大數(shù)據(jù)挖掘之SPSS工具入門(mén)與提高培訓(xùn)（2-4天）

大數(shù)據(jù)挖掘工具: SPSS Statistics入門(mén)與提高【課程目標(biāo)】
隨著大數(shù)據(jù)分析的需求越來(lái)越旺盛，大數(shù)據(jù)分析工具也越來(lái)越琳瑯滿(mǎn)目，然而，絕大多數(shù)的分析工具都只具有單一用途，無(wú)法滿(mǎn)足企業(yè)的復(fù)雜的多樣化的全面的業(yè)務(wù)分析需求，因此分析工具的選擇成為了一個(gè)挑戰(zhàn)。
一個(gè)良好的分析工具必須滿(mǎn)足如下要求：
易學(xué)易用易操作。
分析效率要高。
滿(mǎn)足業(yè)務(wù)分析需求。
如果要說(shuō)前兩個(gè)要求，顯然類(lèi)似于Excel/Power BI/Tableau等工具都是滿(mǎn)足要求的，但此類(lèi)工具卻無(wú)法解決更復(fù)雜的業(yè)務(wù)問(wèn)題，比如影響因素分析、客戶(hù)行為預(yù)測(cè)/精準(zhǔn)營(yíng)銷(xiāo)、客戶(hù)群劃分、產(chǎn)品交叉銷(xiāo)售、產(chǎn)品銷(xiāo)量預(yù)測(cè)等等，這些需求用Excel/PBI等工具就難以勝任了，需要用到更高級(jí)的數(shù)據(jù)挖掘工具，比如IBM SPSS工具。IBM SPSS工具是面向非專(zhuān)業(yè)人士的高級(jí)的分析工具（挖掘工具），它提供大量的分析方法和分析模型，能夠解決的業(yè)務(wù)問(wèn)題更豐富，提供了更加強(qiáng)大的業(yè)務(wù)數(shù)據(jù)分析功能，并且它封裝了具體的分析算法，即使你沒(méi)有深厚的技能能力，也能夠勝任復(fù)雜的數(shù)據(jù)分析和挖掘。
本課程面向數(shù)據(jù)分析部等專(zhuān)門(mén)負(fù)責(zé)數(shù)據(jù)分析與挖掘的人士，專(zhuān)注大數(shù)據(jù)挖掘工具SPSS Statistics的培訓(xùn)。
本課程從實(shí)際的業(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)行了全面的介紹，將數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程、分析思路、分析方法、分析模型，全部落地在SPSS工具中，通過(guò)大量的工具操作和演練，幫助學(xué)員熟練掌握SPSS工具的使用，并能夠?qū)PSS工具在實(shí)際的業(yè)務(wù)數(shù)據(jù)分析中滿(mǎn)地，實(shí)現(xiàn)“知行合一”。
通過(guò)本課程的學(xué)習(xí)，達(dá)到如下目的：
了解大數(shù)據(jù)挖掘的標(biāo)準(zhǔn)過(guò)程和挖掘步驟。
掌握基本的統(tǒng)計(jì)分析，常用的影響因素分析。
理解數(shù)據(jù)挖掘的常見(jiàn)模型，原理及適用場(chǎng)景。
熟練掌握SPSS基本操作，能利用SPSS解決實(shí)際的商業(yè)問(wèn)題。
【授課時(shí)間】
2~4天時(shí)間，或根據(jù)客戶(hù)需求選擇（每天6個(gè)小時(shí)）
知識(shí)點(diǎn)
2天
4天
數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
√
√
數(shù)據(jù)流預(yù)處理
√
√
數(shù)據(jù)可視化
√
√
影響因素分析
√
√
數(shù)值預(yù)測(cè)模型
√回歸時(shí)序
√季節(jié)模型
回歸模型優(yōu)化
√
分類(lèi)預(yù)測(cè)模型
√僅決策樹(shù)
√ANN/SVM/…
市場(chǎng)客戶(hù)劃分
√
客戶(hù)價(jià)值評(píng)估
√
