大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘及案例

一、“大數(shù)據(jù)、大機(jī)會(huì)”：

1.概述

1)大數(shù)據(jù)概念和特點(diǎn)

2)大數(shù)據(jù)需要哪些技術(shù)支撐

3)大數(shù)據(jù)能夠帶來(lái)哪些新應(yīng)用？

2.大數(shù)據(jù)時(shí)代帶來(lái)對(duì)傳統(tǒng)營(yíng)銷的挑戰(zhàn)

1)大數(shù)據(jù)如何成為資產(chǎn)？——GOOGLE的市值遠(yuǎn)超過(guò)制造企業(yè)

2)大數(shù)據(jù)如何體現(xiàn)精細(xì)營(yíng)銷

3)大數(shù)據(jù)的價(jià)值——靠空調(diào)電表判斷氣候趨勢(shì)（“指數(shù)”）

3.大數(shù)據(jù)時(shí)代的“互聯(lián)網(wǎng)思維”營(yíng)銷模式

1) 互聯(lián)網(wǎng)思維——先圈用戶再掙錢(qián)

2）互聯(lián)網(wǎng)的營(yíng)銷模式——微博營(yíng)銷、網(wǎng)頁(yè)營(yíng)銷等

3) CRM——“舊貌煥發(fā)新顏”

4)精細(xì)營(yíng)銷——裝上了GPS，實(shí)現(xiàn)“精確打擊”

4.如何在海量數(shù)據(jù)中整合線上、線下數(shù)據(jù)，形成你對(duì)客戶的獨(dú)特洞察力

1)知道客戶的各個(gè)屬性——互聯(lián)網(wǎng)時(shí)代不再“是否是狗”

2)客戶的群體特征——“人以群分”

5.如何建立產(chǎn)品分析的數(shù)據(jù)平臺(tái)，提供產(chǎn)品的“標(biāo)尺” 

1)產(chǎn)品的數(shù)據(jù)有哪些？

2)產(chǎn)品設(shè)計(jì)的互聯(lián)網(wǎng)思維？——小米手機(jī)

3)產(chǎn)品的大數(shù)據(jù)分析——哪些維度？

4）如何“產(chǎn)品為中心”發(fā)展為“客戶為中心”？——有數(shù)據(jù)就有可能

6.大數(shù)據(jù)對(duì)企業(yè)的精細(xì)管理提升

1）企業(yè)的精細(xì)管理——不再盲人摸象

2）企業(yè)的KPI儀表板——進(jìn)入駕駛艙

3）預(yù)防企業(yè)的管理風(fēng)險(xiǎn)——早診斷、早發(fā)現(xiàn)

4）員工的量化績(jī)效評(píng)定——計(jì)件之后計(jì)量

7.大數(shù)據(jù)提升企業(yè)的產(chǎn)品質(zhì)量

1）建立量化的產(chǎn)品管理方法——辣椒的辣度評(píng)定

2）產(chǎn)品制造過(guò)程的管理控制——監(jiān)控大數(shù)據(jù)分析

3）產(chǎn)品問(wèn)題的及時(shí)監(jiān)控——溫度、風(fēng)速等異常早發(fā)現(xiàn)

4）產(chǎn)品訂制的范例——好萊塢大片的大數(shù)據(jù)

5）產(chǎn)品質(zhì)量的量化管控——擋板安裝的故事

二、大數(shù)據(jù)的“數(shù)據(jù)挖掘技術(shù)”

1. 數(shù)據(jù)挖掘概述

1）基本概念——“啤酒和尿布的故事”

2）與講師系統(tǒng)、統(tǒng)計(jì)分析、人工智能的關(guān)系——演進(jìn)歷史分析

3）數(shù)據(jù)挖掘在制造行業(yè)的應(yīng)用內(nèi)容——如何體現(xiàn)“智能制造”？

2. CRISP-DM過(guò)程描述

1）商業(yè)理解——要實(shí)現(xiàn)什么“目的”？

2）數(shù)據(jù)的理解以及收集——手里有哪些數(shù)據(jù)？

3）數(shù)據(jù)的準(zhǔn)備——數(shù)據(jù)的清洗及轉(zhuǎn)換

4）應(yīng)用數(shù)據(jù)挖掘工具建立模型——使用哪種數(shù)據(jù)挖掘算法和工具？

5）模型評(píng)估——算法評(píng)估

6）部署（并形成數(shù)據(jù)挖掘報(bào)告）——實(shí)際使用及形成報(bào)告

3. 數(shù)據(jù)挖掘常用算法介紹

預(yù)測(cè)型

1）分類算法

2）回歸分析

3）時(shí)間序列

描述型

4）關(guān)聯(lián)分析

5）序列關(guān)聯(lián)分析

6）聚類分析

4.數(shù)據(jù)挖掘具體算法舉例

1）神經(jīng)網(wǎng)絡(luò)算法

2）決策樹(shù)算法

5.根據(jù)實(shí)際問(wèn)題選擇數(shù)據(jù)挖掘算法

1）客戶離網(wǎng)分析

2）客戶分群模型

3）產(chǎn)品關(guān)聯(lián)分析

4）問(wèn)題的描述

需要解決的關(guān)鍵問(wèn)題

如何轉(zhuǎn)換成為數(shù)據(jù)挖掘的描述

數(shù)據(jù)挖掘算法的選擇依據(jù)

