傅一航,傅一航講師,傅一航聯(lián)系方式,傅一航培訓(xùn)師-【中華講師網(wǎng)】
大數(shù)據(jù) 數(shù)據(jù)分析 數(shù)據(jù)挖掘 數(shù)據(jù)建模
52
鮮花排名
0
鮮花數(shù)量
傅一航:大數(shù)據(jù)挖掘工具:SPSS Statistics入門與提高
2017-03-22 3232
對象
市場部、業(yè)務(wù)支撐、運(yùn)營分析部等對業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)人員。
目的
提升大數(shù)據(jù)挖掘能力,利用大數(shù)據(jù)思維解決商業(yè)問題。
內(nèi)容


IBM SPPS Statistics是一個(gè)專業(yè)的數(shù)據(jù)挖掘工具,其中內(nèi)置了大量的數(shù)據(jù)分析常用方法、模型。專業(yè)人員和非專業(yè)人員都適用,不需要懂太多的挖掘算法和模型,專業(yè)人員也可以用來作深入的數(shù)據(jù)分析與數(shù)據(jù)挖掘。


第一部分:數(shù)據(jù)集基礎(chǔ)知識(了解你的數(shù)據(jù)集)

1、數(shù)據(jù)集概述

2、數(shù)據(jù)集的類型

3、數(shù)據(jù)集屬性的類型

?  標(biāo)稱

?  序數(shù)

?  度量

4、數(shù)據(jù)質(zhì)量三要素

?  準(zhǔn)確性

?  完整性

?  一致性

5、數(shù)據(jù)預(yù)處理的內(nèi)容

?  數(shù)據(jù)清理(缺失值、離群值的處理方法)

?  數(shù)據(jù)歸約(維災(zāi)難、維歸約、主成分分析)

?  特征子集選擇

?  特征創(chuàng)建/屬性構(gòu)造

?  數(shù)據(jù)離散化和二元化

?  屬性/變量轉(zhuǎn)換

6、數(shù)據(jù)探索性分析

?  統(tǒng)計(jì)匯總

?  可視化

演練:描述性分析(頻數(shù)、描述、探索、分類匯總)


第二部分:數(shù)據(jù)挖掘基礎(chǔ)知識(基礎(chǔ),決定你的高度)

1、數(shù)據(jù)統(tǒng)計(jì)分析軟件簡介

?  EXCEL表格處理與數(shù)據(jù)分析工具庫

?  SAS統(tǒng)計(jì)分析系統(tǒng)

?  SPSS統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案

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(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

?  模型評估

?  模型應(yīng)用

案例:客戶匹配度建模—找到你的準(zhǔn)客戶

案例:4G終端營銷項(xiàng)目挖掘過程分析


4、常用數(shù)據(jù)統(tǒng)計(jì)指標(biāo)

?  集中程度:均值、中位數(shù)、眾數(shù)

?  離開程度:方差、標(biāo)準(zhǔn)差、極差

?  分布趨勢:偏度、峰度

?  理解分布:正態(tài)分布、T分布、F分布


5、SPSS基本操作(預(yù)處理)

?  數(shù)據(jù)導(dǎo)入

?  數(shù)據(jù)排序(排序個(gè)案)

?  重復(fù)數(shù)據(jù)處理(標(biāo)識重復(fù)個(gè)案)

?  缺失值處理(替換缺失值)

?  生成新變量(計(jì)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)

6、數(shù)據(jù)描述性統(tǒng)計(jì)

?  連續(xù)變量統(tǒng)計(jì)描述

?  分類變量統(tǒng)計(jì)描述


第三部分:數(shù)據(jù)挖掘?qū)崙?zhàn)篇

1、參數(shù)檢驗(yàn)分析(樣本均值檢驗(yàn))

問題:如何驗(yàn)證營銷效果的有效性?

?  假設(shè)檢驗(yàn)概述

2  單樣本T檢驗(yàn)

2  兩獨(dú)立樣本T檢驗(yàn)

2  兩配對樣本T檢驗(yàn)

?  假設(shè)檢驗(yàn)適用場景

案例:電信運(yùn)營商ARPU值評估分析(單樣本)

案例:營銷活動前后分析(兩配對樣本)

案例:信用卡消費(fèi)金額評估分析(單樣本)

案例:吸煙與膽固醇升高的分析(兩獨(dú)立樣本)

案例:減肥效果評估(兩配對樣本)


2、非參數(shù)檢驗(yàn)分析(樣本分布檢驗(yàn))

問題:這些屬性數(shù)據(jù)的分布情況如何?如何從數(shù)據(jù)分布中看出問題?

?  非參數(shù)檢驗(yàn)概述

2  單樣本檢驗(yàn)

2  兩獨(dú)立樣本檢驗(yàn)

2  兩相關(guān)樣本檢驗(yàn)

2  兩配對樣本檢驗(yàn)

?  非參數(shù)檢驗(yàn)適用場景

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)(兩配對樣本-符號/秩檢驗(yàn))

案例:促銷方式效果檢驗(yàn)(多相關(guān)樣本-Friedman檢驗(yàn))

案例:客戶滿意度差異檢驗(yàn)(多相關(guān)樣本-Cochran Q檢驗(yàn))


3、相關(guān)分析(相關(guān)程度計(jì)算)

問題:這兩個(gè)屬性是否會相互影響?影響程度大嗎?