假設(shè)檢驗(yàn)
√
實(shí)戰(zhàn)
√
【授課對(duì)象】
市場(chǎng)部、業(yè)務(wù)支撐部、數(shù)據(jù)分析部、運(yùn)營(yíng)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)人員?！緦W(xué)員要求】
每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。
便攜機(jī)中事先安裝好Microsoft Office Excel 2013版本及以上。
便攜機(jī)中事先安裝好SPSS Statistics v24版本及以上。
注：講師可以提供試用版本軟件及分析數(shù)據(jù)源。
【授課方式】
基礎(chǔ)知識(shí)精講 + 案例演練 + 實(shí)際業(yè)務(wù)問(wèn)題分析 + 工具實(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；引導(dǎo)學(xué)員思考，構(gòu)建分析模型，進(jìn)行數(shù)據(jù)分析與挖掘，以及數(shù)據(jù)呈現(xiàn)與解讀，全過(guò)程演練操作，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。
【課程大綱】
數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
數(shù)據(jù)挖掘概述
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：客戶(hù)流失預(yù)測(cè)及客戶(hù)挽留
數(shù)據(jù)集的基本知識(shí)
存儲(chǔ)類(lèi)型
統(tǒng)計(jì)類(lèi)型
角度
SPSS工具簡(jiǎn)介
數(shù)據(jù)預(yù)處理過(guò)程
數(shù)據(jù)預(yù)處理的基本步驟
數(shù)據(jù)讀取、數(shù)據(jù)理解、數(shù)據(jù)處理、變量處理、探索分析
數(shù)據(jù)預(yù)處理的主要任務(wù)
數(shù)據(jù)集成：多個(gè)數(shù)據(jù)集的合并
數(shù)據(jù)清理：異常值的處理
數(shù)據(jù)處理：數(shù)據(jù)篩選、數(shù)據(jù)精簡(jiǎn)、數(shù)據(jù)平衡
變量處理：變量變換、變量派生、變量精簡(jiǎn)
數(shù)據(jù)歸約：實(shí)現(xiàn)降維，避免維災(zāi)難
數(shù)據(jù)集成
外部數(shù)據(jù)讀入：Txt/Excel/SPSS/Database
數(shù)據(jù)追加（添加數(shù)據(jù)）
變量合并（添加變量）
數(shù)據(jù)理解（異常數(shù)據(jù)處理）
取值范圍限定
重復(fù)值處理
無(wú)效值/錯(cuò)誤值處理
缺失值處理
離群值/極端值處理
數(shù)據(jù)質(zhì)量評(píng)估
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（減少變量的取值個(gè)數(shù)）
數(shù)據(jù)平衡：正反樣本比例均衡
數(shù)據(jù)準(zhǔn)備：變量處理
變量變換：原變量取值更新，比如標(biāo)準(zhǔn)化
變量派生：根據(jù)舊變量生成新的變量
變量精簡(jiǎn)：降維，減少變量個(gè)數(shù)
數(shù)據(jù)降維
常用降維方法
如何確定變量個(gè)數(shù)
特征選擇：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
對(duì)輸入變量進(jìn)行合并
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(hù)流失的主成分分析
數(shù)據(jù)探索性分析
