微營銷
培訓搜索引擎
數(shù)據(jù)分析與數(shù)據(jù)挖掘之SPSS工具入門與提高
數(shù)據(jù)分析與數(shù)據(jù)挖掘之SPSS工具入門與提高內訓基本信息:
內訓課程大綱
第一部分:數(shù)據(jù)統(tǒng)計基礎知識(基礎,決定你的高度)
1、三大統(tǒng)計軟件工具介紹
SAS統(tǒng)計分析系統(tǒng)
SPSS統(tǒng)計產品與服務解決方案
BMDP生物醫(yī)學數(shù)據(jù)處理軟件
2、數(shù)據(jù)統(tǒng)計基礎知識
集中程度:均值、中位數(shù)、眾數(shù)
離開程度:方差、標準差、極差
分布趨勢:偏度、峰度
3、概率統(tǒng)計基礎知識
概率基本概念
條件概率
4、數(shù)據(jù)挖掘概述
5、數(shù)據(jù)挖掘標準流程(CRISP-DM)
商業(yè)理解
數(shù)據(jù)準備
數(shù)據(jù)理解
模型建立
模型評估
模型應用
案例演練:客戶匹配度模型—數(shù)據(jù)建模
第二部分:SPSS操作入門(預處理、探索性分析)
1、數(shù)據(jù)挖掘基礎操作
SPSS功能介紹
數(shù)據(jù)錄入
數(shù)據(jù)外部數(shù)據(jù)導入(文本、Excel表格、數(shù)據(jù)庫、其它)
2、數(shù)據(jù)預處理
數(shù)據(jù)排序(排序個案)
重復數(shù)據(jù)處理(標識重復個案)
缺失值處理(替換缺失值)
生成新變量(計算變量、重新編碼)
數(shù)據(jù)分組(分類匯總)
數(shù)據(jù)合并(合并文件)
3、描述性統(tǒng)計
連續(xù)變量統(tǒng)計描述
分類變量統(tǒng)計描述
第三部分: 統(tǒng)計圖表分析(看圖說話)
1、柱狀圖
2、線圖
3、餅圖
4、高低圖
5、箱圖
6、散點圖
7、直方圖
8、莖葉圖
案例演練:圖形繪制
第四部分:基于統(tǒng)計方法論的數(shù)據(jù)分析
1、參數(shù)檢驗分析(樣本均值檢驗)
假設檢驗概述
參數(shù)檢驗適用場景
案例演練:電信ARPU值評估分析
案例演練:促銷效果評估
2、非參數(shù)檢驗(樣本分布檢驗)
非參數(shù)檢驗概述
非參數(shù)檢驗適用場景
案例演練:產品合格率檢驗
案例演練:兒童身高差異檢驗
案例演練:訓練新方法有效性檢驗
案例演練:促銷方式效果檢驗
案例演練:客戶滿意度差異檢驗
3、相關分析(相關程度計算)
相關分析概述
案例演練:腰圍與體重的相關分析
案例演練:家庭生活開支的相關分析
4、方差分析(影響因素分析)
方差分析概述
方差分析適用場景
案例演練:廣告形式、地區(qū)對銷量的影響因素分析
案例演練:飼料與生豬體重的影響分析
5、時間序列分析(預測分析)
時序分析概述
時序分析適用場景
案例演練:電視機銷量預測分析
案例演練:證券交易所綜合指數(shù)收益率序列分析
案例演練:汽車銷量預測分析
6、回歸分析(預測分析)
回歸分析概述
回歸分析適用場景
線性回歸分析
案例演練:工資與工齡的關系分析
邏輯回歸分析
案例演練:客戶購買預測分析
案例演練:品牌選擇預測分析
第五部分:SPSS高級數(shù)據(jù)挖掘分析
7、聚類分析(Clustering)
聚類方法原理介紹
聚類方法適用場景
系統(tǒng)聚類
案例演練:小康指數(shù)劃分(Q型聚類)
案例演練:裁判標準一致性分析(R型聚類)
K均值聚類
案例演練:商場服務獎項獎選擇
8、分類分析(Classification)
決策樹原理介紹
分類適用場景
案例演練:銀行低信用客戶特征分析
案例演練:電信行業(yè)客戶流失預警與客戶挽留
9、關聯(lián)分析(Association)
關聯(lián)規(guī)則原理介紹
關聯(lián)規(guī)則適用場景
案例演練:產品交叉銷售與布局優(yōu)化分析
10、客戶價值評估RFM模型
RFM模型介紹
RFM模型適用場景
案例演練:客戶價值評估分析
案例演練:重購用戶特征分析
第六部分:電信客戶流失之真實數(shù)據(jù)分析實踐
結束:課程總結與問題答疑。
1、三大統(tǒng)計軟件工具介紹