預(yù)測(cè)類還是描述類

與各種算法的使用特點(diǎn)結(jié)合

6.分析結(jié)果的檢驗(yàn)

對(duì)照組數(shù)據(jù)的選擇方法

對(duì)照組數(shù)據(jù)的時(shí)間窗口選擇

對(duì)照組數(shù)據(jù)的抽樣

數(shù)據(jù)挖掘模型的修訂

1）如何剔除無(wú)效的結(jié)果數(shù)據(jù)

2） 根據(jù)反饋結(jié)果進(jìn)行模型修訂

7.數(shù)據(jù)挖掘項(xiàng)目的投入產(chǎn)出

數(shù)據(jù)挖掘項(xiàng)目的投入成本計(jì)算

數(shù)據(jù)挖掘項(xiàng)目的產(chǎn)出計(jì)算依據(jù)

8. 如何形成分析報(bào)告

1）分析報(bào)告的組成部分

2）部分優(yōu)秀的分析報(bào)告演示

9．常用數(shù)據(jù)挖掘工具介紹

1）SAS

2 ) SPSS

三、數(shù)據(jù)挖掘具體案例分析

某電信公司具體數(shù)據(jù)挖掘案例（某產(chǎn)品營(yíng)銷）詳細(xì)舉例

1. 商業(yè)理解：提升哪個(gè)KPI指標(biāo)？（ARPU/MOU等）

2. 數(shù)據(jù)理解及收集:哪些具體的數(shù)據(jù)（客戶詳單、客戶資料等）

3. 數(shù)據(jù)準(zhǔn)備：

1）客戶數(shù)據(jù)質(zhì)量分析

如何保障數(shù)據(jù)質(zhì)量——哪些衡量指標(biāo)

如何發(fā)現(xiàn)異常數(shù)據(jù)——剔除干擾數(shù)據(jù)

2）客戶數(shù)據(jù)抽樣過(guò)程

抽樣比例分析

抽樣的具體方法

3）挖掘應(yīng)用需求描述

如何篩選有用數(shù)據(jù)——選擇相關(guān)變量和匯總數(shù)據(jù)

如何描述需求

4.數(shù)據(jù)挖掘工具建立模型

挖掘算法選擇

如何選擇合適的分析方法

如何剔除無(wú)效的干擾數(shù)據(jù)

選擇關(guān)鍵變量

挖掘具體過(guò)程

結(jié)果數(shù)據(jù)分析

5.模型（算法）評(píng)估

LIFT值等分析

6.實(shí)際部署及分析報(bào)告

實(shí)際分析報(bào)告編寫(xiě)示例

如何計(jì)算該項(xiàng)目的投入、產(chǎn)出

項(xiàng)目的投入計(jì)算依據(jù)

項(xiàng)目的產(chǎn)出計(jì)算方法

項(xiàng)目的投入/產(chǎn)出結(jié)果

四、基礎(chǔ)數(shù)據(jù)的收集和整理

1、數(shù)據(jù)的種類

1）客戶數(shù)據(jù)內(nèi)容（保險(xiǎn)客戶的基本資料）

2）產(chǎn)品數(shù)據(jù)內(nèi)容（產(chǎn)品的編碼）

3）營(yíng)銷數(shù)據(jù)內(nèi)容（交易記錄的保存）

4）服務(wù)數(shù)據(jù)內(nèi)容（客戶服務(wù)數(shù)據(jù)的保存）

5）制造行業(yè)數(shù)據(jù)的特點(diǎn)：（數(shù)據(jù)類型雜、數(shù)據(jù)量大等）

2、數(shù)據(jù)的存放方法

1）數(shù)據(jù)的清洗、轉(zhuǎn)換和加載

2）存放在數(shù)據(jù)庫(kù)/數(shù)據(jù)倉(cāng)庫(kù)

3）數(shù)據(jù)的基本分析工具EXCEL等

3、數(shù)據(jù)的基本整理

1）數(shù)據(jù)的歸類存放（建模型）

2）數(shù)據(jù)的基本加工

4、數(shù)據(jù)的基礎(chǔ)分析

1）數(shù)據(jù)的基本匯總

2）數(shù)據(jù)中的“金子”：從石頭中淘金子

5、數(shù)據(jù)質(zhì)量的基本保障

1）指標(biāo)的口徑描述和統(tǒng)一

2）后期補(bǔ)數(shù)據(jù)成本是前提收集數(shù)據(jù)成本的15倍

3）“差之毫厘謬以千里”

6、制造業(yè)企業(yè)數(shù)據(jù)的收集和整理

1）制造環(huán)境的數(shù)據(jù)收集/整理

2）采購(gòu)數(shù)據(jù)的收集/整理

3）營(yíng)銷數(shù)據(jù)的收集/整理：

4）人力資源數(shù)據(jù)的收集/整理

示例：某企業(yè)的數(shù)據(jù)收集/整理方案

五、云計(jì)算技術(shù)

1.Hadoop項(xiàng)目簡(jiǎn)介

2.HDFS體系結(jié)構(gòu)

3.HDFS關(guān)鍵運(yùn)行機(jī)制

4.MapReduce產(chǎn)生背景

5.MapReduce編程模型

6.MapReduce實(shí)現(xiàn)機(jī)制

7.MapReduce案例分析

8.HIVE介紹

9.HBASE介紹

六、總結(jié)和展望

段方老師的其它課程