常用統(tǒng)計(jì)指標(biāo)分析
單變量：數(shù)值變量/分類(lèi)變量
雙變量：交叉分析/相關(guān)性分析
多變量：特征選擇、因子分析
演練：描述性分析（頻數(shù)、描述、探索、分類(lèi)匯總）
數(shù)據(jù)可視化篇
數(shù)據(jù)可視化的原則
常用可視化工具
常用可視化圖形
柱狀圖、條形圖、餅圖、折線(xiàn)圖、箱圖、散點(diǎn)圖等
圖形的表達(dá)及適用場(chǎng)景
演練：各種圖形繪制
影響因素分析篇
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(xiāo)費(fèi)用是否會(huì)影響銷(xiāo)售額？產(chǎn)品價(jià)格是否會(huì)影響銷(xiāo)量？產(chǎn)品的陳列位置是否會(huì)影響銷(xiāo)量？
風(fēng)險(xiǎn)控制的關(guān)鍵因素有哪些？如何判斷？
影響因素分析的常見(jiàn)方法
相關(guān)分析（衡量變量間的的相關(guān)性）
問(wèn)題：這兩個(gè)屬性是否會(huì)相互影響？影響程度大嗎？營(yíng)銷(xiāo)費(fèi)用會(huì)影響銷(xiāo)售額嗎？
什么是相關(guān)關(guān)系
相關(guān)系數(shù)：衡量相關(guān)程度的指標(biāo)
相關(guān)系數(shù)的三個(gè)計(jì)算公式
相關(guān)分析的假設(shè)檢驗(yàn)
相關(guān)分析的基本步驟
相關(guān)分析應(yīng)用場(chǎng)景
演練：體重與腰圍的關(guān)系
演練：營(yíng)銷(xiāo)費(fèi)用會(huì)影響銷(xiāo)售額嗎
演練：哪些因素與汽車(chē)銷(xiāo)量有相關(guān)性
演練：通信費(fèi)用與開(kāi)通月數(shù)的相關(guān)分析
案例：酒樓生意好壞與報(bào)紙銷(xiāo)量的相關(guān)分析
偏相關(guān)分析
距離相關(guān)分析
方差分析
問(wèn)題：哪些才是影響銷(xiāo)量的關(guān)鍵因素？
方差分析解決什么問(wèn)題
方差分析種類(lèi)：?jiǎn)我蛩?雙因素可重復(fù)/雙因素?zé)o重復(fù)
方差分析的應(yīng)用場(chǎng)景
方差分析的原理與步驟
如何解決方差分析結(jié)果
演練：終端擺放位置與終端銷(xiāo)量有關(guān)嗎？
演練：開(kāi)通月數(shù)驛客戶(hù)流失的影響分析
演練：客戶(hù)學(xué)歷對(duì)消費(fèi)水平的影響分析
演練：廣告和價(jià)格是影響終端銷(xiāo)量的關(guān)鍵因素嗎
演練：營(yíng)業(yè)員的性別、技能級(jí)別產(chǎn)品銷(xiāo)量有影響嗎？
案例：2015年大學(xué)生工資與父母職業(yè)的關(guān)系
案例：醫(yī)生洗手與嬰兒存活率的關(guān)系
演練：尋找影響產(chǎn)品銷(xiāo)量的關(guān)鍵因素
多因素方差分析原理
多因素方差結(jié)果的解讀
演練：廣告形式、地區(qū)對(duì)銷(xiāo)量的影響因素分析（多因素）
協(xié)方差分析原理
演練：飼料對(duì)生豬體重的影響分析（協(xié)方差分析）
列聯(lián)分析（兩類(lèi)別變量的相關(guān)性分析）
交叉表與列聯(lián)表
卡方檢驗(yàn)的原理
卡方檢驗(yàn)的幾個(gè)計(jì)算公式
列聯(lián)表分析的適用場(chǎng)景
案例：套餐類(lèi)型對(duì)客戶(hù)流失的影響分析
案例：學(xué)歷對(duì)業(yè)務(wù)套餐偏好的影響分析
案例：行業(yè)/規(guī)模對(duì)風(fēng)控的影響分析
數(shù)據(jù)建模過(guò)程篇
預(yù)測(cè)建模六步法
選擇模型：基于業(yè)務(wù)選擇恰當(dāng)?shù)臄?shù)據(jù)模型
