第一部分：數(shù)據(jù)挖掘基礎知識（基礎，決定你的高度）

1、數(shù)據(jù)挖掘工具簡介

?  EXCEL規(guī)劃求解（數(shù)據(jù)建模工具）

?  SAS統(tǒng)計分析系統(tǒng)

?  SPSS統(tǒng)計產品與服務解決方案（Modeler數(shù)據(jù)流處理）

2、數(shù)據(jù)挖掘概述

案例：宜家IKE如何通過數(shù)據(jù)挖掘來降低營銷成本提升利潤？

3、數(shù)據(jù)挖掘的標準流程（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：通信客戶流失分析及預警模型

4、數(shù)據(jù)建模示例

案例：客戶匹配度建模—找到你的準客戶

第二部分：數(shù)據(jù)理解與數(shù)據(jù)準備（Modeler實操）

1、數(shù)據(jù)挖掘處理的一般過程

?  數(shù)據(jù)源-->數(shù)據(jù)理解-->數(shù)據(jù)準備-->探索分析-->數(shù)據(jù)建模-->模型評估

2、數(shù)據(jù)讀入

?  讀入文本文件

?  讀入Excel電子表格

?  讀入SPSS格式文件

?  讀入數(shù)據(jù)庫數(shù)據(jù)

3、數(shù)據(jù)集成

?  變量合并（增加變量）

?  數(shù)據(jù)追加（添加記錄）

4、數(shù)據(jù)理解

?  取值范圍限定

?  重復數(shù)據(jù)處理

?  缺失值處理

?  無效值處理

?  離群點和極端值的修正

?  數(shù)據(jù)質量評估

5、數(shù)據(jù)準備：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：數(shù)據(jù)分段/離散化（減少變量的取值）

?  數(shù)據(jù)平衡：正反樣本比例均衡

?  其它：排序、分類匯總

6、數(shù)據(jù)準備：變量處理

?  變量變換：原變量值更新

?  變量派生：生成新的變量

?  變量精簡：降維，減少變量個數(shù)

7、基本分析

?  單變量：數(shù)據(jù)基本描述分析

?  雙變量：相關性分析

?  變量精簡：特征選擇、因子分析

8、特征選擇

?  特征選擇方法：選擇重要變量，剔除不重要的變量

?  從變量本身考慮

?  從輸入變量與目標變量的相關性考慮

9、因子分析（主成分分析）

?  因子分析的原理

?  因子個數(shù)如何選擇

?  如何解讀因子含義

案例：提取影響電信客戶流失的主成分分析

第三部分：因素影響分析（特征重要性分析）

問題：如何判斷一個因素對另一個因素有影響？

比如營銷費用是否會影響銷售額？產品價格是否會影響銷量？產品的陳列位置是否會影響銷量？

1、常用特征重要性分析的方法

?  特征選擇（減少變量個數(shù)）：相關分析、方差分析、卡方檢驗

?  因子分析（減少變量個數(shù)）：主成分分析

?  確定變量個數(shù)參考表

2、相關分析（數(shù)值+數(shù)值，相關程度計算）

問題：這兩個屬性是否會相互影響？影響程度大嗎？

?  相關分析概述

?  相關系數(shù)計算公式

?  相關性假設檢驗

案例：通信基本費用與開通月數(shù)的相關分析

3、方差分析（分類+數(shù)值，影響因素分析）

問題：哪些才是影響銷量的關鍵因素？

?  方差分析原理

?  方差分析的步驟

?  方差分析適用場景

案例：開通月數(shù)對客戶流失的影響分析

4、列聯(lián)分析（分類+分類，影響因素分析）

?  列聯(lián)表的原理

?  卡方檢驗的步驟

?  列聯(lián)表分析的適用場景

案例：套餐類型對對客戶流失的影響分析

第四部分：分類預測模型分析

1、分類概述

?  分類的基本過程

?  常見分類預測模型

2、邏輯回歸分析模型

問題：如果評估用戶是否購買產品的概率？

?  邏輯回歸分析

?  邏輯回歸的原理

案例：客戶購買預測分析（二元邏輯回歸）

3、決策樹分類

問題：如何提取客戶流失者、拖欠貨款者的特征？如何預測其流失的概率？

?  決策樹分類的原理

?  決策樹的三個關鍵問題

?  決策樹算法

?  如何評估分類模型的性能（查準率、查全率）

案例：識別銀行欠貨風險，提取欠貨者的特征

案例：客戶流失預警與客戶挽留模型

4、神經網(wǎng)絡

?  神經網(wǎng)絡概述

?  神經元工作原理

?  神經網(wǎng)絡的建立步驟

?  B-P反向傳播網(wǎng)絡（MLP）

?  徑向基函數(shù)網(wǎng)絡（RBF）

5、支持向量機

?  SVM基本原理

?  維災難與核函數(shù)

6、樸素貝葉斯分類

?  條件概率

?  樸素貝葉斯

?  TAN貝葉斯網(wǎng)絡

?  馬爾科夫毯網(wǎng)絡

第五部分：市場細分與客戶細分

1、客戶細分常用方法

2、聚類分析（Clustering）

問題：如何對市場進行細分？如何提取客戶特征，從而對產品進行市場定位？

?  聚類方法原理介紹

?  聚類方法適用場景

?  如何細分客戶群，并提取出客戶群的特征？

?  K均值聚類（快速聚類）

?  兩步聚類

案例：移動三大品牌細分市場合適嗎？

演練：寶潔公司如何選擇新產品試銷區(qū)域？

3、RFM模型分析

?  RFM模型，更深入了解你的客戶價值

?  RFM模型與市場策略

?  RFM模型與活躍度

案例：淘寶客戶價值評估與促銷名單

第六部分：關聯(lián)分析(Association)

問題：購買面包的人是否也會購買牛奶？他們同時購買哪些產品？

?  關聯(lián)規(guī)則原理介紹

?  關聯(lián)規(guī)則適用場景：交叉銷售、捆綁營銷、產品布局

案例：超市商品交叉銷售與布局優(yōu)化（關聯(lián)分析）

結束：課程總結與問題答疑。