?  相關(guān)分析概述

案例:家庭生活開支的相關(guān)分析

案例:營銷費(fèi)用與銷售額的相關(guān)分析

案例:哪些因素與汽車銷量有相關(guān)性


4、方差分析(影響因素分析)

問題:哪些才是影響銷量的關(guān)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:陳列位置對終端銷量的影響分析(單因素)

案例:廣告形式、地區(qū)對銷量的影響因素分析(多因素)

案例:2015年大學(xué)生工資與父母職業(yè)的關(guān)系


5、回歸分析(預(yù)測分析)

問題:如何預(yù)測未來的銷售量(定量分析)?

?  回歸分析概述及適用場景

?  回歸分析的檢驗(yàn)過程

?  如何選擇最優(yōu)回歸模型

?  解讀回歸分析結(jié)果

案例:推廣費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系(線性回歸)

案例:人均現(xiàn)金消費(fèi)支出對人均食品消費(fèi)支出的影響(曲線回歸)


?  帶分類變量的回歸分析

?  如何預(yù)測隨著季節(jié)性變化的銷量情況

案例:員工工齡、性別與終端銷售的關(guān)系分析

案例:產(chǎn)品銷量的季節(jié)性變化預(yù)測


6、邏輯回歸分析

問題:如果評估用戶是否購買產(chǎn)品的概率?

?  邏輯回歸分析

?  邏輯回歸的原理

案例:客戶購買預(yù)測分析(二元邏輯回歸)

案例:品牌選擇預(yù)測分析(多項(xiàng)邏輯回歸)


7、時(shí)間序列分析(預(yù)測分析)

問題:隨著時(shí)間變化,未來的銷量變化趨勢如何?

?  時(shí)序分析概述

2  移動平均MA模型

2  指數(shù)平滑ES模型

2  自回歸滑動平均ARIMA模型

2  季節(jié)分解模型

?  時(shí)序分析適用場景

案例:汽車銷量預(yù)測分析(指數(shù)平滑)

案例:上交所指數(shù)收益率預(yù)測分析(ARIMA)

案例:服裝銷售數(shù)據(jù)季節(jié)性趨勢預(yù)測分析(季節(jié)分解)


第四部分:高級數(shù)據(jù)挖掘方法

1、聚類分析(Clustering)

問題:我們的客戶有幾類?各類特征是什么?

?  聚類方法原理介紹

?  聚類方法適用場景

?  系統(tǒng)聚類(層次聚類)

案例:小康指數(shù)劃分(Q型聚類)

案例:裁判標(biāo)準(zhǔn)一致性分析(R型聚類)


?  K均值聚類(快速聚類)

案例:移動三大品牌細(xì)分市場合適嗎?

案例:如何評選優(yōu)秀員工(固定聚類中心)

演練:如何選擇新產(chǎn)品試銷地點(diǎn)?


2、決策樹分類分析(Classification)

問題:這類客戶有什么特征?有什么潛在銷售機(jī)會?

?  決策樹原理介紹

?  分類適用場景

案例:銀行低信用客戶特征分析(決策樹分類)


3、關(guān)聯(lián)分析(Association)

問題:購買A產(chǎn)品的顧客還常常要購買其他什么產(chǎn)品?

?  關(guān)聯(lián)規(guī)則原理介紹

?  關(guān)聯(lián)規(guī)則適用場景

案例:超市商品交叉銷售與布局優(yōu)化(關(guān)聯(lián)分析)


4、客戶價(jià)值評估RFM模型

問題:如何評估客戶的價(jià)值?不同價(jià)值客戶的營銷策略有什么區(qū)別?

?  RFM模型介紹

?  RFM模型適用場景

?  RFM與客戶活躍度分析

案例:客戶用戶價(jià)值評估(RFM分析)

案例:重購用戶特征分析(決策樹分析)


第五部分:統(tǒng)計(jì)圖表篇(看圖說話)

1、柱狀圖/線圖/餅圖/高低圖/箱圖/散點(diǎn)圖/直方圖

2、圖形的表達(dá)及適用場景

案例:各種圖形繪制


第六部分:實(shí)戰(zhàn)-數(shù)據(jù)挖掘項(xiàng)目

實(shí)戰(zhàn)1:客戶流失預(yù)警與客戶挽留之真實(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)與問題答疑。


全部評論 (0)

Copyright©2008-2024 版權(quán)所有 浙ICP備06026258號-1 浙公網(wǎng)安備 33010802003509號 杭州講師網(wǎng)絡(luò)科技有限公司
講師網(wǎng) kasajewelry.com 直接對接10000多名優(yōu)秀講師-省時(shí)省力省錢
講師網(wǎng)常年法律顧問:浙江麥迪律師事務(wù)所 梁俊景律師 李小平律師