屬性篩選：選擇對(duì)目標(biāo)變量有顯著影響的屬性來(lái)建模
訓(xùn)練模型：采用合適的算法對(duì)模型進(jìn)行訓(xùn)練，尋找到最合適的模型參數(shù)
評(píng)估模型：進(jìn)行評(píng)估模型的質(zhì)量，判斷模型是否可用
優(yōu)化模型：如果評(píng)估結(jié)果不理想，則需要對(duì)模型進(jìn)行優(yōu)化
應(yīng)用模型：如果評(píng)估結(jié)果滿(mǎn)足要求，則可應(yīng)用模型于業(yè)務(wù)場(chǎng)景
數(shù)據(jù)挖掘常用的模型
數(shù)值預(yù)測(cè)模型：回歸預(yù)測(cè)、時(shí)序預(yù)測(cè)等
分類(lèi)預(yù)測(cè)模型：邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等
市場(chǎng)細(xì)分：聚類(lèi)、RFM、PCA等
產(chǎn)品推薦：關(guān)聯(lián)分析、協(xié)同過(guò)濾等
產(chǎn)品優(yōu)化：回歸、隨機(jī)效用等
產(chǎn)品定價(jià)：定價(jià)策略/最優(yōu)定價(jià)等
屬性篩選/特征選擇/變量降維
基于變量本身特征
基于相關(guān)性判斷
因子合并（PCA等）
IV值篩選（評(píng)分卡使用）
基于信息增益判斷（決策樹(shù)使用）
模型評(píng)估
模型質(zhì)量評(píng)估指標(biāo)：R^2、正確率/查全率/查準(zhǔn)率/特異性等
預(yù)測(cè)值評(píng)估指標(biāo)：MAD、MSE/RMSE、MAPE、概率等
模型評(píng)估方法：留出法、K拆交叉驗(yàn)證、自助法等
其它評(píng)估：過(guò)擬合評(píng)估
模型優(yōu)化
優(yōu)化模型：選擇新模型/修改模型
優(yōu)化數(shù)據(jù)：新增顯著自變量
優(yōu)化公式：采用新的計(jì)算公式
模型實(shí)現(xiàn)算法（暫略）
好模型是優(yōu)化出來(lái)的
案例：通信客戶(hù)流失分析及預(yù)警模型
數(shù)值預(yù)測(cè)模型篇
問(wèn)題：如何預(yù)測(cè)產(chǎn)品的銷(xiāo)量/銷(xiāo)售金額？如果產(chǎn)品跟隨季節(jié)性變動(dòng)，該如何預(yù)測(cè)？新產(chǎn)品上市，如果評(píng)估銷(xiāo)量上限及銷(xiāo)售增速？
銷(xiāo)量預(yù)測(cè)與市場(chǎng)預(yù)測(cè)——讓你看得更遠(yuǎn)
回歸預(yù)測(cè)/回歸分析
問(wèn)題：如何預(yù)測(cè)未來(lái)的銷(xiāo)售量（定量分析）？
回歸分析的基本原理和應(yīng)用場(chǎng)景
回歸分析的種類(lèi)（一元/多元、線(xiàn)性/曲線(xiàn)）
得到回歸方程的幾種常用方法
回歸分析的五個(gè)步驟與結(jié)果解讀
回歸預(yù)測(cè)結(jié)果評(píng)估（如何評(píng)估預(yù)測(cè)質(zhì)量，如何選擇最佳回歸模型）
演練：散點(diǎn)圖找推廣費(fèi)用與銷(xiāo)售額的關(guān)系（一元線(xiàn)性回歸）
演練：推廣費(fèi)用、辦公費(fèi)用與銷(xiāo)售額的關(guān)系（多元線(xiàn)性回歸）
演練：讓你的營(yíng)銷(xiāo)費(fèi)用預(yù)算更準(zhǔn)確
演練：如何選擇最佳的回歸預(yù)測(cè)模型（曲線(xiàn)回歸）
帶分類(lèi)變量的回歸預(yù)測(cè)
演練：汽車(chē)季度銷(xiāo)量預(yù)測(cè)
演練：工齡、性別與終端銷(xiāo)量的關(guān)系
演練：如何評(píng)估銷(xiāo)售目標(biāo)與資源配置（營(yíng)業(yè)廳）
