大数据模型与数据挖掘应用实战_傅一航_企业内训课程

大数据模型与数据挖掘应用实战

培训讲师：傅一航

讲师背景：
傅一航，华为系大数据专家。傅一航，男，计算机软件与理论硕士研究生（研究方向：数据挖掘、搜索引擎）。在华为工作十年，五篇国家专利，在华为工作期间获得华为数项奖项，曾在英国、日本、荷兰等国家做项目，对大数据有深入的研究。傅老师专注于大数据分析与详细>>

下载需求表打印本课程填写需求表在线咨询

课程咨询电话：

大数据模型与数据挖掘应用实战详细内容

大数据模型与数据挖掘应用实战

【课程大纲】

**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

2、数据挖掘概述

案例：宜家IKE如何**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

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

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。

傅一航老师的其它课程

数据分析方法及生产运营实际应用 06.20

数据分析方法及生产运营实际应用【课程目标】本课程主要介绍数据分析在生产运营过程中的应用，适用于制造行业/保险行业的数据分析人员等。本课程的主要目的是，帮助学员了解大数据的本质，培养学员的数据意识和数据思维，掌握常用的统计分析方法和工具，以及生产、运营过程中的应用，并以概率的方式来进行决策，提升学员的数据分析及应用能力。本课程具体内容包括：数据决策逻辑，数据决

讲师：傅一航详情

数据建模及模型优化大赛辅导实战 06.20

大数据建模大赛辅导实战【课程目标】本课程主要面向专业人士的大数据建模竞赛辅导需求（假定学员已经完成Python建模及优化--回归篇/分类篇的学习）。通过本课程的学习，达到如下目的：熟悉大赛常用集成模型掌握模型优化常用措施，掌握超参优化策略掌握特征工程处理，以及对模型质量的影响掌握建模工程管道类(Pipeline,ColumnTransformer)的使用【授

讲师：傅一航详情

大数据时代下的精准营销（1天） 06.20

大数据时代的精准营销【课程目标】本课程从实际的市场营销问题出发，了解大数据在市场营销领域的价值以及应用。并对大数据分析与挖掘技术进行了介绍，通过从大量的市场营销数据中分析潜在的客户特征，挖掘客户行为特点，实现精准营销，帮助市场营销团队深入理解业务运作，支持业务策略制定以及营销决策。通过本课程的学习，达到如下目的：了解大数据营销内容，掌握大数据在营销中的应用。

讲师：傅一航详情

大数据时代下的精准营销（1天-金融行业） 06.20

讲师：傅一航详情

大数据思维与商业模式创新，赋能企业增长 06.20

大数据决策思维与商业模式创新，赋能企业增长【课程目标】本课程主要帮助大家理解大数据的基本概念，着重探索大数据的本质，理解大数据的核心价值，以及掌握实现大数据价值的三个关键环节，大数据解决业务问题的六个步骤，然后聚焦大数据的七大核心思维，最后，再用案例说明了大数据在各行业的应用场景。大数据思维，让决策更科学！让管理更高效！让营销更精准！通过本课程的学习，达到如

讲师：傅一航详情

大数据思维与数字化转型（2天） 06.20

大数据思维与应用创新【课程目标】本课程主要帮助大家理解大数据的基本概念，着重探索大数据的本质，理解大数据的核心价值，以及掌握实现大数据价值的三个关键环节，大数据解决业务问题的六个步骤，然后聚焦大数据的七大核心思维，最后，再用案例说明了大数据在各行业的应用场景。大数据思维，让决策更科学！让管理更高效！让营销更精准！通过本课程的学习，达到如下目的：了解大数据基本

讲师：傅一航详情

大数据思维与应用创新（1天） 06.20

讲师：傅一航详情

大数据思维与应用创新（1天-金融） 06.20

讲师：傅一航详情

大数据挖掘之SPSS工具入门与提高培训（2-4天） 06.20

大数据挖掘工具:SPSSStatistics入门与提高【课程目标】本课程为数据分析和挖掘的工具篇，本课程面向数据分析部等专门负责数据分析与挖掘的人士，专注大数据挖掘工具SPSSStatistics的培训。IBMSPSS工具是面向非专业人士的高级的分析工具（挖掘工具），它提供大量的分析方法和分析模型，能够解决更复杂的业务问题，比如影响因素分析、客户行为预测/精

讲师：傅一航详情

金融行业风险预测模型实战培训（2-3天） 06.20

金融行业风险预测模型实战【课程目标】本课程专注于金融行业的风控模型，面向数据分析部等专门负责数据分析与建模的人士。本课程的主要目的是，培养学员的大数据意识和大数据思维，掌握常用的数据分析方法和数据分析模型，并能够用于对客户行为作分析和预测，提升学员的数据分析综合能力。通过本课程的学习，达到如下目的：掌握数据分析和数据建模的基本过程和步骤掌握客户行为分析中常用

讲师：傅一航详情

发布内容，请点我！

关注微信公众号，请扫描下方二维码：

讲师申请/讲师自荐

企业内训分类

专栏人物更多

潘文富

王晓楠

下载排行