单样本 两独立样本 两相关样本 案例 产品合格率检验 单样本 二项分布 案例 训练新方法有效性检验 两配对样本 符号 秩检验 案例 促销方式效果检验 多相关样本 Friedman 检验 案例 客户满意度差异检验 多相关样本 Cochran Q 检验 第四部分 高级数据分析第四部分 高级数据分析 本篇包含三大内容 影响因素分析 数值预测模型 1 相关分析 衡量变量间的的相关性 问题 营销费用会影响销售额吗 影响程度大吗 什么是相关关系 相关系数 衡量相关程度的指标 相关分析的步骤与计算公式 相关分析应用场景 演练 体重与腰围的关系 演练 营销费用与销售额的关系 2 方差分析 问题 哪些才是影响销量的关键因素 方差分析解决什么问题 方差分析种类 单因素 双因素可重复 双因素无重复 方差分析的应用场景 如何解决方差分析结果 演练 产品摆放位置与销量有关吗 单因素方差分析 案例 2015年大学生工资与父母职业的关系 3 回归分析 预测 问题 如何预测未来的销售量 定量分析 回归分析的基本原理和应用场景 回归分析的种类 一元 多元 线性 曲线 回归分析的几种常用方法 回归分析的五个步骤与结果解读 回归预测结果评估 如何评估预测质量 如何选择最佳回归模型 演练 散点图找推广费用与销售额的关系 一元线性回归 演练 推广费用 办公费用与销售额的关系 多元线性回归 演练 最佳选择的预测销售额的回归模型 一元曲线回归 回归分析 带分类变量 案例 汽车销量的季度预测 演练 工龄 性别与终端销量的关系 讨论 终端销售预测分析 营业厅 4 时序分析 预测 问题 随着时间变化 未来的销量变化趋势如何 时序分析的应用场景 基于时间的变化规律 移动平均的预测原理 指数平滑的预测原理 案例 销售额的时序预测及评估 演练 产品销量预测及评估 第五部分 建立预测模型与模型优化 第五部分 建立预测模型与模型优化 ExcelExcel 工具 工具 本篇包含内容 数值预测建模 模型优化 季节性预测模型 S 曲线预测模型 1 常见预测模型类别 数值预测 分类预测 2 回归分析建模 寻找最佳回归拟合线来判断和预测 模型优化七步法 因素 异常值 相互作用 非线性关系 案例 汽车销量预测分析 案例 工龄 性别与销量的回归分析 3 季节性预测模型 季节性预测模型的参数 常用季节性预测模型 相加模型 相乘模型 案例 美国航空旅客里程的季节性趋势分析 案例 产品销售季节性趋势预测分析 4 新产品销量预测与 S 曲线 如何评估销量增长的拐点 常用模型 珀尔曲线 龚铂兹曲线 案例 预测 IPad 产品的销售增长拐点 以及销量上限 5 规划求解与自定义模型 案例 大数据下的产品定价方法 案例 如何对客流量进行建模及模型优化 第五部分 数据挖掘篇 第五部分 数据挖掘篇 SPSSSPSS 工具使用 工具使用 1 数据挖掘概述 2 数据挖掘的标准流程 商业理解 数据准备 数据理解 模型建立 模型评估 模型应用 案例 通信客户流失分析及预警模型 3 聚类分析 市场细分与客户细分 问题 如何实现客户细分 开发符合细分市场的新产品 聚类分析及其作用 聚类分析的种类 层次聚类 发现多个类别 R 型聚类与 Q 型聚类的区别 演练 中国省市经济发展情况分析 Q 型聚类 演练 裁判评分的标准衡量 R 型聚类 K 均值聚类 演练 宝洁公司如何选择新产品试销区域 演练 如何评选优秀员工 4 分类分析 案例 美国零售商 Target 如何预测少女怀孕 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 分类与聚类 决策树分类的原理 如何评估分类性能 演练 识别银行欠货风险 提取欠货者的特征 5 关联分析 案例 啤酒与尿布 飓风与蛋挞 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 关联分析解决什么样的问题 如何提取关联规则 关联规则的应用场景 案例 超市商品交叉销售与布局优化 关联分析 6 RFM 模型 问题 如何评估客户的价值 如何针对不同客户采取不同的营销策略 RFM 模型介绍 RFM 的客户细分框架理解 演练 淘宝客户选择促销客户的方式 演练 结合响应模型 宜家 IKE 实现最大化营销利润 第六部分 数据挖掘实战篇 第六部分 数据挖掘实战篇 ModelerModeler 工具实操 工具实操 1 数据挖掘处理的一般过程 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 3 数据集成 变量合并 增加变量 数据追加 添加记录 4 数据理解 取值范围限定 重复数据处理 缺失值处理 无效值处理 离群点和极端值的修正 数据质量评估 5 数据准备 数据处理 数据筛选 数据抽样 选择 减少样本数量 数据精简 数据分段 离散化 减少变量的取值 数据平衡 正反样本比例均衡 其它 排序 分类汇总 6 数据准备 变量处理 变量变换 原变量值更新 变量派生 生成新的变量 变量精简 降维 减少变量个数 7 基本分析 单变量 数据基本描述分析 双变量 相关分析 方差分析 卡方检验 列联检验 变量精简 特征选择 因子分析 案例 通信基本费用与开通月数的相关分析 案例 开通月数对客户流失的影响分析 案例 套餐类型对对客户流失的影响分析 8 特征选择 特征选择方法 选择重要变量 剔除不重要的变量 从变量本身考虑 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 因子分析的原理 因子个数如何选择 如何解读因子含义 案例 提取影响电