時(shí)序預(yù)測(cè)
問(wèn)題：隨著時(shí)間變化，未來(lái)的銷(xiāo)量變化趨勢(shì)如何？
時(shí)序分析的應(yīng)用場(chǎng)景（基于時(shí)間的變化規(guī)律）
移動(dòng)平均MA的預(yù)測(cè)原理
指數(shù)平滑ES的預(yù)測(cè)原理
自回歸移動(dòng)平均ARIMA模型
如何評(píng)估預(yù)測(cè)值的準(zhǔn)確性？
案例：銷(xiāo)售額的時(shí)序預(yù)測(cè)及評(píng)估
演練：汽車(chē)銷(xiāo)量預(yù)測(cè)及評(píng)估
演練：電視機(jī)銷(xiāo)量預(yù)測(cè)分析
演練：上海證券交易所綜合指數(shù)收益率序列分析
演練：服裝銷(xiāo)售數(shù)據(jù)季節(jié)性趨勢(shì)預(yù)測(cè)分析
季節(jié)性預(yù)測(cè)模型
季節(jié)性回歸模型的參數(shù)
常用季節(jié)性預(yù)測(cè)模型（相加、相乘）
案例：美國(guó)航空旅客里程的季節(jié)性趨勢(shì)分析
案例：產(chǎn)品銷(xiāo)售季節(jié)性趨勢(shì)預(yù)測(cè)分析
新產(chǎn)品預(yù)測(cè)模型與S曲線(xiàn)
如何評(píng)估銷(xiāo)量增長(zhǎng)的拐點(diǎn)
珀?duì)柷€(xiàn)與龔鉑茲曲線(xiàn)
案例：如何預(yù)測(cè)產(chǎn)品的銷(xiāo)售增長(zhǎng)拐點(diǎn)，以及銷(xiāo)量上限
演戲：預(yù)測(cè)IPad產(chǎn)品的銷(xiāo)量
自定義模型（如何利用規(guī)劃求解進(jìn)行自定義模型）
案例：如何對(duì)餐廳客流量進(jìn)行建模及模型優(yōu)化
回歸模型優(yōu)化篇
回歸模型的基本原理
三個(gè)基本概念：總變差、回歸變差、剩余變差
方程的顯著性檢驗(yàn)：是否可以做回歸分析？
擬合優(yōu)度檢驗(yàn)：回歸模型的質(zhì)量評(píng)估？
因素的顯著性檢驗(yàn)：自變量是否可用？
理解標(biāo)準(zhǔn)誤差的含義：預(yù)測(cè)的準(zhǔn)確性？
模型優(yōu)化思路：尋找最佳回歸擬合線(xiàn)
如何處理異常數(shù)據(jù)（殘差與異常值排除）
如何剔除非顯著因素（因素顯著性檢驗(yàn)）
如何進(jìn)行非線(xiàn)性關(guān)系檢驗(yàn)
如何進(jìn)行相互作用檢驗(yàn)
如何進(jìn)行多重共線(xiàn)性檢驗(yàn)
如何檢驗(yàn)誤差項(xiàng)
如何判斷模型過(guò)擬合
案例：模型優(yōu)化案例
分類(lèi)預(yù)測(cè)模型篇
問(wèn)題：如何評(píng)估客戶(hù)購(gòu)買(mǎi)產(chǎn)品的可能性？如何預(yù)測(cè)客戶(hù)的購(gòu)買(mǎi)行為？如何提取某類(lèi)客戶(hù)的典型特征？如何向客戶(hù)精準(zhǔn)推薦產(chǎn)品或業(yè)務(wù)？
分類(lèi)模型概述
常見(jiàn)分類(lèi)預(yù)測(cè)模型
評(píng)估分類(lèi)模型的常用指標(biāo)
正確率、查全率/查準(zhǔn)率、特異性等
邏輯回歸模型（LR）
邏輯回歸模型原理及適用場(chǎng)景
邏輯回歸種類(lèi)：二項(xiàng)/多項(xiàng)邏輯回歸
如何解讀邏輯回歸方程
案例：如何評(píng)估用戶(hù)是否會(huì)購(gòu)買(mǎi)某產(chǎn)品（二項(xiàng)邏輯回歸）
消費(fèi)者品牌選擇模型分析
案例：多品牌選擇模型分析（多項(xiàng)邏輯回歸）
分類(lèi)決策樹(shù)（DT）
問(wèn)題：如何預(yù)測(cè)客戶(hù)行為？如何識(shí)別潛在客戶(hù)？
