首页 >> 课程体系 >> 专题课程

专题课程

数据模型与数据挖掘应用实战

我要报名

编辑日期 2018-06-13　　阅读次数：534 次

【课程目标】

本数据分析与挖掘系列课程包括三个等级的课程：

1、 基础课程，专注于经营数据的统计与数据分析，适合于一般业务部门要求的数据统计与分析，内容系统，由浅入深，使用工具为Excel 2010版本以上。

2、 中级课程，专注于行业数据分析与数据挖掘，适合于数据分析部、业务支撑部等对数据分析与挖掘要求较高的部门，使用数据分析与挖掘工具SPSS v19版本以上。

3、 高级课程，专注于较深入的数据挖掘技术，包括挖掘模型原理介绍，数据建模，挖掘算法，适合于大数据系统开发及数据分析人士，需要有数学基础（统计与概率），使用数据流挖掘工具Modeler 14.1版本以上。

本课程为高级课程，面向数据分析部等专门负责数据分析与挖掘的人士。

本课程培训覆盖以下内容：

1、数据挖掘标准流程。

2、数据挖掘探索性分析。

3、数据挖掘模型原理。

本课程从实际的电信运营商的业务需求出发，对数据分析及数据挖掘技术进行了介绍，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、工具，从大量的企业经营数据中进行分析，发现业务运作规律，进行客户洞察，挖掘客户行为特点，消费行为，实现精准营销，帮助运营团队理解业务运作，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、掌握数据挖掘的基本过程和步骤。

2、掌握数据挖掘的预处理方法，探索数据间的相关性，为建模打下基础。

3、理解数据挖掘的常见模型，原理及适用场景。

4、熟练掌握Modeler基本操作，能利用Modeler进行数据挖掘。

【培训对象】

业务支撑、网络中心、IT系统部、数据分析部等对业务数据分析有较高要求的相关人员。

【学员要求】

每个学员自备一台便携机(必须)。

便携机中事先安装好SPSS modeler v14.1版本以上软件。

注：讲师可以提供试用版本软件及分析数据源。

【授课方式】

基础知识精讲 + 案例演练 + 实际业务问题分析 + SPSS实际操作

本课程突出数据挖掘的实际应用，结合行业的典型应用特点，从实际问题入手，引出相关知识，进行大数据的收集与处理；探索数据之间的规律及关联性，帮助学员掌握系统的数据预处理方法；介绍常用的模型，训练模型，并优化模型，以达到更优分析结果。

【培训时长】

2天

【课程大纲】

第一部分：数据挖掘基础知识（基础，决定你的高度）

数据挖掘工具简介

EXCEL规划求解（数据建模工具）

SAS统计分析系统

SPSS统计产品与服务解决方案

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？

数据挖掘的标准流程（CRISP-DM）

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

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）

数据挖掘处理的一般过程

数据源à数据理解à数据准备à探索分析à数据建模à模型评估

数据读入

读入文本文件

读入Excel电子表格

读入SPSS格式文件

读入数据库数据

数据集成

变量合并（增加变量）

数据追加（添加记录）

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

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

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

基本分析

单变量：数据基本描述分析

双变量：相关性分析

变量精简：特征选择、因子分析

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

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？

常用特征重要性分析的方法

特征选择（减少变量个数）：相关分析、方差分析、卡方检验

因子分析（减少变量个数）：主成分分析

确定变量个数参考表

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？