SAS統(tǒng)計分析系統(tǒng)
SPSS統(tǒng)計產品與服務解決方案
BMDP生物醫(yī)學數(shù)據(jù)處理軟件
2、數(shù)據(jù)統(tǒng)計基礎知識
集中程度:均值、中位數(shù)、眾數(shù)
離開程度:方差、標準差、極差
分布趨勢:偏度、峰度
3、概率統(tǒng)計基礎知識
概率基本概念
條件概率
4、數(shù)據(jù)挖掘概述
5、數(shù)據(jù)挖掘標準流程(CRISP-DM)
商業(yè)理解
數(shù)據(jù)準備
數(shù)據(jù)理解
模型建立
模型評估
模型應用
案例演練:客戶匹配度模型—數(shù)據(jù)建模
第二部分:SPSS操作入門(預處理、探索性分析)
1、數(shù)據(jù)挖掘基礎操作
SPSS功能介紹
數(shù)據(jù)錄入
數(shù)據(jù)外部數(shù)據(jù)導入(文本、Excel表格、數(shù)據(jù)庫、其它)
2、數(shù)據(jù)預處理
數(shù)據(jù)排序(排序個案)
重復數(shù)據(jù)處理(標識重復個案)
缺失值處理(替換缺失值)
生成新變量(計算變量、重新編碼)
數(shù)據(jù)分組(分類匯總)
數(shù)據(jù)合并(合并文件)
3、描述性統(tǒng)計
連續(xù)變量統(tǒng)計描述
分類變量統(tǒng)計描述
第三部分: 統(tǒng)計圖表分析(看圖說話)
1、柱狀圖
2、線圖
3、餅圖
4、高低圖
5、箱圖
6、散點圖
7、直方圖
8、莖葉圖
案例演練:圖形繪制
第四部分:基于統(tǒng)計方法論的數(shù)據(jù)分析
1、參數(shù)檢驗分析(樣本均值檢驗)
假設檢驗概述
參數(shù)檢驗適用場景
案例演練:電信ARPU值評估分析
案例演練:促銷效果評估
2、非參數(shù)檢驗(樣本分布檢驗)
非參數(shù)檢驗概述
非參數(shù)檢驗適用場景
案例演練:產品合格率檢驗
案例演練:兒童身高差異檢驗
案例演練:訓練新方法有效性檢驗
案例演練:促銷方式效果檢驗
案例演練:客戶滿意度差異檢驗
3、相關分析(相關程度計算)
相關分析概述
案例演練:腰圍與體重的相關分析
案例演練:家庭生活開支的相關分析
4、方差分析(影響因素分析)
方差分析概述
方差分析適用場景
案例演練:廣告形式、地區(qū)對銷量的影響因素分析
案例演練:飼料與生豬體重的影響分析
5、時間序列分析(預測分析)
時序分析概述
時序分析適用場景
案例演練:電視機銷量預測分析
案例演練:證券交易所綜合指數(shù)收益率序列分析
案例演練:汽車銷量預測分析
6、回歸分析(預測分析)
回歸分析概述
回歸分析適用場景
線性回歸分析
案例演練:工資與工齡的關系分析
邏輯回歸分析
案例演練:客戶購買預測分析
案例演練:品牌選擇預測分析
第五部分:SPSS高級數(shù)據(jù)挖掘分析
7、聚類分析(Clustering)
聚類方法原理介紹
聚類方法適用場景
系統(tǒng)聚類
案例演練:小康指數(shù)劃分(Q型聚類)
案例演練:裁判標準一致性分析(R型聚類)
K均值聚類
案例演練:商場服務獎項獎選擇
8、分類分析(Classification)
決策樹原理介紹
分類適用場景
案例演練:銀行低信用客戶特征分析
案例演練:電信行業(yè)客戶流失預警與客戶挽留
9、關聯(lián)分析(Association)
關聯(lián)規(guī)則原理介紹
關聯(lián)規(guī)則適用場景
案例演練:產品交叉銷售與布局優(yōu)化分析
10、客戶價值評估RFM模型
RFM模型介紹
RFM模型適用場景
案例演練:客戶價值評估分析
案例演練:重購用戶特征分析
第六部分:電信客戶流失之真實數(shù)據(jù)分析實踐
結束:課程總結與問題答疑。
講師 傅一航 介紹
傅一航,華為系大數(shù)據(jù)專家。
傅一航,男,計算機軟件與理論碩士研究生(研究方向:數(shù)據(jù)挖掘、搜索引擎)。在華為工作十年,數(shù)篇國家專利,曾在英國、日本、荷蘭等國做項目,對歐洲、日本的電信市場有比較深的了解。