風(fēng)控：如何識(shí)別欠貸者的特征，以及預(yù)測(cè)欠貸概率？
客戶(hù)保有：如何識(shí)別流失客戶(hù)特征，以及預(yù)測(cè)客戶(hù)流失概率？
決策樹(shù)分類(lèi)簡(jiǎn)介
如何評(píng)估分類(lèi)性能？
案例：美國(guó)零售商（Target）如何預(yù)測(cè)少女懷孕
演練：識(shí)別銀行欠貨風(fēng)險(xiǎn)，提取欠貸者的特征
構(gòu)建決策樹(shù)的三個(gè)關(guān)鍵問(wèn)題
如何選擇最佳屬性來(lái)構(gòu)建節(jié)點(diǎn)
如何分裂變量
修剪決策樹(shù)
選擇最優(yōu)屬性
熵、基尼索引、分類(lèi)錯(cuò)誤
屬性劃分增益
如何分裂變量
多元?jiǎng)澐峙c二元?jiǎng)澐?br /> 連續(xù)變量離散化（最優(yōu)劃分點(diǎn)）
修剪決策樹(shù)
剪枝原則
預(yù)剪枝與后剪枝
構(gòu)建決策樹(shù)的四個(gè)算法
C5.0、CHAID、CART、QUEST
各種算法的比較
如何選擇最優(yōu)分類(lèi)模型？
案例：商場(chǎng)酸奶購(gòu)買(mǎi)用戶(hù)特征提取
案例：電信運(yùn)營(yíng)商客戶(hù)流失預(yù)警與客戶(hù)挽留
案例：識(shí)別拖欠銀行貨款者的特征，避免不良貨款
案例：識(shí)別電信詐騙者嘴臉，讓通信更安全
人工神經(jīng)網(wǎng)絡(luò)（ANN）
神經(jīng)網(wǎng)絡(luò)概述
神經(jīng)網(wǎng)絡(luò)基本原理
神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
神經(jīng)網(wǎng)絡(luò)的建立步驟
神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問(wèn)題
BP反向傳播網(wǎng)絡(luò)（MLP）
徑向基網(wǎng)絡(luò)（RBF）
案例：評(píng)估銀行用戶(hù)拖欠貨款的概率
判別分析（DA）
判別分析原理
距離判別法
典型判別法
貝葉斯判別法
案例：MBA學(xué)生錄取判別分析
案例：上市公司類(lèi)別評(píng)估
K近鄰分類(lèi)（KNN）
基本原理
關(guān)鍵問(wèn)題
貝葉斯分類(lèi)（NBN）
貝葉斯分類(lèi)原理
計(jì)算類(lèi)別屬性的條件概率
估計(jì)連續(xù)屬性的條件概率
貝葉斯網(wǎng)絡(luò)種類(lèi)：TAN/馬爾科夫毯
預(yù)測(cè)分類(lèi)概率（計(jì)算概率）
案例：評(píng)估銀行用戶(hù)拖欠貨款的概率
支持向量機(jī)（SVM）
SVM基本原理
線(xiàn)性可分問(wèn)題：最大邊界超平面
線(xiàn)性不可分問(wèn)題：特征空間的轉(zhuǎn)換
維空難與核函數(shù)
市場(chǎng)細(xì)分模型篇
問(wèn)題：我們的客戶(hù)有幾類(lèi)？各類(lèi)特征是什么？如何實(shí)現(xiàn)客戶(hù)細(xì)分，開(kāi)發(fā)符合細(xì)分市場(chǎng)的新產(chǎn)品？如何提取客戶(hù)特征，從而對(duì)產(chǎn)品進(jìn)行市場(chǎng)定位？
市場(chǎng)細(xì)分的常用方法
有指導(dǎo)細(xì)分
無(wú)指導(dǎo)細(xì)分
聚類(lèi)分析
如何更好的了解客戶(hù)群體和市場(chǎng)細(xì)分？
如何識(shí)別客戶(hù)群體特征？
如何確定客戶(hù)要分成多少適當(dāng)?shù)念?lèi)別？
聚類(lèi)方法原理介紹
聚類(lèi)方法作用及其適用場(chǎng)景
聚類(lèi)分析的種類(lèi)
K均值聚類(lèi)（快速聚類(lèi)）
