IBM SPPS Modeler是一個(gè)數(shù)據(jù)流處理工具,適用于數(shù)據(jù)探索與數(shù)據(jù)挖掘,包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)探索、數(shù)據(jù)可視化、數(shù)據(jù)建模、數(shù)據(jù)模型優(yōu)化。
第一部分:數(shù)據(jù)挖掘基礎(chǔ)知識(shí)(基礎(chǔ),決定你的高度)
1、數(shù)據(jù)挖掘工具簡(jiǎn)介
? EXCEL規(guī)劃求解(數(shù)據(jù)建模工具)
? 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(guò)數(shù)據(jù)挖掘來(lái)降低營(yíng)銷(xiāo)成本提升利潤(rùn)?
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(píng)估
? 模型應(yīng)用
案例:通信客戶(hù)流失分析及預(yù)警模型
4、數(shù)據(jù)建模示例
案例:客戶(hù)匹配度建模—找到你的準(zhǔn)客戶(hù)
第二部分:數(shù)據(jù)理解與數(shù)據(jù)準(zhǔn)備(Modeler實(shí)操)
1、數(shù)據(jù)挖掘處理的一般過(guò)程
? 數(shù)據(jù)源-->數(shù)據(jù)理解-->數(shù)據(jù)準(zhǔn)備-->探索分析-->數(shù)據(jù)建模-->模型評(píng)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(kù)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(fù)數(shù)據(jù)處理
? 缺失值處理
? 無(wú)效值處理
? 離群點(diǎn)和極端值的修正
? 數(shù)據(jù)質(zhì)量評(píng)估
5、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)
? 數(shù)據(jù)平衡:正反樣本比例均衡
? 其它:排序、分類(lèi)匯總
6、數(shù)據(jù)準(zhǔn)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(jiǎn):降維,減少變量個(gè)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(guān)性分析
? 變量精簡(jiǎn):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(biāo)變量的相關(guān)性考慮
9、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
第三部分:因素影響分析(特征重要性分析)
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?
1、常用特征重要性分析的方法
? 特征選擇(減少變量個(gè)數(shù)):相關(guān)分析、方差分析、卡方檢驗(yàn)
? 因子分析(減少變量個(gè)數(shù)):主成分分析
? 確定變量個(gè)數(shù)參考表
2、相關(guān)分析(數(shù)值+數(shù)值,相關(guān)程度計(jì)算)
問(wèn)題:這兩個(gè)屬性是否會(huì)相互影響?影響程度大嗎?
? 相關(guān)分析概述
? 相關(guān)系數(shù)計(jì)算公式
? 相關(guān)性假設(shè)檢驗(yàn)
案例:通信基本費(fèi)用與開(kāi)通月數(shù)的相關(guān)分析
3、方差分析(分類(lèi)+數(shù)值,影響因素分析)
問(wèn)題:哪些才是影響銷(xiāo)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(chǎng)景
案例:開(kāi)通月數(shù)對(duì)客戶(hù)流失的影響分析
4、列聯(lián)分析(分類(lèi)+分類(lèi),影響因素分析)
? 列聯(lián)表的原理
? 卡方檢驗(yàn)的步驟
? 列聯(lián)表分析的適用場(chǎng)景
案例:套餐類(lèi)型對(duì)對(duì)客戶(hù)流失的影響分析
第四部分:分類(lèi)預(yù)測(cè)模型分析
1、分類(lèi)概述
? 分類(lèi)的基本過(guò)程
? 常見(jiàn)分類(lèi)預(yù)測(cè)模型
2、邏輯回歸分析模型
問(wèn)題:如果評(píng)估用戶(hù)是否購(gòu)買(mǎi)產(chǎn)品的概率?
? 邏輯回歸分析
? 邏輯回歸的原理
案例:客戶(hù)購(gòu)買(mǎi)預(yù)測(cè)分析(二元邏輯回歸)
3、決策樹(shù)分類(lèi)
問(wèn)題:如何提取客戶(hù)流失者、拖欠貨款者的特征?如何預(yù)測(cè)其流失的概率?
? 決策樹(shù)分類(lèi)的原理
? 決策樹(shù)的三個(gè)關(guān)鍵問(wèn)題
? 決策樹(shù)算法
? 如何評(píng)估分類(lèi)模型的性能(查準(zhǔn)率、查全率)
案例:識(shí)別銀行欠貨風(fēng)險(xiǎn),提取欠貨者的特征
案例:客戶(hù)流失預(yù)警與客戶(hù)挽留模型
4、神經(jīng)網(wǎng)絡(luò)
? 神經(jīng)網(wǎng)絡(luò)概述
? 神經(jīng)元工作原理
? 神經(jīng)網(wǎng)絡(luò)的建立步驟
? B-P反向傳播網(wǎng)絡(luò)(MLP)
? 徑向基函數(shù)網(wǎng)絡(luò)(RBF)
5、支持向量機(jī)
? SVM基本原理
? 維災(zāi)難與核函數(shù)
6、樸素貝葉斯分類(lèi)
? 條件概率
? 樸素貝葉斯
? TAN貝葉斯網(wǎng)絡(luò)
? 馬爾科夫毯網(wǎng)絡(luò)
第五部分:市場(chǎng)細(xì)分與客戶(hù)細(xì)分
1、客戶(hù)細(xì)分常用方法
2、聚類(lèi)分析(Clustering)
問(wèn)題:如何對(duì)市場(chǎng)進(jìn)行細(xì)分?如何提取客戶(hù)特征,從而對(duì)產(chǎn)品進(jìn)行市場(chǎng)定位?
? 聚類(lèi)方法原理介紹
? 聚類(lèi)方法適用場(chǎng)景
? 如何細(xì)分客戶(hù)群,并提取出客戶(hù)群的特征?
? K均值聚類(lèi)(快速聚類(lèi))
? 兩步聚類(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?
3、RFM模型分析
? RFM模型,更深入了解你的客戶(hù)價(jià)值
? RFM模型與市場(chǎng)策略
? RFM模型與活躍度
案例:淘寶客戶(hù)價(jià)值評(píng)估與促銷(xiāo)名單
第六部分:其他市場(chǎng)營(yíng)銷(xiāo)分析方法
1、關(guān)聯(lián)分析(Association)
問(wèn)題:購(gòu)買(mǎi)面包的人是否也會(huì)購(gòu)買(mǎi)牛奶?他們同時(shí)購(gòu)買(mǎi)哪些產(chǎn)品?
? 關(guān)聯(lián)規(guī)則原理介紹
? 關(guān)聯(lián)規(guī)則適用場(chǎng)景:交叉銷(xiāo)售、捆綁營(yíng)銷(xiāo)、產(chǎn)品布局
案例:超市商品交叉銷(xiāo)售與布局優(yōu)化(關(guān)聯(lián)分析)
結(jié)束:課程總結(jié)與問(wèn)題答疑。