傅老師專注于大數(shù)據(jù)分析與挖掘等應用技術,以及大數(shù)據(jù)系統(tǒng)部署解決方案。旨在將大數(shù)據(jù)的數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)建模應用于行業(yè)及商業(yè)領域,解決行業(yè)實際的問題。將大數(shù)據(jù)應用于運營決策,幫助企業(yè)提升運營決策能力;應用于市場營銷,通過大數(shù)據(jù)營銷,解決營銷中的用戶群細分,產品定位,精準營銷,精準促銷等實際問題,提升營銷效果,節(jié)省營銷費用,以及市場預測、用戶行為預測等。
傅老師目前致力于將大數(shù)據(jù)技術應用于通信、金融、航空、電商、互聯(lián)網(wǎng)等領域。傅老師的課程最大特色:實戰(zhàn)性強!實現(xiàn)“業(yè)務問題+分析思路+分析方法/分析模型+分析工具+結果應用”融為一體。即,結合清晰的業(yè)務場景(明確目的),分解為具體的數(shù)據(jù)問題(分析思路),選擇最合適的方法(分析方法),深入淺出的理論講解(分析模型),使用簡單實用的工具操作(分析工具),實現(xiàn)分析結果到業(yè)務策略的落地。
獲得國家專利:
1.CN1925642:對集群用戶進行處理的方法和集群用戶處理系統(tǒng)
2.CN101114999A:數(shù)據(jù)發(fā)送控制方法及數(shù)據(jù)傳輸設備
3.CN101119183A:重傳控制方法及傳輸設備
4.CN101483847A:實現(xiàn)策略控制的方法、裝置及系統(tǒng)
5.CN101605359B:一種切換過程中轉發(fā)數(shù)據(jù)的方法、無線實體和基站
論文:
1.基于統(tǒng)計的無詞典分詞方法
2.文本的自動分類
3.基于Internet的智能信息檢索技術研究
傅一航,男,計算機軟件與理論碩士研究生(研究方向:數(shù)據(jù)挖掘、搜索引擎)。在華為工作十年,數(shù)篇國家專利,曾在英國、日本、荷蘭等國做項目,對歐洲、日本的電信市場有比較深的了解。
傅老師專注于大數(shù)據(jù)分析與挖掘等應用技術,以及大數(shù)據(jù)系統(tǒng)部署解決方案。旨在將大數(shù)據(jù)的數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)建模應用于行業(yè)及商業(yè)領域,解決行業(yè)實際的問題。將大數(shù)據(jù)應用于運營決策,幫助企業(yè)提升運營決策能力;應用于市場營銷,通過大數(shù)據(jù)營銷,解決營銷中的用戶群細分,產品定位,精準營銷,精準促銷等實際問題,提升營銷效果,節(jié)省營銷費用,以及市場預測、用戶行為預測等。
傅老師目前致力于將大數(shù)據(jù)技術應用于通信、金融、航空、電商、互聯(lián)網(wǎng)等領域。傅老師的課程最大特色:實戰(zhàn)性強!實現(xiàn)“業(yè)務問題+分析思路+分析方法/分析模型+分析工具+結果應用”融為一體。即,結合清晰的業(yè)務場景(明確目的),分解為具體的數(shù)據(jù)問題(分析思路),選擇最合適的方法(分析方法),深入淺出的理論講解(分析模型),使用簡單實用的工具操作(分析工具),實現(xiàn)分析結果到業(yè)務策略的落地。
獲得國家專利:
1.CN1925642:對集群用戶進行處理的方法和集群用戶處理系統(tǒng)
2.CN101114999A:數(shù)據(jù)發(fā)送控制方法及數(shù)據(jù)傳輸設備
3.CN101119183A:重傳控制方法及傳輸設備
4.CN101483847A:實現(xiàn)策略控制的方法、裝置及系統(tǒng)
5.CN101605359B:一種切換過程中轉發(fā)數(shù)據(jù)的方法、無線實體和基站
論文:
1.基于統(tǒng)計的無詞典分詞方法
2.文本的自動分類
3.基于Internet的智能信息檢索技術研究
上一篇:數(shù)字化運營下的數(shù)據(jù)分析與數(shù)據(jù)挖掘
下一篇:Hadoop大數(shù)據(jù)解決方案開發(fā)技術
培訓現(xiàn)場
講師培訓公告