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(xiāo)區(qū)域？
演練：如何評(píng)選優(yōu)秀員工？
演練：中國(guó)各省份發(fā)達(dá)程度分析，讓數(shù)據(jù)自動(dòng)聚類(lèi)
層次聚類(lèi)（系統(tǒng)聚類(lèi)）：發(fā)現(xiàn)多個(gè)類(lèi)別
R型聚類(lèi)與Q型聚類(lèi)的區(qū)別
案例：中移動(dòng)如何實(shí)現(xiàn)客戶(hù)細(xì)分及營(yíng)銷(xiāo)策略
演練：中國(guó)省市經(jīng)濟(jì)發(fā)展情況分析（Q型聚類(lèi)）
演練：裁判評(píng)分的標(biāo)準(zhǔn)衡量，避免“黑哨”（R型聚類(lèi)）
兩步聚類(lèi)
主成分分析PCA分析
主成分分析原理
主成分分析基本步驟
主成分分析結(jié)果解讀
演練：PCA探索汽車(chē)購(gòu)買(mǎi)者的細(xì)分市場(chǎng)
RFM模型客戶(hù)細(xì)分框架
客戶(hù)價(jià)值評(píng)估
客戶(hù)價(jià)值評(píng)估與RFM模型
問(wèn)題：如何評(píng)估客戶(hù)的價(jià)值？如何針對(duì)不同客戶(hù)采取不同的營(yíng)銷(xiāo)策略？
RFM模型，更深入了解你的客戶(hù)價(jià)值
RFM的客戶(hù)細(xì)分框架理解
RFM模型與市場(chǎng)策略
RFM模型與活躍度
演練：“雙11”淘寶商家如何選擇客戶(hù)進(jìn)行促銷(xiāo)
演練：結(jié)合響應(yīng)模型，宜家IKE實(shí)現(xiàn)最大化營(yíng)銷(xiāo)利潤(rùn)
演練：重購(gòu)用戶(hù)特征分析
假設(shè)檢驗(yàn)篇
參數(shù)檢驗(yàn)分析（樣本均值檢驗(yàn)）
問(wèn)題：如何驗(yàn)證營(yíng)銷(xiāo)效果的有效性？
假設(shè)檢驗(yàn)概述
單樣本T檢驗(yàn)
兩獨(dú)立樣本T檢驗(yàn)
兩配對(duì)樣本T檢驗(yàn)
假設(shè)檢驗(yàn)適用場(chǎng)景
電信行業(yè)
案例：電信運(yùn)營(yíng)商ARPU值評(píng)估分析（單樣本）
案例：營(yíng)銷(xiāo)活動(dòng)前后分析（兩配對(duì)樣本）
金融行業(yè)
案例：信用卡消費(fèi)金額評(píng)估分析（單樣本）
醫(yī)療行業(yè)
案例：吸煙與膽固醇升高的分析（兩獨(dú)立樣本）
案例：減肥效果評(píng)估（兩配對(duì)樣本）
非參數(shù)檢驗(yàn)分析（樣本分布檢驗(yàn)）
問(wèn)題：這些屬性數(shù)據(jù)的分布情況如何？如何從數(shù)據(jù)分布中看出問(wèn)題？
非參數(shù)檢驗(yàn)概述
單樣本檢驗(yàn)
兩獨(dú)立樣本檢驗(yàn)
兩相關(guān)樣本檢驗(yàn)
兩配對(duì)樣本檢驗(yàn)
非參數(shù)檢驗(yàn)適用場(chǎng)景
案例：產(chǎn)品合格率檢驗(yàn)（單樣本-二項(xiàng)分布）
案例：訓(xùn)練新方法有效性檢驗(yàn)（兩配對(duì)樣本-符號(hào)/秩檢驗(yàn)）
案例：促銷(xiāo)方式效果檢驗(yàn)(多相關(guān)樣本-Friedman檢驗(yàn))
案例：客戶(hù)滿(mǎn)意度差異檢驗(yàn)(多相關(guān)樣本-Cochran Q檢驗(yàn))
實(shí)戰(zhàn)-數(shù)據(jù)挖掘項(xiàng)目
實(shí)戰(zhàn)1：客戶(hù)流失預(yù)警與客戶(hù)挽留之真實(shí)數(shù)據(jù)分析實(shí)踐
實(shí)戰(zhàn)2：銀行信用風(fēng)險(xiǎn)分析
結(jié)束：課程總結(jié)與問(wèn)題答疑。

尹傳亮老師的其它課程